必须启用图像理解增强链路并完成ocr服务配置、图片预处理、知识库图像增强模式开启、语义分段策略调整及多维度验证，才能准确识别非标准格式图片中的文字内容。
☞☞☞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☜☜☜
要让Dify知识库准确识别并检索非标准格式图片（如扫描件、CAD截图、带水印的PDF截图、多语言混排报表）中的文字内容，必须绕过默认的纯文本解析路径，启用图像理解增强链路。
确认OCR服务已就绪
登录Dify管理后台 → 进入「设置」→「模型配置」→「OCR服务」。确保状态显示为“已连接”，且测试调用返回HTTP 200。若显示“连接超时”或“认证失败”，【必须先排查DeepSeek-OCR服务的8000端口连通性与API密钥有效性】，否则后续所有配置均无效。
注意：Dify v1.12.0起才原生支持OCR回调机制，旧版本即使部署了OCR服务也无法触发图像解析。
上传前预处理图片文件
直接上传模糊、倾斜、低DPI（＜150）的扫描图，OCR识别率会低于40%。务必在上传前做三件事：用Photoshop或XnConvert批量锐化+二值化+校正角度；将单页PDF导出为PNG而非JPEG（避免压缩失真）；对含中文表格的截图，手动用画笔工具加粗表头文字边缘。
这一步不能跳过。实测表明，未经预处理的BOM截图上传后，关键字段“物料编码”“热处理要求”的漏识别率达67%。
知识库创建时启用图像增强模式
新建知识库 → 在「高级设置」中勾选「启用图像内容理解」→ 下拉选择OCR服务为“deepseek-ocr-prod” → 点击「保存并创建」。
关键点：该选项仅在知识库初始化时可配置，创建后无法开启。若已建库但未勾选，必须删除重建——【删除操作不可逆，原始文件不会自动保留】。
分段策略适配图文混合结构
进入知识库详情页 → 「数据处理」→ 「分段设置」：
第一步：将分段类型从“按字符数”切换为“按语义区块”。Dify会自动识别OCR输出中的标题、表格、图注、签名栏等区域边界。
第二步：关闭“合并相邻小段”选项。非标图纸常含密集参数表，强行合并会导致“公差±0.02mm”与“材质：SUS304”被切到不同向量块，检索“SUS304公差”时无法命中。
第三步：在「自定义分段规则」中粘贴以下正则表达式，强制保护技术参数行不被截断：(?:[A-Z]{2,}\s*[:：]\s*\S+?)(?=\n|$)。
验证检索效果
方法一：在知识库「测试检索」框中输入“主轴跳动公差”，查看返回片段是否包含带单位的数值及对应图纸编号；
方法二：上传一张含红色手写批注的装配图，提问“工程师张工标注了哪三个修改点”，检查答案是否精准定位到OCR识别出的手写体转录文本；
方法三：上传双语BOM截图（中英对照），搜索“material specification”，确认返回结果同时高亮中文“材料规格”和英文原文，而非只匹配其中一种语言。
