[Dify实战] 知识库答得像真的但没依据？这样核对召回片段，企业场景更敢用

Dify 知识库问答最让人担心的，不是它完全答不上来，而是它答得很顺、语气也很肯定，但你仔细一看，答案里有些内容并没有来自资料。个人学习时这只是小问题，放到企业制度、产品资料、合同条款或售后口径里，就会变成很危险的“看起来像真的”。所以知识库回答没有依据时，先不要急着换模型，也不要马上把提示词写得更长，更应该先把召回片段拿出来核对一遍。这篇讲的不是一个复杂架构，而是一套基础但很实用的排查方法：先确认知识库有没有召回到正确资料，再看答案有没有逐句贴着资料走，最后决定是该改切片、改问题、改提示词，还是把某些问题交给人工复核。学会这套方法以后，你不只是在修一条问答，而是在建立一套 Dify 知识库上线前的可信度检查流程。先别问模型，先看召回片段很多人遇到知识库回答不准，会第一反应去改 LLM 节点提示词。但在 Dify 里，知识库问答的第一步通常不是模型生成，而是资料召回。如果召回片段本身就不对，后面的模型再会组织语言，也只能围绕错误资料生成一个更像样的错误答案。比如用户问“试用期请假怎么扣工资”，知识库召回到的却是“年假申请流程”和“考勤补卡规则”，模型就可能把几段相关但不匹配的内容拼成一个看似合理的答案。比较稳的做法，是先准