KnowFlow v2.1.7重磅更新：无缝衔接Dify，分块优化与图片理解增强
KnowFlow v2.1.7 版本正式发布，此次更新带来了多项功能优化，旨在提升文档处理的智能性和效率。主要更新包括Dify平台的无缝集成、分块功能的全面升级以及图片理解能力的显著增强。
新功能亮点
1. Dify 接入与集成
为了更便捷地与 Dify 平台对接，KnowFlow 提供了专用的 Dify 插件及 DSL 模板。开发者通过简单的配置即可实现 KnowFlow 与 Dify 的无缝对接，省去了复杂的接口调试过程。
2. 分块功能全面优化
KnowFlow 针对 MinerU/Dots 文档引擎的 smart/title/parent_child 切块方法进行了统一优化，新增支持为分块内容添加父标题，有效改善了上下文理解问题。
此外，Title 切块方法现在支持自定义标题层级切割，用户可根据 H1~H6 标题层级，实现更精确的文档内容切分，特别适用于论文和规章制度等结构化文档。
3. 图片理解能力增强
在 v2.1.6 版本推出以文搜图功能的基础上，本次更新显著增强了图片理解能力。KnowFlow 现在会将图片关联的段落信息送入视觉模型，解决了图片识别脱离原文上下文的问题，从而大大提升了识别的准确率。图片附近的段落提取规则如下：
- 将图片所在标题范围内，与图片距离最近的 2 个段落作为备选。
- 在上述段落中，通过正则匹配常见关键字（如“图几”），如找到则优先返回该段落；如找不到，则返回全部备选段落。
缺陷修复与性能优化
缺陷修复
- 解决了 PPT 解析时出现的
re报错问题。 - 修复了在极端情况下，
id:x未显示引用的问题。 - 修复了 datasets API 无法直接传入 smart/regex/title/parent_child 分块方法的问题。
性能优化
- 优化了 MinerU/Dots 引擎中图片和表格的 caption 与图片/标题内容的关联，避免被分割到不同块。
- 将 chunk 的分块顺序由 top 更改为 MinerU 解析的 block 顺序，以更好地适配论文等双栏布局场景。
KnowFlow 官网文档也已同步更新，提供了分块方法的使用案例及 Dify 对接相关说明。
产品细节深入解析
Dify 接入机制
为确保 Dify 对接 KnowFlow 的灵活性和扩展性，KnowFlow 推荐直接调用其 API，而非Dify外接知识库方案，后者存在一定的局限性。
1. 插件安装：KnowFlow 提供了 Dify API 插件，预封装了 API 调用逻辑，大幅降低了 API 调试成本。
2. 插件配置：用户仅需通过简单的插件界面，输入 API_KEY、URL、知识库 ID 等必要信息，即可实现与 KnowFlow API 的无缝通信。
3. DSL 导入：为进一步简化 Dify 平台解析 API 返回结果并透传给大模型的流程，KnowFlow 提供了可一键导入的 DSL 模板，省去了手动配置的繁琐。
此插件和 DSL 模板同样适用于 RAGFlow，大大简化了 Dify 的接入过程，实现了无需代码调试、仅通过界面配置即可完成集成。
未来展望：构建AI时代数据根基
KnowFlow 本次版本更新着重提升了用户体验。KnowFlow 明确其产品定位：将结构化与非结构化数据治理成对大模型更可信的输入，构建面向未来的数据治理平台，重塑 AI 时代的数据根基。
基于此定位，KnowFlow 后续将围绕以下产品方向进行迭代：
- 智能问数（支持 Excel 及各类数据库）
- 集成 RAG 评估框架，对问答效果进行定量分析
KnowFlow 开源社区版
KnowFlow 社区版已更新至 v2.1.2 版本，支持 RBAC (Role-Based Access Control) 以及 Dots 文档引擎接入。
