Dify中利用大模型自动给文档打标签归类

文档自动打标签这事儿，说白了就是让机器代替人工去翻看内容、判断类型。Dify提供了一套还算优雅的方案：先建一个“标签定义库”，再走一套分类工作流，就能在文档上传的那一刻自动匹配业务标签。核心思路并不复杂——把人工经验转化为机器可读的规则。

为什么非要这么折腾？因为文档进入知识库之前如果没有打上标签，后续的检索、权限控制、路由分发全都会乱套。比如“合同”和“发片”混在一起，想按类型筛选根本没法用。所以，这一步必须在入库前完成。

准备带描述的标签体系

具体操作从建库开始。打开Dify工作台，点击左侧「知识库」，新建一个专用知识库，命名为“标签定义库”。记住，这个库只存标签标准，不存业务文档。每条记录格式很简单：标签名 + 换行 + 典型特征与排除条件。举个例子：

合同
包含甲乙双方名称、签署日期、违约责任条款；不含“报销”“金额合计”“开票信息”等字样。

发片
含“发片代码”“校验码”“销售方/购买方名称及税号”；通常有10～12位数字代码，且出现“￥”或“元”单位金额。

有个关键点必须提醒：每条记录必须用纯文本逐条录入，不能合并成一段，否则向量检索会把语义搅成一锅粥，召回效果大打折扣。

构建分类工作流

回到工作台，点击「工作流」，新建一个空白ChatFlow，命名为“文档自动标签化”。这里有两种路径可选，取决于你的标签数量和文档边界清晰度。

方法一：轻量级单节点分类（适合标签≤8个、文档类型明确）
直接添加一个「大模型」节点，在提示词里明确说：“你是一个精准的文档类型识别器。请严格从以下8个选项中选择唯一最匹配的标签：[合同, 发片, 用户反馈, 技术文档, 会议纪要, 培训材料, 法务函件, 其他]。仅输出标签名，不要解释。”然后把文档提取后的文本作为输入变量传入该节点。简单粗暴，但够用。

方法二：RAG增强双阶段分类（推荐，标签数多、边界模糊时准确率能提升40%以上）
第一步：添加「知识检索」节点，选择刚才建的“标签定义库”，设置top_k=5，开启「启用高亮片段」。
第二步：添加「大模型」节点，提示词开头写：“你已获得5个候选标签及其定义。请结合用户文档全文，选出语义匹配度最高的1个标签。若都不匹配，输出‘其他’。只输出标签名。”输入变量是文档文本加上检索返回的5段定义。

需要注意的细节：知识检索节点必须放在大模型节点之前，两者之间用实线连接，否则检索结果没法传递到大模型，整个流程就断了。

接入文档并触发分类

工作流主体搭好后，剩下的就是把文档接进来并输出结果。

第一步：添加「文件输入」节点，字段类型选「文件列表」，勾选支持格式：PDF、DOCX、TXT、MD。
第二步：添加「文档解析器」节点，连接到文件输入节点，设置里开启「保留原始段落结构」，关闭「自动分块」——这样能保证文档上下文不丢失。
第三步：将文档解析器的输出「text_content」拖拽连线至后续分类节点的输入变量。
第四步：在工作流末尾添加「变量输出」节点，新增输出变量名为「classified_label」，绑定来源为大模型节点的「输出文本」。
第五步：点击右上角「发布」，复制生成的API地址，然后用curl或Postman上传文件测试即可。

整套流程跑通后，文档上传时就能自动完成标签归类，后续的按标签检索、权限控制自然就水到渠成了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Dify中利用大模型自动给文档打标签归类要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题