排查及解决Dify通过API接口无法上传pptx格式文件问题

问题描述：

    当前使用Dify搭建WorkFlow工作流完成文档上传及解析工作时，发现，通过运行页面可正常上传并解析pptx文件，但是在使用API接口进行上传时，针对pptx格式却提示格式不支持，接口报错如下：

很奇怪的报错。

排查原因：

    首先我们通过源码定位报错位置，如下

    可以看出，当前要求严格进行类型校验，同时检测的文件类型与specified_type不一致导致报错，接着进去看一下_standardize_fule_type()内容：

    看函数描述内容是根据后缀猜测文件类型，进去看一下：

如果文档后缀是DOCUMENT_EXTENSIONS，就返回文档类型。

那这里的DOCUMENT_EXTENSIONS又是什么？

    我们在api/constants/__init__.py 这里找到了DOCUMENT_EXTENSIONS的定义：

    如果ETL_TYPE是‘Unstructured’，则文件扩展是上面的那些，否则就是下面这些类型。显然，pptx是不在下面的列表中的。

    那这个ETL_TYPE又是什么呢？这个Unstructured又是什么？

    我们在api/configs/feature/__init__.py找到了ETL_TYPE的定义

    好家伙，这里竟然藏着一个TODO，意思是说这个ETL_TYPE不仅用来控制RAG的ETL方式，也用来定义了file upload的文件类型，后面需要移到file upload的配置中。

    又查询了一下这个 Unstructured。这个是Dify支持的一种非结构化文档处理的服务，可以离线部署。根据ETL_TYPE的类型不同，知识库rag支持的文件类型是有差异的，主要是体现在非流水线类型知识库支持上传文档格式差异，默认是dify类型，dify类型支持的文件清单如下（不支持pptx）：

梳理一下整个逻辑：

    首先Dify在之前的非流水线知识库做RAG的时候，支持有两种ETL处理方式，一种是调用外部Unstructured服务的形式，一种是dify内置的形式，默认是dify形式（不支持pptx格式）。根据ETL_TYPE的类型不同，DOCUMENT_EXTENSIONS的范围也不同。

    问题出在file upload判断当前支持文档类型的时候，也简单粗暴地沿用了DOCUMENT_EXTENSIONS的定义，因此file upload支持的文件类型也就随之受到了限制。

解决方案：

    找到问题所在，处理起来就比较简单了，我这里选择在file uplod判断时手动对DOCUMENT_EXTENSIONS进行扩展，保证file upload的时候能够给识别到pptx格式即可。

    重新打包dify-app镜像，上传，验证问题得到解决。

写在最后：

    这里只算是一种临时解决方案，正确的做法应该是给file_upload单独定义一套支持文档后缀。毕竟从业务逻辑上来说，非流水线知识库支持的文档类型，和工作流支持的工作流本来就是两码事。上面提到的TODO，将ETL_TYPE直接移动到upload file的配置中也多少有点问题，最好是能够分成两个配置分别来控制吧。这边目前只能算是个微创的手术，治标不治本。

    另外，当前验证的是1.9.0版本，看了一下最新的代码（1.10.0），这个TODO还在，最新版这个问题可能还是存在的，有条件的小伙伴可以验证一下。

    如果你觉得这篇文章对你有所帮助，不妨点击右下角的点赞、分享、推荐，让更多朋友看到，也欢迎留言互动交流。

    关注公众号，定期更新AI落地实战干货。

    后台回复“手册”，领取《Dify官方手册》PDF版本

    后台回复“工具”，领取“GPU算力资源快速估算工具”

    后台点击“加入群聊”，一起聊聊AI路上踩过的坑。