dify支持pdf语义解析与rag问答：需预处理为可搜索pdf，删除页眉页脚，启用高级解析识别标题/列表/表格，配置私有知识库上传，验证结构树与引用准确性，并设置严格提示词确保答案源自原文。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让Dify自动读取PDF文件内容，从中提取文字、保留结构，并支持后续基于文档内容的自然语言问答。这要求PDF解析不能只做简单OCR或纯文本转录，必须识别标题、段落、表格、列表等语义单元，且解析结果需准确映射到向量库中供检索增强生成（RAG）调用。
上传PDF前预处理文档
确保PDF是可复制文本的“原生PDF”，不是扫描件图像。若用手机拍照或扫描仪生成，先用Adobe Acrobat或Smallpdf执行OCR识别，输出为“可搜索PDF”。【不可跳过：扫描PDF直接上传会导致全文解析为空或乱码】
删除PDF中与业务无关的页眉页脚、水印、分页符——这些干扰项会污染向量化后的chunk质量，导致问答时召回无关片段。
在Dify中配置知识库并上传PDF
进入Dify控制台 → 知识库 → 新建知识库 → 选择“私有”类型 → 命名后保存。
点击该知识库 → “添加文档” → 拖入已预处理好的PDF文件 → 点击“上传”。上传进度条走完即完成导入，无需手动触发解析。
Dify默认启用“高级解析”模式：自动识别章节标题、有序/无序列表、表格单元格、代码块，并将每个语义块独立切片。这比纯按固定长度切分更利于问答精准定位答案来源。
验证PDF解析效果
方法一：在知识库文档列表中，找到刚上传的PDF → 点击右侧“查看内容”图标 → 查看左侧结构树是否完整呈现“1. 引言”“2. 方法”等标题层级，右侧正文是否保留缩进、项目符号和表格边框线。
方法二：在Dify聊天界面输入“请总结这篇PDF的第三部分核心结论”，观察返回答案是否明确引用原文中“3. 结果分析”下的第二段文字，而非泛泛而谈。
若结构树为空或正文显示大量□□□，说明PDF仍含不可读字体或加密权限，需用PDFtk解除限制后再上传。
构建基于PDF的问答应用
第一步：新建应用 → 选择“问答型”模板 → 在“知识检索”模块中勾选你刚创建的知识库。
第二步：在“提示词编排”区域，将系统提示词修改为：“你是一个严谨的技术文档助手。所有回答必须严格依据已上传PDF中的原文信息，不得自行推断。若问题超出PDF范围，请明确回复‘该问题未在提供的文档中提及’。”
第三步：保存并发布应用 → 进入测试界面，输入问题如“实验样本数量是多少？”，确认返回答案带原文引用标记（例如“见第5页表格第2行”），且数字与PDF中完全一致。
