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

显示全部楼层

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。

为什么选择 InfraNodus？

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：

检索质量更高：GraphRAG 不仅返回语义匹配的内容，还会从知识图谱的主题聚类中提取结构相关的上下文

知识库可视化：InfraNodus 提供交互式图谱界面，可以直观查看主题分布、概念关联以及内容缺口（content gaps）

数据导入灵活：支持 PDF、网站、YouTube 视频、纯文本、自定义本体等多种来源

跨平台复用：同一个 InfraNodus 图谱可以同时服务于不同的 Dify 工作流、MCP server 或直接 API 调用，不会被锁定在单一平台

整体流程

四个步骤完成配置：

在 InfraNodus 中基于你的内容创建知识图谱

https://infranodus.com/

获取 InfraNodus API key

https://infranodus.com/api-access

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

在 Dify 工作流中通过知识检索节点调用该外部知识库

GraphRAG 检索机制

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：

定位图谱中与查询词相关的区域
提取相关概念之间的关系数据（GraphRAG 部分）
同时通过传统 RAG 进行相似度匹配作为补充
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。

01

在 InfraNodus 中创建知识图谱

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：

create an ontology for various body metrics that can be used for longevity

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。

02

在 Dify 中配置外部知识库连接

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」

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

为什么设置 0.3？InfraNodus 不仅返回直接匹配的语句，还会附带每个相关主题聚类的代表性语句作为背景信息。这些上下文语句的相似度分数通常在 0.3 左右，降低阈值可以让这些有价值的信息通过。

如果只需要精确匹配的结果，保持默认值0.5即可。

03

测试与部署工作流

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：

1. 进入 Studio > 从空白创建 > AI 工作流

2. 添加知识检索节点：

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

日常维护

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

小结

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。