dify中应依据文档天然结构断点（如markdown标题、分节符号、双空行+缩进等）配置正则或手动锚点进行语义分段，避免默认换行导致检索失准；须验证正则有效性并确保子段向量相似度≥0.62。
☞☞☞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☜☜☜
在Dify中直接使用默认换行符分段会导致技术文档关键条款被割裂、API参数说明与示例混在同一段，检索时频繁匹配到语义不完整的文本块，答案跑偏或编造内容。
识别文档天然结构断点
打开原始文档，逐页检查是否存在稳定出现的分隔特征：章节标题（如“## 3.2 错误码说明”）、分节符号（如“———”“※※※”）、空行+缩进段首、带编号的列表项（如“1.”“①”）。这些是比随机字符数更可靠的语义边界。
若文档含Markdown标题，优先选用#～####作为分段锚点；若为纯文本手册，观察是否每章开头固定有“第X章”+空行组合。不要依赖肉眼判断“这里看起来像一段”，必须找到重复出现≥3次的视觉/符号模式。
配置正则表达式分段标识符
方法一：按标题层级切分
在Dify知识库→添加文档→分段设置中，将「分段标识符」字段填入：^#{1,4}\s+（注意勾选“启用正则表达式”）。该规则会捕获所有一级至四级Markdown标题，并以标题行为新段落起点。
方法二：按双空行+缩进段落切分
填写：\n\s*\n(?=\s{4,})。此表达式专治技术文档中常见的“空行+4空格缩进段落”结构，避免把缩进代码块错误切开。
Dify 3.9.2更新重点增强系统安全性，引入 Chainguard 安全基础镜像并同步社区版 CVE 修复，同时优化 OpenSearch 向量存储兼容性、插件参数传输机制及 Helm 部署配置。新增工作流模型节点缓存能力，可减少重复凭证查询，显著提升复杂工作流初始化速度，为企业级 AI 应用提供更稳定、高效的运行体验。
【必须验证正则有效性】在提交前粘贴一段原文到在线正则测试工具（如regex101.com），确认高亮区域完全覆盖你标记的语义断点，且不跨行捕获无关内容。
手动插入分段锚点并验证效果
第一步：用文本编辑器打开PDF导出的TXT或直接编辑原始Markdown
第二步：在每个逻辑单元结尾处插入唯一锚点，例如：### DIFY-SEGMENT-BREAK ###
第三步：回到Dify分段设置，将分段标识符设为该完整字符串（不加正则，关闭正则开关）
第四步：上传文档后立即点击「查看分段」，确认每个锚点生成独立段落，且段内无跨主题内容
这一步操作起来很简单，直接把文件拖进去就行。但要注意：锚点字符串必须全角符号与字母数字严格一致，大小写敏感，前后不能有多余空格，否则Dify会忽略该标记。
对比不同分段结果的向量距离
执行调试命令验证分段质量：
① 在服务器终端运行预估脚本：python debug_chunking.py --file manual_guide.txt --max_len 400
② 观察输出中各段token数分布，剔除＞512 token的异常段
③ 对比父子模式下子段向量与问题向量的余弦相似度，确保＞0.62的段不少于3个
④ 若某段相似度始终＜0.4，返回检查该段是否混入了安装步骤+故障排查两类信息
当子段相似度低于0.4时，说明该段语义污染严重，必须重新切分。此时不要调整模型参数，先修正分段逻辑。
