Dify 外部知识库最佳实践：基于 InfraNodus 扩展 RAG 图谱能力

dify 的外部知识库功能支持对接第三方知识系统，无需迁移数据即可使用专业的检索技术。本文将介绍如何把 InfraNodus（一个内置 GraphRAG 能力的文本网络分析工具）接入 Dify 工作流。

传统 RAG 依赖向量相似度搜索，处理具体问题时表现不错，但面对宽泛的问题往往力不从心。比如用户问“这个是用来做什么的？”，标准 RAG 很可能检索不到任何内容，或者返回一堆不相关的结果。

GraphRAG 的思路不同：它不仅考虑语义相似度，还会利用知识图谱中概念之间的结构关系进行检索。即使用户的问题比较笼统，系统仍然可以基于图谱结构返回相关主题聚类中的上下文信息。

将 InfraNodus 接入 Dify 有以下几个优势：

四个步骤完成配置：

1. 在 InfraNodus 中基于你的内容创建知识图谱

https://infranodus.com/

1. 获取 InfraNodus API key

https://infranodus.com/api-access

1. 在 Dify 知识库中配置外部知识库 API，指向 InfraNodus 端点:

https://infranodus.com/api/v1/dify

1. 在 Dify 工作流中通过知识检索节点调用该外部知识库

当用户查询到达知识检索节点时，InfraNodus 的 GraphRAG 系统会执行以下流程：

1. 定位图谱中与查询词相关的区域

2. 提取相关概念之间的关系数据（GraphRAG 部分）

3. 同时通过传统 RAG 进行相似度匹配作为补充

4. 返回最相关主题聚类中的上下文语句

这种混合检索的优势在于：即使用户提问比较模糊，系统也能基于图谱结构给出有意义的上下文，而不是返回空结果。

此外，向图谱中添加新数据非常方便，可以通过文本编辑器直接添加，也可以使用导入功能批量导入文件、URL、Google 搜索结果等。

在接入 Dify 之前，需要先准备好一个 InfraNodus 图谱。

创建图谱

访问 infranodus.com/apps，根据数据来源选择导入方式：

• 文本编辑器：手动输入内容

• 文件导入：上传 PDF 或其他文档

• URL 抓取：爬取网页内容

• YouTube 导入：提取视频字幕

• AI 本体生成器：通过 prompt 自动生成结构化知（infranodus.com/import/ai-ontologies）

例如，使用本体生成器输入以下 prompt：

即可生成一个结构化的知识图谱，作为外部知识库的基础。当然，从 PDF 导入或网站抓取同样可行。

优化图谱质量

图谱创建完成后，建议检查一下连通性。InfraNodus 会高亮显示连接薄弱的主题聚类，也就是概念之间缺少关联的区域。可以通过以下方式优化：

• 选中孤立的节点或主题

• 使用内置 AI 模块生成桥接语句

• 将这些语句添加到图谱中，增强结构完整性

图谱连通性越好，检索时相关概念就越容易被一起召回。

图谱准备就绪后，开始配置 Dify 端。

创建外部知识库 API

1. 打开 Dify 实例（云端或自部署均可），进入知识库页面

2. 点击「连接外部知识库」

3. 填写名称和描述

4. 点击「+ 新建外部知识库 API」

1. 填写 API 配置信息：

• 名称：便于识别的标识

• API 端点：https://infranodus.com/api/v1/dify

• API Key：在 infranodus.com/api-access 生成

该 API 连接创建后可复用，指向不同的 InfraNodus 图谱。

指定目标图谱

API 连接建立后，需要在外部知识库 ID 字段中填入 InfraNodus 图谱名称。

重要提示：这一步需要确认两件事，Dify 选择的确实是你刚创建的外部知识库 API，且图谱名称与目标图谱一致。Dify 有时会默认选择其他 API 配置，务必检查确认。

配置检索参数

调整检索设置以优化效果：

• Top K：建议设为 10，获取充足的上下文

• Score Threshold：建议设为 0.3

验证连接

正式构建工作流之前，先验证知识库是否正常工作：

1. 进入 Dify 知识库页面

2. 刷新页面（Dify 有时不会立即显示新创建的外部知识库）

3. 输入测试查询，确认能够从 InfraNodus 图谱中检索到相关内容

构建基础工作流

创建一个使用外部知识库的工作流：

• 点击左侧 + 按钮

• 选择「知识检索」

• 在设置 > 知识库中点击 +，选择刚添加的外部知识库

3. 按以下顺序连接节点：

• 用户输入 → 接收用户查询

• 知识检索 → 调用 InfraNodus，返回 GraphRAG + RAG 结果

• LLM → 使用检索到的内容作为上下文生成回复

• 回答 → 将最终结果返回给用户

使用现成模板

如需快速上手，可直接从 InfraNodus GitHub 仓库导入工作流模板： 

github.com/infranodus/dify-infranodus

这套架构的维护相对简单：

• 内容更新：直接在 InfraNodus 中添加，支持编辑器输入或批量导入

• 自动同步：可配置定时导入任务，支持网站、RSS 等来源

• 内容审计：通过图谱可视化快速识别覆盖不足的区域

• 无需重复上传：InfraNodus 中的更新会自动反映到 Dify 查询结果中

将 InfraNodus 作为外部知识库接入 Dify，无需调整基础架构即可获得 GraphRAG 能力。图谱界面让知识结构一目了然，混合检索机制确保无论问题具体还是宽泛都能返回有价值的上下文。

更多进阶用法（如 prompt 增强工作流、高级问答机器人）可参考 InfraNodus 文档和 Dify 博客中的相关教程。