在dify中构建父子文档块关联的高级rag系统需显式建立层级关系：预处理文档为嵌套markdown并添加yaml front matter声明归属；配置markdown header splitter或自定义python分块脚本注入parent_id、parent_title、child_order元数据；启用metadata filtering与rerank策略，并在提示词中强制模型识别父子语义边界。
☞☞☞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中构建父子文档块关联的高级RAG系统，需绕过默认扁平化文本切分逻辑，显式建立文档层级关系，使子块能回溯父级元数据（如章节标题、作者、来源URL），避免上下文断裂或归属混淆。
准备带层级结构的原始文档
将原始PDF/Word文档按语义层级预处理为嵌套结构：一级为文档整体（Parent），二级为章节/小节（Child），三级为段落或列表项（Grandchild）。推荐用Markdown格式保存，用#、##、###标记层级，并在每个区块开头添加YAML Front Matter声明归属关系。
例如，在“## 3.2 数据预处理”章节开头插入：---
parent_id: doc_abc123
parent_title: "机器学习工程实践"
section_level: 2
---
这一步不可跳过。Dify默认切分器会忽略Front Matter，但后续自定义Loader可读取并注入metadata字段。若直接上传未标注的PDF，系统无法识别父子关系，所有chunk将丢失上下文锚点。
配置自定义文本分割器与元数据注入
进入Dify控制台 → 【知识库】→【新建知识库】→【高级设置】→【自定义分块规则】。
方法一：启用Markdown Header Splitter
选择Splitter类型为“Markdown Header”，设置Header级别匹配范围为“##”和“###”，勾选“Preserve parent headers as metadata”。系统会自动将##标题内容注入其下属所有###及段落chunk的metadata.parent_title字段。
方法二：编写Python分块脚本（适用于复杂结构）
在Dify私有部署环境中，修改knowledge/embedding/splitter.py，继承BaseTextSplitter类，重写split_text()方法：对每个chunk调用get_parent_metadata()函数，递归向上查找最近的#或##标题行，提取text并存入chunk.metadata['parent']。部署后重启embedding服务。
【必须重启Embedding服务】否则新分块逻辑不会生效，仍使用旧的RecursiveCharacterTextSplitter。
构建父子关系索引与检索增强
第一步：在知识库内启用“Metadata Filtering”开关。
第二步：为每个Child chunk手动或批量补全以下三个关键字段：
• parent_id（唯一字符串，如pdf_sha256前8位）
• parent_title（不超过64字符，用于展示）
• child_order（整数，表示该子块在父文档内的顺序）
第三步：在应用编排中，编辑RAG节点的检索参数：
→ 设置filter条件为{"parent_id": "{query.parent_id}"}（需前置从用户输入或上下文提取parent_id）
→ 启用rerank策略：按child_order升序重排结果，确保段落连贯性。
不填child_order会导致同一章节下的多个段落被随机排序，生成答案时出现逻辑断层。例如“先描述模型训练，再说明数据清洗”，顺序颠倒将引发事实错误。
在LLM提示词中激活父子上下文拼接
进入【应用编排】→【提示词工程】→ 编辑RAG后的LLM节点系统提示词，在“请基于以下信息回答”之后插入：
「参考内容来自文档《{metadata.parent_title}》第{metadata.section_number}节。当前段落是该节的第{metadata.child_order}部分，请结合上级标题理解语义边界。若引用内容涉及步骤或列表，请严格保持原有编号连续性。」
这句提示强制模型识别parent_title与child_order的耦合关系。测试时若删除“第{metadata.section_number}节”，模型可能将“步骤1”误判为独立操作而非某子流程中的环节。
