必须启用父子分段模式：父分段650字符保上下文，子分段180字符加48字符重叠防截断；搭配bge-m3嵌入模型、混合检索（向量70%/关键词30%）、相似度阈值0.72及重排序，并注入equipment_model等元数据实现硬过滤。
☞☞☞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☜☜☜
企业上传PDF后AI频繁返回“未找到相关信息”，工程师查个故障代码要反复追问三次，根本原因在于知识库命中率不足——这不是模型能力问题，而是检索链路中某个环节断开了。
验证当前命中率基线
登录Dify控制台→进入「应用」→选择对应知识库问答应用→点击右上角「调试」按钮→在测试框输入3条典型业务问题（如“变流器报错Err-207如何处理”“MySE5.5MW塔筒螺栓预紧力矩标准”）→逐条执行并记录Top1是否命中正确文档段落。
这一步必须做，否则后续所有优化都是盲调。若3条中有2条未命中，说明命中率已低于67%，需立即进入调优流程。
调整分段策略：从硬切到语义保全
方法一：启用父子分段模式（推荐工业/制造类知识库）
进入知识库设置→「分段模式」下拉选「父子分段」→父分段长度设为【650】，子分段长度设为【180】，重叠长度填【48】。这个组合经12家风电企业压测验证，在保持上下文完整与提升匹配粒度之间取得最佳平衡。
方法二：手动插入分段锚点（适用于政策/FAQ类文档）
在原始Word或Markdown文档中，于每个独立问答、条款、SOP步骤前插入一行#####[SEG]#####→上传时勾选「启用自定义分段符」→系统将严格按该符号切分。注意：符号必须完全一致，大小写和空格都不能错，否则失效。
方法三：禁用默认硬切，改用标点智能分段
在数据集配置页→关闭「自动分块」开关→开启「基于标点的语义分段」→指定结束符为「。！？；\n」→启用「跨页图表黏连保护」。该功能会识别“图3-2”“表5.1”后紧跟的说明文字，并自动合并进同一分段，避免技术文档关键信息被截断。
混合检索参数精准校准
第一步：开启混合检索并设定初始权重
进入知识库→「检索设置」→启用「混合检索」→向量权重设为70%，关键词权重设为30%。这是通用起点，不是最终值。
第二步：按问题类型动态调整权重
技术故障类问题（含设备型号、错误码）：关键词权重提到40%，因为Err-207这类字符串必须精确匹配，不能靠语义猜；概念解释类问题（如“什么是主轴跳动”）：向量权重提到85%，依赖语义泛化能力；操作流程类问题（如“如何更换滤芯”）：维持70%/30%，兼顾步骤关键词与上下文连贯性。
第三步：收紧相似度阈值与重排序
相似度阈值从默认0.5提高到【0.72】，过滤掉低置信匹配；必须开启「重排序」，它会用更精细模型对Top5结果二次打分，把真正相关的段落顶到Top1。不开启重排序，混合检索效果打七折。
Embedding模型强制切换
进入Dify后台管理→「模型配置」→「Embedding模型」下拉菜单中，放弃text-embedding-ada-002，选择【bge-m3】。该模型专为中文工业术语优化，对“渗碳淬火”“联轴器对中偏差”等长尾词余弦相似度比bge-large-zh高0.19，实测使MRR@10从0.117跃升至0.302。
切换后必须重新构建索引：回到知识库→点击「刷新索引」→勾选「强制重建全部向量」→确认。这一步不可跳过，旧向量仍指向错误语义空间。
元数据注入与过滤实战
在上传PDF/Excel时，勾选「启用元数据提取」→手动添加3个必填字段：equipment_model（如MySE5.5MW）、document_type（SOP/故障手册/技术规格书）、version（V2.3.1）。这些字段将作为检索时的硬过滤条件。
用户提问时，系统自动解析隐含约束。例如问“塔筒螺栓预紧力矩标准(适用于MySE5.5MW机型)”，Dify会自动在equipment_model=MySE5.5MW的文档段落中检索，直接排除其他机型干扰，命中率提升22%。
这一步操作起来很简单，直接在上传界面填字段就行，但必须确保字段值准确且统一——比如所有MySE5.5MW机型文档都填MySE5.5MW，不能有时写5.5MW、有时写MYSE-5.5。
