探索Dify应用中关键词检索的创新用法，通过三种检索模式对比揭示最佳实践方案。
核心内容：
- Dify 1.2.0元数据功能的局限性分析
- 向量检索/全文检索/混合检索三种模式的详细对比实验
- 中医案例测试展示不同检索模式的实际效果差异
背景
之前用RAGFlow的时候，发现它的分片功能有个不错的特性——自动提取关键词。检索时可以通过调整语义和关键词的权重来互补，实现更精准的知识匹配。但到了Dify的RAG体系里，关键词这个维度是缺失的。
直到Dify 1.2.0版本，新增了元数据功能，可以给文档设置元数据，在检索时通过元数据作为关键词来过滤内容。不过，这个功能只停留在文档级别，无法精确匹配到分段内容层面。
下面直接进入实验环节，看看实际效果到底如何。
dify中的检索实验
Dify一共提供了三种检索模式：
- 向量检索：把用户问题向量化，生成数学向量后跟知识库里每个文本片的向量做距离比较，找到最相近的分段。
- 全文检索：就是最传统的关键词匹配，索引文档里的所有词汇，用户输入后直接拿明文关键词去匹配，类似搜索引擎的精确匹配。
- 混合检索：同时跑全文检索和向量检索，再通过权重或Rerank模型筛选出最优结果。
知识库配置
为了排除变量干扰，实验采用同一个文档、同一个向量模型（bge-m3）、四个独立知识库：
- 知识库1：bge-m3 - 向量检索
- 知识库2：bge-m3 - 全文检索
- 知识库3：bge-m3 - 混合（权重）
- 知识库4：bge-m3 - 混合（rerank）
知识库1：bge-m3 - 向量检索
知识库2：bge-m3 - 全文检索
知识库3：bge-m3 - 混合（权重）
知识库4：bge-m3 - 混合（rerank）
测试文档
选用的是三个中医案例，内容包含症状、理论依据、配xue和操作流程：
## 案例1：风寒感冒
- **症状描述**：鼻塞流清涕、畏寒无汗、头痛、咳嗽白痰、舌淡苔白
- **理论依据**：《伤寒论》太阳病理论，寒邪束表致卫阳被遏。大椎为诸阳之会可散寒解表，风门为风邪出入门户，合谷属阳明经通调肺气
- **配xue方案**：大椎、风门、合谷
- **操作流程**：先灸大椎20分钟至潮红，再灸风门15分钟，最后灸合谷10分钟。每日1次，连续3天
## 案例2：脾胃虚寒型胃痛
- **症状描述**：胃脘冷痛、喜温喜按、食少便溏、四肢不温、舌淡胖有齿痕
- **理论依据**：《针灸甲乙经》"中脘主腹胀不通"，配合胃经合xue足三里健运脾土，神阙温补元阳
- **配xue方案**：中脘、足三里、神阙
- **操作流程**：神阙隔姜灸5壮，中脘悬灸25分钟，足三里双xue各灸15分钟。饭前操作，隔日1次
## 案例3：寒凝血瘀型痛经
- **症状描述**：经前小腹冷痛拒按、经血紫暗有块、得热痛减、面色青白
- **理论依据**：《妇人大全良方》寒客胞宫理论，关元为任脉与三阴经交会xue，三阴交统调阴经，次髎温通胞宫
- **配xue方案**：关元、三阴交、次髎
- **操作流程**：经前3天开始灸，关元灸30分钟，三阴交双xue各15分钟，次髎20分钟。每日1次至经期第2天分片设置
四个知识库采用统一的分片规则：父子分段模式。父段标识为##，子段标识保持默认。
检索结果
测试词选择的是“健运脾土”——这是中医里描述健脾功效的专有词汇，出现在案例2的理论依据里。按照直觉，全文检索应该能精准匹配到这个词，但结果让人意外：向量检索顺利召回了包含该词的片段，而全文检索反而没有找到。
混合检索（无论权重还是rerank）也都成功召回了。全文检索的缺失令人困惑——而且知识库不过几个文档，全文检索却耗时2~3秒，性能明显不理想。这背后应该是实现层面的细节问题，需要回头翻翻源码。
这只是单次测试的一个词，实际检索效果高度依赖query与文本embedding的相似度，存在不确定性。全文检索在这样的小规模场景下性能也不够好，后续会进一步研究源码。
既然内置的全文检索不够可靠，那么如何给Dify的知识库加上“关键词”能力，让检索更精准？
关键词设置
思路来源于父子分段中的子分段机制：既然子分段可以作为独立单位被检索，而最终实际返回的是整个父分段作为上下文，那么能不能把数据预处理时提取的关键词，单独作为子分段存进去？
这样，子分段就是一个个独立的关键词向量，检索时理论上可以提升召回率——但注意，子分段仍然会经过embedding语义化，并不是精确的字符匹配，效果仍取决于向量模型的语义表达能力。
用大模型生成关键词后，将其添加到文档的子分段中，然后重新索引。
实际测试时发现，添加了关键词子分段后，某些查询的分数依然很低。检查代码后发现Dify并没有对query做改写处理，那么分数低的原因需要进一步琢磨——包括向量模型本身、关键词与上下文的语义距离等。这些细节值得深入源码和做更多样本测试。