知识库召回功能更新：使用“多路召回”替代 “N 选 1 召回”

? 为什么停用“N 选 1 召回”策略？

我们基于大量实践和社区用户反馈，发现“N 选 1 召回”策略存在明显缺陷。这种策略仅匹配单个知识库，且匹配的目标知识库严重依赖于 LLM 对知识库描述的理解。在检索匹配知识库时，可能会出现不合理的判断，导致检索结果不全面、不准确，无法提供高质量的查询答案。

? 一个更好的检索方案：可配置的“多路召回”

• 用户可以根据需求选择是否使用 Rerank 策略；

• 新增语义和关键词权重设置功能，允许手动调整语义匹配与关键词匹配的平衡，以优化检索效果；

• 虽然 Rerank 的配置变为可选，但我们依然推荐你配置 Rerank Model API（例如 Cohere、Jina 等模型） ，以获取最佳效果。

我们强烈建议你从现在开始使用新的多路召回配置，以获得更精确的检索效果。

? 你需要做什么？

☁️ 对于 Dify Cloud 用户：

如果你创建的应用关联了知识库且选择了“N 选 1 召回”方案，你现在可以通过以下路径手动将原有的“N 选 1 召回”策略调整为“多路召回”：上下文（Context）—> 召回策略（Retrieval Setting）

注意：如果你在 2024 年 9 月 1 日前未进行调整，系统将自动为你切换到新的多路召回配置（默认配置）。一般来说，这将为你带来更好的检索结果。你可以随时在设置界面调整语义和关键词的权重或设置 Rerank 模型，以满足你的实际需求。

? 对于 Dify 社区版或本地部署的企业版用户：

2024 年 9 月 1 日后发布的新版本中将不再支持“N 选 1 召回”功能。届时，我们将提供数据迁移脚本以便升级。请留意我们的 release 公告。

?️ 如何使用“多路召回” Rerank 设置？

• 关键词权设置为 1：此时仅使用关键词检索模式，当用户知道确切的信息或术语时，关键词检索可以快速准确地返回匹配的结果，这种方法通常计算资源消耗较低，适合在包含大量文档的知识库中根据关键词进行快速检索。
• 语义值权重设置为 1：此时仅使用语义检索模式，语义检索能够理解查询背后的概念。借助 Embedding 模型，即使知识库中没有出现查询中的确切词汇，也能返回相关信息，从而提高检索的深度。此外，在需要处理多语言内容时，语义检索能够捕捉不同语言之间的意义转换，提供更加准确的跨语言搜索结果。适合在如跨语言、语义转换等模糊检索或复杂检索的情景下使用。

• 自定义关键词和语义的权重：除了单独的关键词和语义搜索，我们还提供了灵活的自定义权重设置。通过不断调试二者的权重，你可以找到符合业务场景的最佳比例，这在独特的需求场景或复杂知识结构的召回中尤其适用。