本文档由 AI 自动翻译。如有任何不准确之处，请参考 英文原版。经过前三课的学习，我们的邮件助理已经初见雏形，能够草拟出基础的回复邮件。 但是，如果遇到公司特有的产品细节或者价格，它很可能会出现幻觉 (Hallucination)，也就是我们常说的一本正经地胡说八道，因为信息不准而出错。 那么我们该如何解决 AI 出现幻觉的问题呢？我们给它一本小抄。
检索增强生成 / RAG
解决幻觉的这套方法，叫做 RAG (Retrieval-Augmented Generation)，中文名称是检索增强生成。简单来说，RAG 就是让 AI 从凭空想象变成了有据可查，这是构建专业 AI 应用最核心的技术之一。而它的名字已经包含了这三个步骤。 1. 检索（Retrieval）- 找菜谱 根据用户的提问，从知识库中检索（查询）出最相关的信息片段。这就好比听到菜名宫保鸡丁，你先去找到这道菜的菜谱。 2. 增强（Augmented）- 拿到菜谱和准备食材 将检索到的信息片段（上下文），与用户的原始问题一起，组合并转换成给大型语言模型一个更新且更丰富的提示词（Prompt）。你可以理解为把这份菜谱放在手边，方便你随时查阅，同时准备好对应的食材。 3. 生成（Generation）- 烹饪 大语言模型根据这个包含上下文的新提示词（Prompt），生成一个有事实依据的和更准确的回答。你按照菜谱上的步骤，完成烹饪宫保鸡丁。知识检索 (Knowledge Retrieval) 节点
这就像是给 AI 邮件助理旁边，放了一些资料。它会先根据用户的问题，在这本小抄里查找最相关的那几页，然后把找到的内容连同用户的问题一起进行思考。 在接下来的动手实践中，我们将使用知识库检索节点，给我们的 AI 邮件助理一些官方的小抄，让它在回答之前有据可查。动手实践 1：创建知识库
进入知识库
点击顶部的 知识库，在左侧点击 创建知识库。
文本分段与清洗
你可以把这里当作一个文本预处理的步骤。因为 AI 在检索信息时，直接阅读一整篇长文档效率很低。所以在这个页面，Dify 会自动帮你把文档切成更小的、逻辑连贯的段落（就像把一本书拆分成一张张知识卡片），并去掉一些不必要的格式，方便后续的检索和理解。分段设置此处自动将你的长文本切分成更易于检索的小段落。我们保持选择通用模式即可。
- 高质量：会消耗 Token 调用 AI 模型来处理文本，让检索结果更精准。
- 经济：不消耗 Token，但会牺牲一定的准确性。
检索设置
文档处理完成后，我们需要对召回设置进行最后一次检查。在这里，你可以配置 Dify 查找信息的方式。在经济模式下，检索设置仅支持倒排索引。
- 倒排索引 这是 Dify 使用的默认结构。可以把它想象成实体书背面的索引页，它列出了关键术语，并准确告诉 Dify 这些术语出现在哪些页面上。这让 Dify 能够根据关键词立即跳转到正确的知识卡片，而不是从头到尾阅读整本书。
- Top K 你会看到一个设置为 3 的滑动条。这告诉 Dify：当用户提出问题时，从手册中找出前 3 张最相关的知识卡片展示给 AI。如果你将其设置得更高，AI 会获得更多的上下文参考，但如果设置得过高，过量的信息可能会让 AI 难以处理。
太棒了！你已经成功创建了第一个知识库。接下来我们将使用知识库升级我们的 AI 邮件助理。
动手实践 2：添加知识检索节点
这样，邮件助理就会以客户的邮件原文作为关键词，去知识库中检索最相关的答案了。
动手实践 3：升级 AI 邮件助理
上下文已经准备好了，我们还需要在提示词（Prompt）里告诉大型语言模型先阅读这份资料，再生成邮件回复。
太棒了！ 你已经完成了本次课程中最具挑战性的一步。你的邮件助理现在不仅拥有了大脑，更拥有了一本可以随时查阅的小抄。让我们来看看效果如何吧。
你可以直接使用下方的邮件示例，点击运行进行测试。
小挑战
- 在刚才的工作流中，如果用户的提问超出了知识库的内容，该如何应对这样的情况？
- 在你自己的工作或学习中，有哪些信息可以被制作成知识库？
- 探索文本分段与清洗页面中，分段设置和检索设置、索引方式和默认配置的三者关系。