微信扫码
添加专属顾问
我要投稿
5步提升Dify知识库准确率,从此告别AI胡说八道! 核心内容: 1. 手动调段优化检索效率 2. 父子分段提升召回精准度 3. 提示词锁定防止AI自由发挥
摘要:朋友们,是不是经常被自己搭建的AI知识库气得血压飙升?
用户问:“你们这个产品的保修期是多久?”
AI答:“我们的产品质量卓越,享誉全球,终身为您提供优质服务。”(实际保修只有一年)
用户问:“请总结一下2023年的财务报告第三季度数据。”
AI答:“根据资料,2023年第三季度我们营收...(开始一本正经地编造数据)”
疯了!真是疯了!
这种“一本正经地胡说八道”,在RAG(检索增强生成)领域我们称之为“幻觉”(Hallucination)。它不仅是知识库的“头号公敌”,更是劝退用户的“最佳损友”。
今天,作为深耕AI一线的博主,我就用一篇纯干货,带你亲手“掐灭”AI的幻觉!只需10分钟,5个亲测有效的实战技巧,就能让你dify知识库的准确率发生质变,从此告别胡说八道!
简单说就两点:1. 没找到(检索渣);2. 找到了但瞎编(管不住嘴)。今天的5个技巧,就对着这两个死穴猛攻。
🔥 技巧一:手动调段——给AI喂“细粮”,别喂“整猪”
问题:直接把100页的PDF丢进去?AI就像让你生吞一整头猪,根本无法下嘴。它检索时,可能会抓住一段不相关的内容大做文章。
解决方案:手动分段!在 Dify 的知识库编辑页面,先进行自动分段,然后手动调整分段内容。也可以手动设置分段符号,让AI根据手动分段符号进行分段,总之关键原则是分段内容完整,且足够小,不能1000个字符一个分段。分段太长,检索的时候,检索的相似度太低,检索效率太低。
关键原则:文本切成 300-500字一个的“语义块”,确保每一段都在讲一件完整的事。
操作路径:Dify → 知识库 → 文档 → 添加文档→ 设置分段
分段最大长度 512,分段字符:可以手动填写上例如 ######,注意需要在文档上需要分段的地方出现相同的#######。→
手动调整:Dify → 知识库 → 文档 → 点击具体的文档 → 点击其中的分段
→编辑分段。可以将分段位置不对的,copy后,然后添加到别的分段中,也可以手动添加分段。如下图所示。
效果:段内信息自洽,检索目标更明确,从源头上减少误检。
问题:段切好了,但检索时可能因为关键词匹配度不高而漏掉关键段落。
解决方案:启用父子分段模式!这是大幅提升召回率的“核武器”。
父段落:500字左右的核心内容原文。
子段落:100字左右的摘要或关键词提炼。
操作路径:在文档处理的「分段模型」里,果断选择「父子模式」。
原理:检索时先匹配关键词丰富的子段落,一旦命中,直接带回拥有完整上下文的父段落给LLM阅读。这叫“精准定位,饱和打击”。
效果:官方实测,这种策略能让检索精准度提升35%以上!
问题:检索到了无关内容,AI开始自由发挥;或者什么都没检索到,AI开始凭空创作。
解决方案:用System Prompt(系统提示词)给它立下“天条”!
核心指令(直接复制粘贴拿去用):
<System Prompt>
你是一个专业的客服AI,下面是知识库检索到的参考内容,请使用检索到的内容进行图文混排的方式,回答用户的问题。必须严格按照知识库内容进行回答,不要自己创造。回答问题的时候请清空缓存,重新根据检索的内容开始进行问题的回答。
# 约束
- 请严格按照知识库检索到的内容进行回复。不需要对检索的内容做过多加工。
- 未检索到的内容,请回复抱歉,未检索到知识。
- 请在输出信息中保留知识库返回的图片完整信息。
- 请将检索到的图片直接进行预览显示。
- 请将检索到的表格直接进行预览显示。
- 请将检索到的公式直接进行预览显示。
**关键原则:**
1. **严格的数据库依赖性:**
- 每个答案必须完全基于相关文档中存储的经过验证的产品信息。
- 不得虚构、推测或推断超出检索范围的细节。
- 如果您无法找到相关数据,请回复:“我在我们的知识库中找不到此信息。请稍后再试,或提供更多详细信息以进行进一步搜索。”
2. **信息准确性与结构:**
- 以清晰、简洁且专业的方式提供信息。
- 如果有多个关键点(例如,服务名称、功能菜单名称、操作步骤、技术规格),请分步骤描述。
- 在适用的情况下,务必注明服务名称或产品名称,以避免混淆。
3. **语气与风格:**
- 始终保持礼貌、专业且乐于助人的语气。
- 避免营销夸大其词或使用促销语言;严格保持事实性。
- 不要发表个人观点;仅引用检索知识库数据。
4. **用户指南:**
- 如果用户的查询不清楚或过于宽泛,请礼貌地要求其澄清或引导其提供更具体的服务名称或者产品名称(例如,服务名称、服务类型、国产或者非国产、规格类型)。
示例:“您能具体说明一下服务名称或类别吗?这样我就能为您检索到最相关的信息。”
5. **回复长度与格式:**
- 对于一般性询问,请将每个回答控制在100-150字以内。
- 对于复杂或多步骤的解释,你可以扩展到200-250字,但始终要保持清晰且结构合理。
- 请用简体中文回答用户的问题。
6. **重要提醒:**
您的权威性和可靠性完全取决于对相关文档的回复。任何捏造、推测或未经核实的内容都将被视为您职责的严重失职。
再次强调,未检索到内容,请回答抱歉,未检索到知识。
- 回答的展示框固定在宽度800像素
- 输出内容禁止出现代码段包括:SQL、Mathematica、Bash、Mermaid、MarkDown、Python
- 输出内容禁止出现Log
- 禁止输出Mermaid格式流程图
-不改变检索内容中的图片链接地址,请直接展示图片内容,图片展示的格式请参考如下:
- Markdown 格式的图片示例: 
</System Prompt>
用户提问前,自动插入锁定指令:仅基于以下资料回答:{检索到的内容}
效果:这是最简单粗暴但立竿见影的一步,幻觉率呈断崖式下跌。
问题:原始文档里的表格、页眉页脚、广告语、格式混乱的日期,这些“垃圾”会严重污染你的向量数据库,导致匹配相似度得分天生就低。
解决方案:上传前,给文档来个“深度SPA”!
表格处理:把含有表格 Word/PDF 里的文档采用如下命令,一键转为干净的 Markdown 表格格式。
当然你得自己安装docling,它是一个开源的文档识别转化工具。
剔除杂质:手动删除所有页眉、页脚、免责声明、无关广告句。
格式统一:将“2023.10.01”、“2023-10-1”、“23年10月1日”统一成“2023-10-01”。
效果:别小看这些细节,清洗后的文档,向量匹配平均相似度得分能提升0.12+,相当于给AI换上了高清眼镜。
问题:检索策略太死板,要么漏掉关键信息,要么塞给AI一堆垃圾信息让它confuse。
解决方案:分两步走,优化检索流水线。
1. 知识库设置:广撒网(提高召回率)
TopK
从 5
调到 10
(多召回几条备选)
相似度阈值
从 0.65
降到 0.55
(降低门槛,“宁可错杀,不可放过”)
目的:先把所有可能相关的段落都捞上来!
2. 检索组件:精捕捞(提升精度)
TopK
从 5
降到 3
(最终只给LLM看最精华的3条)
相似度阈值
从 0.5
调到 0.7
(提高最终门槛)
最关键一步:开启「Rerank」模型(重排序),推荐用 BGE-Reranker
。
目的:让Rerank模型利用更深度的语义理解,对“广撒网”召回的所有段落进行重新排序,把最相关、质量最高的3条置顶,再交给LLM生成答案。
效果:这是压死幻觉的“最后一根稻草”。实测显示,这一套组合拳能让最终答案的命中率从 67% 飙升至 94%!
别再抱怨Dify不好用,可能只是你没用对方法。记住这5步:
1、手动调段(切细粮)
2、父子分段(关键词+上下文)
3、提示词上锁(立规矩)
4、数据清洗(提质量)
5、召回重排(广撒网+精捕捞)
这套流程下来,10分钟就能完成配置上线。你的AI知识库将从“满嘴跑火车”的江湖骗子,变身成“言必有据”的专业顾问。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2025-08-22
让AI更懂业务:LinkAI对知识库RAG技术的优化实践
2025-08-22
RAG 生态系统全攻略:组件搭建与优化实践
2025-08-21
RAG生产环境实战指南:从Demo到百万用户的血泪教训
2025-08-21
从召回一堆噪音到提升精准度:我的RAG从Embedding-Only到引入Rerank的实践和思考
2025-08-21
从“数据拼凑”到“精准断案”:深度剖析RAG系统中信息完整性的关键作用
2025-08-20
别再往AI的知识库塞奇怪的东西了,什么样的知识适合作为RAG知识库?
2025-08-20
RAG(检索增强)当主要的问题以及评估方法
2025-08-19
告别知识库"大海捞针"!Dify元数据过滤让RAG检索效率翻倍
2025-05-30
2025-06-05
2025-06-06
2025-06-05
2025-05-27
2025-06-05
2025-06-20
2025-06-24
2025-07-15
2025-06-20
2025-08-20
2025-08-11
2025-08-05
2025-07-28
2025-07-09
2025-07-04
2025-07-01
2025-07-01