Dify可零代码实现图书精准检索与个性化推荐：先上传含书名等字段的CSV元数据并配置混合检索，再创建智能体执行RAG查询，最后通过工作流基于阅读偏好生成定制书单。
☞☞☞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☜☜☜
你想让读者输入一句话就能精准找到馆藏图书，还能根据阅读偏好自动推荐匹配书单，Dify能直接实现这个需求，不需要写一行代码，全部在网页界面点选配置。
准备图书元数据与知识库
先整理好你的图书数据：每本书必须包含书名、作者、ISBN、分类号、简介、出版年份字段，保存为CSV或Excel文件（注意首行是字段名，不要空行）。如果已有MARC格式，需用工具转成CSV；若直接从图书馆OPAC导出，检查是否含乱码，用UTF-8编码另存。
登录Dify控制台→左侧导航栏点击【知识库】→右上角【+ 新建知识库】→填写名称如“馆藏图书元数据”，描述可填“含3276本中文图书结构化信息”→点击【创建】。
进入新建的知识库页面→点击【上传文件】→拖入你准备好的CSV文件→勾选【自动检测分隔符】和【首行为标题】→点击【确认上传】。这一步耗时取决于文件大小，10MB以内通常10秒内完成解析。
【必须确保CSV中“简介”列内容不为空，否则RAG检索时会丢失关键语义特征】
配置多模态检索增强（支持关键词+语义混合搜索）
知识库上传完成后，不要急着测试，先优化检索逻辑：点击知识库右上角【设置】图标→切换到【检索设置】标签页。
方法一：启用混合检索策略
开启【关键词检索】开关→将权重设为30%；开启【向量语义检索】开关→权重设为70%；在【分块大小】中输入512→【重叠长度】设为64。这样既能命中标题/作者等精确字段，又能理解“适合初中生读的科幻小说”这类自然语言查询。
方法二：添加过滤条件强化准确性
在【元数据过滤】区域点击【+ 添加条件】→字段选择“出版年份”→操作符选“≥”→值填“2010”→再点一次【+ 添加条件】→字段选“分类号”→操作符选“包含”→值填“I247”（中国图书馆分类法中“小说”大类）。这样用户搜“近年热门小说”，结果不会混入1980年代出版的旧书。
保存设置后，系统自动触发向量化重建，状态栏显示“处理中”约2–5分钟，期间不可修改知识库内容。
搭建图书检索智能体
回到Dify首页→点击【+ 新建】→选择【智能体】→类型选【聊天助手】→名称填“图书检索小助手”，描述写“输入任意需求，返回匹配图书列表及馆藏位置”→模型选你已配置的本地DeepSeek或Qwen2-7B→点击【创建】。
Qwen 视频智能分析基础客户端（免费版），基于 Qwen 3.5 Plus 多模态模型对本地视频进行内容分析，支持场景描述与基础内容理解，采用默认抽帧频率和提示词，适合快速概览视频，API Key 读取自 ~/.skill-platform/skill-platform.json 的 skills 配置。
进入编辑界面→左侧菜单选【提示词编排】→在系统提示词框中粘贴以下内容：
你是一个高校图书馆专业检索员。用户提问可能含模糊表达（如“讲人工智能伦理的入门书”），请严格按三步响应：①提取核心主题词与限制条件（如年龄、难度、格式）；②调用知识库执行混合检索；③仅返回至多5本最匹配图书，每本按固定格式输出：【书名】《XXX》｜作者：XXX｜索书号：XXX｜馆藏地：XXX｜简介：XXX（限50字内）。禁止解释、禁止补充说明、禁止生成不存在的图书。
在用户提示词模板中输入：请帮我找{query}。→点击【保存】。
接着切到【功能设置】→开启【启用知识库检索】→在下拉菜单中勾选刚建好的“馆藏图书元数据”知识库→【检索模式】选“混合检索”→【最大返回条数】设为5→【相关性阈值】滑块拉到0.65（太低易召回无关书，太高可能漏检）。
构建个性化书单生成工作流
第一步：创建新工作流
首页点击【+ 新建】→选择【工作流】→名称填“个性书单生成器”，描述写“基于用户阅读历史与偏好生成定制化书单”→点击【创建】。
第二步：添加用户输入节点
画布空白处双击→选择【用户输入】节点→字段名填“阅读偏好”，类型选“文本”，提示语写“请简单描述您最近喜欢的1–2本书，或您的阅读兴趣方向（如：喜欢东野圭吾的推理小说，想尝试类似风格）”→勾选【必填】→保存。
第三步：连接知识库检索节点
从左侧组件栏拖入【知识库检索】节点→双击配置→知识库选“馆藏图书元数据”→检索方式选“语义检索”→在【检索查询】字段中输入：与{阅读偏好}风格/主题高度相似的图书，排除已提及的书名→设置【返回数量】为8。
第四步：插入排序与精炼节点
拖入【代码】节点→选择Python运行时→在代码框中粘贴：
result = sorted($input, key=lambda x: float(x.get('score', 0)), reverse=True)[:5]
return result
这一步把语义匹配得分最高的前5本筛出来，去掉冗余结果。
第五步：配置最终输出格式
拖入【应答】节点→在消息内容中输入：
为您精选的5本推荐图书：
{% for item in $input %}?《{{ item.title }}》｜作者：{{ item.author }}｜理由：{{ item.reason }}
{% endfor %}
→点击【保存】→点击右上角【发布】。
