图文知识库如何输出图片内容

首先，不要寄希望于丢几个 PDF 给嵌入模型，就可以有很好的效果。好的效果，往往需要你理解你真实的需求，高质量的材料整理，理解 RAG 的运行原理。

如果你希望使用 DIFY 做出下图类似的图文混排效果，参考本教程。

图片存储方案

在 DIFY 的知识库召回过程中，如果希望输出图文混排的内容，关键是图片的存储，目前有 2 个方案：

1. 图片放在远程服务器，这样图文混排，实际是加载服务器上的图片
2. 图片放在 Word 中，DIFY 在解析 Word 的时候，会自动生成图片的 URL 路径，供远程访问

今天主要围绕第二个方案展开，这样不需要额外的服务器成本和域名配置，即可快速实现图文混排的效果。

内容整理

首先，将自己知识库的内容整理成 Word。如果你在处理 Word 过程中遇到各种解析报错，可以先把你的内容放入飞书知识库，然后使用飞书文档的功能，下载为 Word。你可以简单理解成飞书文档，把你需要的内容，整理成了一个更标准的 Word 内容，并且把图片嵌入 Word，而不是引用的外链。

在整理文档的过程中，尽可能使用2个换行符作为分隔符，方便后续 DIFY 默认的分段标识符可以正确地识别分段。当然，你也可以用一些特殊的标识符，后续 DIFY 配置的时候进行修改，例如下面我这里使用 2 个换行符，对应就是 \n\n

知识库配置

下载好 Word 之后，即可导入 DIFY 知识库进行处理。重点看一下分段标识符这里的配置，是否与你计划的一致。然后点击预览按钮，查看每个区块的分段效果。如下图所示，右侧预览与我文档期待的效果一致。

下面的嵌入模型和 rerank 模型，选择硅基流动模型即可：

保存之后，稍等片刻即可完成嵌入。此时，我们可以直接使用召回测试，看看图文效果。

问答流程设计

接下来，我们就可以在 chatflow 中插入一个知识检索的节点，选中刚才添加的知识库内容。

之后，添加一个 LLM 节点，用来对检索到的内容进行二次加工，提示 LLM 进行图文混排，以免模型自动过滤了图片信息。

最终，就可以得到一个图文混排的效果了。