Dify元数据商业应用，知识库权限分级实战（内附全流程配置手册，建议收藏）

在当今信息爆炸的时代，企业内部的知识管理变得尤为重要。如何高效地组织、检索和利用海量的文档资源，是每个企业都需要面对的挑战。

Dify平台作为一款强大的知识管理工具，提供了元数据功能来帮助企业实现文档的精细化管理和智能检索。

本文将通过一个具体的案例，详细介绍如何使用Dify平台创建知识库、设置元数据、配置工作流，并通过测试来验证元数据的应用。

无论您是企业的知识管理专员，还是对Dify平台感兴趣的技术爱好者，相信本文都将为您提供实用的指导和启发。

1 案例说明

假设有一家名为“创新科技”的公司，旗下有市场部、技术部和财务部三个部门。每个部门都会产生大量的文档，例如市场部的《2024全球AI创新峰会策划案》、技术部的《AI训练集群架构设计（2024版）》以及财务部的《2023年度审计与风险评估报告》。这些文档不仅内容各异，还涉及不同的保密级别和发布时间，且需要根据员工的权限进行精准检索。

为了解决这一问题，公司决定使用Dify平台创建一个统一的知识库。通过设置元数据（如部门、保密级别、发布时间），公司能够对文档进行精细化管理。同时，通过配置工作流，公司可以根据员工的查询需求和权限，智能返回符合条件的检索结果。例如，市场部员工查询“VIP晚宴在哪举行”时，仅返回市场部的相关文档，而不会泄露技术部或财务部的敏感信息。

在这个案例中，Dify的元数据功能测试将帮助“创新科技”验证知识库是否能准确响应不同部门的查询需求，确保检索结果既高效又安全。接下来的章节将详细介绍具体的配置和测试过程。

2 详细配置

2.1 新建知识库

创建知识库。

1、选择数据源，上传本地市场部、技术部、财务部的三个文档。

2、文本分段与清洗

Embedding模型使用了BAAI/bge-m3。

Rerank模型使用了BAAI/bge-reranker-v2-m3。

3、等待处理完成。

4、可以修改知识库的名称及描述，根据实际功能进行修改就可以了。

2.2 设置元数据

1、进入到刚才创建的知识库中。这次的元数据是针对所有文档设置的，批量选中，点击元数据按钮。

2、打开内置的元数据，并添加三个新的元数据。

department：部门

securityl_level：涉密等级

publish_time：发布时间

3、给每个文档设置元数据的值。

文档：《财务部_2023年度审计与风险评估报告.pdf》

department：财务部

securityl_level：3

publish_time：2024-09-01

选中文档->点击下侧【元数据】按钮，点击【添加元数据】，给刚才设置的元数据字段设置相应的值。

文档：《2024全球AI创新峰会策划案.docx》

department：市场部

securityl_level：1

publish_time：2025-03-22

文档：《AI 训练集群架构设计（2024版）.md》

department：技术部

securityl_level：2

publish_time：2025-02-02

2.3 配置工作流

创建一个工作流

整体流程如下：

2.3.1 开始节点

新增四个字段，其中query为必填项，其他三个选填。securityl_level为数字类型。

2.3.2 知识检索节点

查询变量为开始节点的query参数。

添加知识库为刚才创建的【企业知识库】

召回设置：我开启了Score阈值，设置为0.45，为了检索的结果更精确。

这个值可以根据自己的测试情况进行调整。

2.3.3 条件分支

判断知识库检索节点是否为空，走不同的分支。

2.3.4 大模型节点---知识库未搜索到

如果你需要完全本地化，把模型更改为你本地部署的即可。

为了测试方便，我用的硅基流动的接口，未搜索到给固定输出即可，为了提升相应速度，用了v3模型。

2.3.5 大模型节点---知识库已搜索到

用的DeepSeek R1模型，总结知识库检索结果。

同样，如果你需要完全本地化，把模型更改为你本地部署的即可。

2.3.6 结束节点

直接引用大模型节点的输出

2.4 测试工作流

现在知识检索节点没有设置任何条件，测试一下功能。

输入用户查询问题：身份管理用什么技术

3 测试元数据

3.1 不设置任何过滤条件，正常搜索

输入查询问题：VIP晚宴在哪举行

运行结果：

这个问题是在市场部的文档中。原文如下：

3.2 设置单一条件，元数据为输入的部门

知识检索这里设置过滤条件，引用开始节点的"department"变量。

3.2.1 正向测试

输入的部门为市场部

还是同样的问题：VIP晚宴在哪举行

可以查询到结果：

3.2.2 反向测试

输入的部门为财务部

还是同样的问题。可以看到已经走到了知识库未搜索到的流程。

3.3 输入组合条件

3.3.1 部门&保密级别组合

设置知识库元数据过滤条件，department为输入节点的department，

securityl_level为输入节点的securityl_level

输入部门为财务部，保密级别为2，可以看到未检索到。

因为财务部门的文档元数据中保密级别设置的为3。

3.3.2 部门&保密级别&发布时间三个条件组合

设置元数据过滤条件

设置知识库元数据过滤条件，department为输入节点的department，

securityl_level为输入节点的securityl_level

发布时间不为空

输入部门为技术部，保密级别为1，发布时间为2025-02-01

用户查询问题：身份管理用什么技术，条件均满足元数据设置的过滤条件，可以成功查询到结果。

通过本文的介绍，相信您已经对Dify平台的元数据功能测试有了深入的了解。从知识库的创建到元数据的设置，再到工作流的配置和测试，每一个步骤都展示了Dify平台在知识管理方面的强大能力。

现在，轮到您来尝试了！不妨动手实践一下，体验Dify平台带来的便捷和高效。无论是优化企业内部的知识检索，还是提升团队的协作效率，Dify都将是您不可或缺的助手。

相关资料已打包，下方扫码自取，自动领取DSL文件及知识库相关文档。

 一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】