目录
0 开始之前：本节范围、素材、55 分钟节奏1 题目还原：知识库要替哪几个维度提供依据2 建库决策：为什么是三个库 + 总览表3 库① 审查规范库：逐项参数 + 召回测试4 库② 创新点汇编库：逐项参数 + 召回测试5 库③ 经费台账库：逐项参数 + 召回测试6 课堂分工与 55 分钟节奏表（只建库、只测召回）7 常见问题 / 自检 / 保密 / 下午怎么用这三个库 0 开始之前：本节范围、素材、55 分钟节奏本节只做一件事：把三个知识库建对、测对。 不开工作流画布——文档提取、摘要抽取、六路检索、七个审查、三道闸、概要 / JSON / HTML 全部在下午实操四。本节的交付物就三样：三个状态为「可用」的知识库、13 条召回测试记录、一张团队约定表（库名） 。下午实操四的六路知识检索节点直接勾这三个库，所以库建歪了下午全组都查不到依据。
和授课三的对应： 授课三讲了"怎么切、怎么查、留几条"三个旋钮；本节就是把这三个旋钮在三份真实文档上各拧一遍，并用召回测试证明拧对了。
为什么入库用 .md 不用 .docx： 分段要靠文档自己的结构。docx 转成文本后"章"和"条"只是普通段落；.md 版每章、每条之间都留了空行，父子分段用 \n\n（空行）就能一刀切对。真实比赛拿到 docx / pdf 时思路完全一样 ：先把文档整理成"一条一段、段间空行"，再入库。
平台实测（Dify 云端 2026-10，本地版同理）： ① 上传 .md 后平台会把 # 标题符号去掉再分段，所以分段标识符里填 ##/### 匹配不到任何东西 ，整篇会变成一块；要用 \n\n（段落空行）和 \n（换行）。② 父子分段模式没有"重叠长度"这个输入框 ，重叠只在"通用"模式下有；手册里写的重叠 50 / 0 是通用模式的参数，父子模式忽略即可。③ 整篇文档比"父块最大长度"短时（规范全文 1255 字 < 2000），平台不会再切父块，预览里全部子块都标 C-1，这是正常现象，不是分段失败——判断是否切对看子块：一条一块即对。
55 分钟怎么过： 0-10 建库①（上传、父子分段、预览核对、索引）；10-20 建库②③；20-40 三库召回测试，13 个查询词逐个对答案、填记录表；40-50 对不上的回去调分段 / 权重 / 阈值再测；50-55 填团队约定表。详细分工见第 6 节。三个库建完、13 条召回全命中，本节就算完成；下午实操四从这三个库起步。
素材性质： 全部文档为课堂自制虚构教学版，文件名已标注；不对应任何真实标准、企业或项目。课堂与作业不上传真实规程、真实可研、真实经费数据到任何外部服务。
1 题目还原：知识库要替哪几个维度提供依据题面给了六个审查维度，其中三个明文要求"检索知识库并输出依据"，评分里知识库利用质量 15 分 单列。先把"哪个维度要查什么、查到后必须写出什么"抄清楚，才知道三个库该各放什么、切多细。
题面摘录（三个明文要查库的维度） 具体标准规范的名称与条例 ）历史项目名称及对应创新点内容 ）历史同类项目经费、成本收益数据 ）引用的依据相关、准确 。
维度 要从库里拿到什么 落到哪个库、一块该多大 召回测试拿什么词验 合规性 规范条款原文 + 条号（第 4.0.1～4.0.4 条） 库① 规范库，一条一块 ——条号与条文不能分家 "资质证书 名称 编号" 创新性 往年项目编号、名称、创新点原文 库② 汇编库，一个项目一块 ——编号和创新点要在同一块里 "A-2024-01 创新点 LSTM" 成本收益 同类项目经费表的行（编号 / 总经费 / 设备占比 / 回收期）+ 统计口径 + 规范第 5 章门槛 库③ 台账库，整表一块 ——切开表格就不知道哪个数是哪一列；门槛在库① "同类项目 设备费占比 回收期"、"设备费 占比 上限" 必要性 / 可行性 / 设计依据 规范第 2、3、1 章条款；往年项目技术路线 库① + 库② "实施周期 18 个月"、"政策 文件名称 年份"
15 分怎么丢： 库里有这条但查不到（切错 / 阈值太高）→ 模型写"知识库未检索到"；库里查到了但条号和条文不在一块 → 模型引对了内容编错了条号。两种都算"引用不准确"。所以本节的验收不是"建好了"，而是13 个查询词都命中预期块 。
2 建库决策：为什么是三个库，不是一个比赛给的是一个团队知识库地址；本地 Dify 里我们建三个库。这不是偷懒，是三个硬理由。
先把三个词说人话： ① 知识库 = 一本书，我们有三本（规范、汇编、台账）；② 一路知识检索 = 派一个人去查一个维度的资料，他可以同时翻几本书；六个维度就派六个人，所以叫六路；③ 审查节点 = 拿着查回来的资料写结论的人，七个维度七个人（第七个不查资料，只对照前六个找矛盾）。
① 三本书（知识库） ② 六个查资料的人（知识检索节点 R1～R6） ③ 七个写结论的人（大模型审查节点） 库① 审查规范库 01 规范 · 7 章 21 条 一条 = 一块（父块 = 章） 库② 创新点汇编库 02 汇编 · 7 个历史项目 一个项目 = 一块（父块 = 年份） 库③ 经费台账库 03 台账 · 表 + 口径 + 对标 整表一块 · 口径一块 · 对标一块 R1 查「必要性」依据 库① 库② R2 查「可行性」依据 库① 库② R3 查「创新性」依据 库② 库① R4 查「合规性」依据 库① R5 查「成本收益」依据 库③ 库① R6 查「设计依据与建设原则」依据 库① 库② 库③ ① 必要性审查 拿这一路查回来的依据写结论 ② 可行性审查 拿这一路查回来的依据写结论 ③ 创新性审查 拿这一路查回来的依据写结论 ④ 合规性审查 拿这一路查回来的依据写结论 ⑤ 成本收益审查 拿这一路查回来的依据写结论 ⑥ 设计依据审查 拿这一路查回来的依据写结论 ⑦ 语义一致性审查 不查库：只对照 ①～⑥ 的结论找矛盾 看图口诀： 一路 = 一个维度去查资料，一路可以同时翻几本书；库①是总规范，六路都要翻它。 图 2-1 三本书 → 六个查资料的人 → 七个写结论的人。线的颜色 = 翻的是哪本书 每路检索节点里，勾哪几个知识库（配节点时照着勾） R1 必要性 R2 可行性 R3 创新性 R4 合规性 R5 成本收益 R6 设计依据 库① 规范库 ✓ ✓ ✓ ✓ ✓ ✓ 库② 汇编库 ✓ ✓ ✓ — — ✓ 库③ 台账库 — — — — ✓ ✓ 竖着看：R4 合规只勾库①；R6 设计依据三个都勾。横着看：库① 六路全勾——它是审查的总依据。 图 2-2 配每一路检索节点时，照这张勾选表勾库 理由 说明 分段策略必须不同 规范要按"条"切、汇编要按"项目"切、台账要整表不切。一个库里混三种分段模式，只能逐文档改分段，改漏一份就查不准。 检索路由更准 查创新点时只连汇编库，就不会把经费台账里同样带"经费"字样的行捞进来；查经费时只连台账库 + 规范第 5 章，噪声少一半。 三人可以并行 一人守一个库：建库、调分段、做召回测试互不等待；最后把三个库挂到六路检索上即合流。
知识库 放什么 一块 = 什么 下午哪几路检索会勾它 回答哪类问题 库① 审查规范库 01 规范（7 章 21 条） 一条 = 一块；父块 = 章 R1 R2 R3 R4 R5 R6（全部） 必要性 / 可行性 / 合规性 / 创新性 / 成本收益 / 设计依据 库② 创新点汇编库 02 汇编（7 个项目） 一个项目 = 一块；父块 = 年份 R1 R2 R3 R6 创新性（主）、可行性与设计依据（技术现状佐证） 库③ 经费台账库 03 台账（表 + 口径 + 对标） 整表一块、口径一块、对标一块 R5 R6 成本收益（主）、设计依据（相似项目对标）
命名约定（三人统一）： kb-guifan-姓名缩写、kb-chuangxin-姓名缩写、kb-taizhang-姓名缩写。库名写进团队约定表，下午实操四六路检索节点勾库时照表勾。
3 库① 审查规范库：逐项参数 + 召回测试库① 规范：空行分章 → 父块，换行分条 → 子块 入库版 .md 文档长这样 ## 第五章 经济性要求 ### 第5.0.1条 经费预算应分列设备费、材料费… ### 第5.0.2条 设备费占总预算比例一般不低于 50%… ### 第5.0.3条 静态投资回收期一般不超过 5 年… ## 第六章 创新性要求 … 父分段标识符 \n\n 父分段最大长度 2000 子分段标识符 \n 子分段最大长度 500 替换连续空格换行 取消勾选 父块 第五章 经济性要求 子块 第5.0.1条 经费预算应分列设备费、材料费、人工费、其他费用四类… 子块 第5.0.2条 设备费占总预算比例一般不低于 50%；其他费用不高于 10% ← 命中 子块 第5.0.3条 静态投资回收期一般不超过 5 年… 查“设备费占比上限”命中子块 5.0.2 → 模型同时拿到 子块（这一条）+ 父块（整章），既精准又有上下文。 图 3-0 分段四个参数各管什么：先看懂这张图，再往下一步步点 2000 和 500 是怎么来的： 先定单位——子块 = 检索单位 = 一条，父块 = 阅读单位 = 一章。再数字数：本规范每条正文 50～150 字、每章 150～200 字（含模板表的最长一章约 2000 字）。子块最大长度 500 = 条的上限加余量，保证一条一定装得下、又不会两条挤一块；父块最大长度 2000 = 章的上限，保证最长章不被切断。有空行 / 换行分隔符时实际按分隔符切，最大长度只是“分隔符缺失或单段过长”时的上限保护。最后用预览块验证：第5.0.2条独立成块、父块整好是第五章，就对了；条被切成两块调大子块，两条挤一块调小子块。库② 一个项目约 120 字 → 子块 800；库③ 整表不能切 → 子块 2000；父子模式没有重叠参数：子块命中时平台自动把它所在的父块一并返回，上下文由父块保证，不靠重叠。
真实平台 · 知识库列表：卡片上标着分段模式与索引方式，建库前先确认自己库里是哪一种。 真实平台 · 创建第①步：选「导入已有文本」→ 上传区拖文件 → 「下一步」进分段设置。下面步骤里的按钮名与此界面一致。 真实平台 · 分段模式三种：General / Parent-Child / Q&A。分隔符、长度、重叠是前两种模式里的参数，不是第四种模式。
本地 Dify 顶部导航 知识库 → 右上 创建知识库 → 选 导入已有文本 。
拖入 素材/知识库文档/01_审查规范_入库版.md（只传这一个文件）→ 命名 kb-guifan-姓名缩写 → 下一步 。
分段模式选 Parent-Child（父子分段） ——平台共三种：General（通用，检索和召回同一批块）/ Parent-Child（子块检索、父块作上下文）/ Q&A（拆问答对，问题检索、答案作上下文），真实界面见本节第三张图；本文档有「章 / 条」两级层级，所以选父子。
父分段标识符填 \n\n（段落空行），父分段最大长度 2000 。
子分段标识符填 \n（换行 = 一条一行），子分段最大长度 500 。父子模式没有重叠输入框；"替换掉连续的空格、换行符和制表符"这一项取消勾选 （勾上会把空行吃掉，父块就切不开）。
文本预处理：两项都不勾 。"替换掉连续的空格、换行符和制表符"会把空行吃掉、父块切不开；"删除 URL 和邮箱"没必要。
点右侧预览块 ：翻到第五章，确认「第5.0.2条」是独立一块、且它的父块是「第五章 经济性要求」。
为什么这么填（3.1 逐条）： ① 选「导入已有文本」而不是同步 Notion / 网站——教学文档在本地，同步通道既慢又可能把文件传到外部；② 只传一个文件——分段设置按"这一批"生效，三份文档分段策略不同，一起传只有一份能切对；③ 选 Parent-Child——规范有「章 / 条」两级编号，父块保上下文、子块保命中精度；文档完全没有层级才退回 General；资料本身是问答 / FAQ 形态就选 Q&A（问题用于检索、答案作上下文，不用填分隔符）；④ 父标识符 \n\n（空行）、子 \n（换行）——平台入库时会先去掉 # 号，所以不能填 ##/###；入库版 md 章与章之间空行、条与条之间换行，用这两个符号切比按字数切干净；⑤ 父 2000 / 子 500——子块≈一条完整条款的字数×1.5，父块≈一章；⑥ 父子模式没有重叠这一项——子块命中后自动带父块做上下文，不需要重叠；⑦ 取消勾选 「替换连续空格换行」——勾上会把空行吃掉，父块就切不开；也不勾「删除 URL 和邮箱」；⑧ 必看预览块——切得对不对不用猜，抽三处看一眼就知道。
dify.local / 知识库 / 创建 / 分段设置 界面示意图
分段设置 · kb-guifan
子分段标识符 / 最大长度（父子模式无重叠项）
\n ｜ 500
预览块 刷新
父块 第五章 经济性要求
↳ 子块 第5.0.1条 经费预算应分列设备费、材料费、人工费、其他费用四类，各类费用占比应说明依据。
↳ 子块 第5.0.2条 设备费占总预算比例一般不低于 50%，低于 50% 的应说明原因；其他费用占比一般不高于 10%。
↳ 子块 第5.0.3条 经济效益测算应给出年节约金额或年增收金额及计算过程，静态投资回收期一般不超过 5 年。
图 3-1 父子分段：父 = 空行分出的段落，子 = 换行分出的条；右侧预览确认每条独立成块（全文短于 2000 字时所有子块都标 C-1，正常） 库① 索引与检索设置：六个旋钮，照图拧 索引方式 高质量 经济 为什么 要“按意思找”就必须高质量；经济模式不建向量，按意思找直接失 效 检索模式 向量检索 全文检索 混合检索 为什么 条款号 / 项目编号靠全文（字面），口语表述靠向量（意思）— —两个都要，所以混合 权重 语义（按意思） 0.5 关键词（按字面） 0.5 为什么 条款号查不准 → 关键词往右拉到 0.6；换个说法查不到 → 语义往左拉到 0.6 Rerank 重排 权重设置 为什么 选「权重设置」而不是「Rerank 模型」——云端 / 本地多半没接重排模型； Top K 调小 Top K 召回条数 10 1 20 为什么 一次返回几条。漏依据 → 15；无关段太多 → 6～8 Score 阈值 关 为什么 起手先关：实测正确命中分只有 0.13～0.44，开 0.3 会把大半依据拦掉；引了不相干内容再抬 → 0.5 起手值照抄即可。真正经常动的只有三个：权重、Top K、Score 阈值；一次只动一个，动完做一遍召回测试。 图 3-2 库① 的六个设置项与起手值；右列是为什么这样填
真实界面（Dify 官方文档截图）· 索引方式：高质量（RECOMMEND，建向量索引）/ 经济（每段 10 个关键词、倒排索引）；下方即检索设置三模式：向量检索 / 全文检索 / 混合检索（RECOMMEND）。 真实界面 · 混合检索展开：重排策略二选一（Weighted Score 权重滑杆 / Rerank 模型）；滑杆即语义 0.7 : 关键词 0.3；下面两个旋钮＝Top K 与 Score Threshold（可关）。 真实界面 · 全文检索展开：只有 Rerank 开关与 Top K（没有权重滑杆）——纯关键词场景用它。 真实界面 · 经济型索引的检索面板：倒排索引 + Top K，没有语义路 ——所以经济库开不了向量/混合检索，建库前就要想清楚。
设置项 填什么 为什么 索引方式 高质量 要语义匹配（"花钱的比例"要能查到"费用占比"）；经济模式不建向量索引，语义检索直接失效 Embedding 模型 三个库选同一个（课堂环境列表里有的那一个） 三库必须一致；实测库① 单独用了另一个模型时召回永远为空，改成与库②③ 一致后才命中 检索模式 混合检索 "第5.0.2条"这种条号靠关键词精确命中；表述类问题靠语义 权重 语义 0.5 / 关键词 0.5 样题参考答案的 RAG 节点即 BM25 权重 0.5 / 向量权重 0.5 Rerank 模型 权重设置（不选 Rerank 模型） 混合检索的重排二选一：没接重排模型就选「权重设置」，用滑杆配比；选了 Rerank 模型但环境没有，检索会直接报错 Top K 10 一个维度一次检索，10 条足够覆盖；太小会漏依据 Score 阈值 关（起手） 检索时库里每一块都和查询词比一次，打一个 0～1 的相关度分，越像分越高，完全不相干接近 0。阈值是及格线：低于线的块，即使排进 Top K 也不要。它和 Top K 是两层筛：Top K 管“最多留几条”，阈值管“再差也不能差过多少”。起手先关：实测本课三个库用 Qwen3-Embedding + 加权混合检索，正确命中的分只有 0.13～0.44，开 0.3 会把"设备 ≥ 50%""回收期 ≤ 5 年"这类依据拦在外面。召回稳定后若引了不相干内容，再从 0.1 往上抬
点 保存并处理 ，等状态变「可用」（约半分钟）再做召回测试。
知识库页右上「召回测试」。查不到的东西，工作流里也查不到 ——这一步不做，后面全是盲调。
测试查询词 应命中（Top 3 内） 没命中先动哪里 设备费 占比 上限 其他费用 比例 第5.0.2 条 子分隔符是不是 \n；预览块里 5.0.2 是否独立成块 实施周期 18 个月 超过 分阶段 阶段目标 第3.0.3 条 同上 资质证书 名称 编号 合作单位 保障条件 第4.0.3 / 4.0.4 条 Top K 调到 15；关键词权重调到 0.6 创新点 与 已立项项目 重复 认定 第6.0.2 条 语义权重调到 0.6 政策 引用 文件名称 发文年份 第2.0.1 条 —
记录表（必做）： 每个查询词记一行「查询词 / Top 3 命中块 / 是否满足 / 调了什么」。这张表下午实操四直接复用。
现象 先动哪里 怎么调 / 为什么 召回测试搜得到、工作流搜不到 查询词 查询词只留本维度技术词 + 项目名；别把六个维度的词混进一路 查条款号回来相邻别的条 检索模式 / 权重 改混合检索，关键词权重调到 0.6；语义路会把 3.0.1/3.0.2/3.0.4 一起捞回来 依据漏了（回答里该引的没引） Top K 10 → 15；先多召回，噪声交给提示词筛 无关段太多、回答被带偏 Top K / Score 阈值 Top K 6～8，或开 Score 阈值从 0.1 起试；一次只动一个 引用条号对、内容对不上 分段 条号与条文被切开：改子分段标识符后重新入库 ，不是刷新页面 回答没有任何引用 Score 阈值 / 索引方式 阈值先关；再查索引是不是经济型（经济型没有语义路） 一直"索引中" Embedding 模型 向量模型没接上；接上前调任何检索参数都白费
调参纪律： 一次只动一个参数，动完跑一遍召回测试再动下一个；同时改两个，命中变好也不知道是谁的功劳。
4 库② 创新点汇编库：逐项参数 + 召回测试库② 汇编：空行分段 → 父块 2000，子块也按空行 800（标题与正文各一块） 入库版 .md 文档长这样 ## 2024 年 ### 项目 A-2024-01 压气机状态监测 创新点一：LSTM 效率预测… 创新点二：残差法漂移自诊断… 立项经费 410 万元 ### 项目 A-2024-04 电厂级 AI 知识库 创新点：规程规范统一入库… ## 2023 年 … 父分段标识符 \n\n 父分段最大长度 2000 子分段标识符 \n 子分段最大长度 800 替换连续空格换行 取消勾选 父块 2024 年 子块 A-2024-01 压气机状态监测与效率预测 创新点一 + 创新点二 + 经费，整项目在同一块 ← 命中 子块 A-2024-04 电厂级 AI 知识库与智能问答 创新点 + 经费 子块 A-2024-0x … … 子块 800：一个项目约 120 字，不会被二次切断。标题与正文间有空行 → 各成一块（预览 19 块），两块都能命中。 图 4-0 库② 分段：与库① 唯一不同是子标识符用 \n\n、长度 800
新建知识库 → 导入 02_创新点汇编_入库版.md → 命名 kb-chuangxin-姓名缩写。
分段模式 父子分段 ；父标识符 \n\n，最大长度 2000 。
子标识符 \n\n（段落），最大长度 800 。一个项目含编号、名称、创新点、经费约 120 字，800 保证整项目不被二次切断。实测提醒： 入库版 .md 里项目标题和正文之间有空行，所以"项目 A-2022-03 ……"标题和"创新点一：……"正文会各成一块（预览 19 块）；要让一个项目成一块，入库前把标题与正文之间的空行删掉即可，不改也能检索到。
预处理同库①（两项不勾）。预览块确认：共 19 块，"项目 A-2024-01 …"一块、它的"创新点一 / 创新点二 / 立项经费"紧跟一块；召回时两块都会命中。
✔ 分对了 【父块】2024 年
【块】项目 A-2024-01 压气机状态监测与效率预测
创新点一：基于 LSTM 的压气机效率单步预测模型。创新点二：多测点冗余残差法的传感器漂移自诊断。立项经费 410 万元。
为什么好： 命中这一块，"重复的是哪个项目、重复了哪条创新点"一次全拿到，引用时直接写 A-2024-01。
✘ 分错了 【块】…传感器漂移自诊断。立项经费 410 万元。
项目 A-2024-04 电厂级 AI 知识库与智能问答
创新点：规程、规范、历史检修记录统一入库…
为什么不好： 子块长度设太小，一个项目被切成两块、或两个项目挤进一块；比对重复时张冠李戴。
库② 索引与检索设置：与库① 完全相同 索引方式 高质量 经济 为什么 要“按意思找”就必须高质量；经济模式不建向量，按意思找直接失 效 检索模式 向量检索 全文检索 混合检索 为什么 条款号 / 项目编号靠全文（字面），口语表述靠向量（意思）— —两个都要，所以混合 权重 语义（按意思） 0.5 关键词（按字面） 0.5 为什么 条款号查不准 → 关键词往右拉到 0.6；换个说法查不到 → 语义往左拉到 0.6 Rerank 重排 权重设置 为什么 选「权重设置」而不是「Rerank 模型」——云端 / 本地多半没接重排模型； Top K 调小 Top K 召回条数 10 1 20 为什么 一次返回几条。漏依据 → 15；无关段太多 → 6～8 Score 阈值 关 为什么 起手先关：实测正确命中分只有 0.13～0.44，开 0.3 会把大半依据拦掉；引了不相干内容再抬 → 0.5 起手值照抄即可。真正经常动的只有三个：权重、Top K、Score 阈值；一次只动一个，动完做一遍召回测试。 图 4-2 库② 六个旋钮，全部照库① 抄 设置项 填什么 为什么 索引方式 高质量 同库① 检索模式 混合检索 技术词（LSTM、残差、漂移）靠语义；项目编号 A-2024-01 靠关键词 权重 语义 0.5 / 关键词 0.5 同库① Rerank / Top K / Score 权重设置 / 10 / 关 同库①
测试查询词 应命中（Top 3 内） 没命中先动哪里 LSTM 压气机 效率 单步预测 模型 A-2024-01 块 子块是否整项目一块；长度放到 800 多测点 冗余 残差 传感器 漂移 自诊断 A-2024-01 块 同上 燃烧 配风 闭环 强化学习 二次风门 A-2022-03 块 语义权重调到 0.6 知识图谱 故障原因 推理 检修建议 A-2023-02 块 — A-2023-05 脱硝 喷氨 创新点 A-2023-05 块 关键词权重调到 0.6（编号类查询）
5 库③ 经费台账库：逐项参数 + 召回测试库③ 经费台账：按空行切成三块，表格 7 行之间没有空行、整表一块 03_经费台账_入库版.md ## 历史同类项目经费台账 | 编号 | 项目 | 总经费 | 设备费 | … | | A-2022-03 | 燃烧配风… | 520 | 61% | | A-2023-02 | 知识图谱… | 380 | 55% | | …（共 7 行） ## 统计口径 平均总经费 / 设备费占比 / 回收期 … ## 对标提示 总经费超均值 30% 需说明 … 父 \n\n · 2000 子 \n\n · 2000 表格行间没有空行 → 整表不切 块 1 台账表（表头 + 7 行，完整） 列名 ↔ 数值 的对应关系保住了 块 2 统计口径 平均值、占比口径 块 3 对标提示 偏差超过多少要说明 切开表格 = 丢掉“哪一列是哪个数”。所以子分段长度给到 2000，让它根本切不动。 图 5-0 库③ 分段：三块，表格不切
新建知识库 → 导入 03_经费台账_入库版.md → 命名 kb-taizhang-姓名缩写。
分段模式 父子分段 ；父标识符 \n\n，最大长度 2000 ；子标识符 \n\n，最大长度 2000 。表格 7 行之间没有空行，整表成一块（实测预览 Chunk-4 = 360 字整表）——7 行表格不会被拦腰截断 。务必取消"替换掉连续的空格、换行符和制表符"，否则表格行会被压成一行。
预览块确认共 3 块：台账表（含表头与 7 行）、统计口径、对标提示。
表格为什么不能切： 切开就丢了"列名 ↔ 数值"的对应关系，模型会把 A-2022-03 的人工费读成 A-2023-02 的。整表一块 + 2000 长度是保表格的最低成本做法。
库③ 索引与检索设置：只有权重不一样 索引方式 高质量 经济 为什么 要“按意思找”就必须高质量；经济模式不建向量，按意思找直接失 效 检索模式 向量检索 全文检索 混合检索 为什么 条款号 / 项目编号靠全文（字面），口语表述靠向量（意思）— —两个都要，所以混合 权重 语义（按意思） 0.4 关键词（按字面） 0.6 为什么 条款号查不准 → 关键词往右拉到 0.6；换个说法查不到 → 语义往左拉到 0.6 Rerank 重排 权重设置 为什么 选「权重设置」而不是「Rerank 模型」——云端 / 本地多半没接重排模型； Top K 调小 Top K 召回条数 10 1 20 为什么 一次返回几条。漏依据 → 15；无关段太多 → 6～8 Score 阈值 关 为什么 起手先关：实测正确命中分只有 0.13～0.44，开 0.3 会把大半依据拦掉；引了不相干内容再抬 → 0.5 红底行 = 这个库与库①不同的地方；其余照抄。所有值都是起手值，调之前先做召回测试。 图 5-2 库③ 六个旋钮：关键词权重拉到 0.6（查编号、费用名这类死字符串多） 设置项 填什么 为什么 索引方式 高质量 同库① 检索模式 混合检索 同库① 权重 语义 0.4 / 关键词 0.6 本库大量查询是项目编号、费用类别这类死字符串，关键词权重调高一点命中更稳 Rerank / Top K / Score 权重设置 / 10 / 关 同库①
测试查询词 应命中（Top 3 内） 没命中先动哪里 同类项目 平均 总经费 设备费占比 人工费占比 回收期 统计口径块 语义权重回到 0.5 总经费 超过 均值 30% 人工费 40% 其他 10% 说明依据 对标提示块 Top K 调到 15 A-2023-05 脱硝 总经费 人工费 回收期 台账表块（含该行） 关键词权重调到 0.7 设备费 材料费 人工费 其他费用 构成 台账表块 + 统计口径块 —
6 课堂分工与 55 分钟节奏表（只建库、只测召回）三人一组，一人守一个库。库名先抄进团队约定表再动手。
时间 A（库① 审查规范） B（库② 创新点汇编） C（库③ 经费台账） 0-10 分 上传 01 .md → 父子分段 \n\n/2000 + \n/500 → 预览核对一条一块 → 高质量索引 → 混合检索 0.5/0.5 上传 02 .md → 父子分段 \n\n/2000 + \n\n/800 → 预览 19 块 → 同库① 检索设置 上传 03 .md → 父子分段 \n\n/2000 + \n\n/2000 → 预览里整表一块 → 权重 0.4/0.6 10-20 分 等索引完成；状态变「可用」 同 同 20-40 分 第 3.3 节 5 个查询词逐个召回，填记录表 第 4.3 节 4 个查询词 第 5.3 节 4 个查询词 40-50 分 没命中的按第 3.4 节速查表调：先看预览分段 → 再看权重 → 再看阈值；调完重新处理文档 再测 50-55 分 三人把库名、文档名、分段参数、13 条召回结果抄进团队约定表；拍一张三库「可用」截图
交付物清单： 三个「可用」知识库 + 召回测试记录表（13 行） + 团队约定表。下午实操四的六路检索节点只需勾库，不再碰分段。
7 常见问题 / 自检 / 保密 / 下午怎么用这三个库现象 多半原因 处理 召回测试查"5.0.2"查不到 子分隔符没生效，整章一块 子标识符改成 \n（不要填 ###，平台会先去掉 # 号）；预览里一条一块才对；重新分段 召回测试查创新点命中的是别的库 在"所有知识库"页面测的，混了三个库 进到库②自己的页面做召回测试；每个库单独测 台账表格被切成两半 子分段最大长度太小，或勾了"替换连续空格换行" 库③子长度改 2000；取消勾选"替换掉连续的空格、换行符和制表符" 知识库一直"索引中" Embedding 模型没接上 找讲师 / 管理员确认模型配置
团队约定表填完：三个库名、各库分段参数、13 条召回结果
三个库的 Embedding 模型一致（都选同一个，混用会出现某个库永远查不到）
保密口径： 本节所有文档为虚构教学版。不把真实规程、真实项目可研、真实经费数据上传到任何外部 Dify / 云服务；本地 Dify 的知识库按团队权限建，不混用、不共享给其他组。
下午怎么用这三个库： 实操四搭完整工作流（文档提取 → 摘要抽取 → 校验 / 分支 / 指标计算 → 六路知识检索 → 七个审查 → 概要 → JSON → HTML → 结束）。六路知识检索节点各勾今天的一到三个库——哪一路勾哪几个，看第 2 节图 2-2；查询词、提示词、代码全部在实操四手册里，今天不用管。
中软国际 · 华电新疆公司集团 AI 竞赛赛前培训 · Day4 · 实操三 知识库搭建与 RAG 研判（完全还原版）
