真正的第一步不是上传，而是确认每份资料是否应该进入这个知识库。错误版本、无权限文件和重复副本一旦切成片段，后续再调 top-k 也无法保证回答正确。
建立文件验收表
每个文件至少登记来源、责任人、生效时间、失效时间、版本和可见范围。建议再加文档 ID、内容哈希、语言、文件类型和替代旧版本的 ID。
document_id: refund-policy
version: 3
effective_at: 2026-09-01
expires_at: null
owner: finance-ops
audience: support-internal
source_url: https://intranet.example/policy/123
replaces: refund-policy-v2六项逐文件检查
- 来源：能回到批准发布的原件，不用聊天转发件。
- 版本：同一制度只保留当前有效版，旧版明确停用。
- 权限：内部价格、个人信息和合同不能进入公开问答库。
- 重复：按文件哈希和规范标题找完全重复，再人工识别不同格式的同内容副本。
- 解析：抽查 PDF 表格、页眉页脚、乱码和扫描页。
- 可回答性：文档是否真的包含用户会问的结论、条件和日期。
Dify 的 文本导入官方文档展示了文件上传、数据源同步以及后续分段设置。无论使用哪种平台，都应先完成上面的资料治理，再进入平台的切片预览。
怎么决定这一批能否导入
先用表格登记每个候选文件。随机抽取至少五个文件，对照原文检查标题、段落、表格和编码。只要存在无法确认责任人、有效期冲突或权限不清的文件，就把该文件移到待核实区，不用“先上传再说”。
导入后的回验
用三个问题查每份重点文档：精确术语、口语改写和资料外问题。检索结果应显示正确文档 ID 与版本；资料外问题应拒答。发现旧版本仍被命中时，先下架旧文并重建相关索引。
限制
本文给出的是导入前验收方法，没有读取或处理读者的内部文件。权限规则应由组织的数据负责人确定，不能由模型或内容编辑自行推断。
Ai菜鸟网。发布者：AI小管家，转载请注明出处：https://www.alyyhw.com/32266.html
