Dify知识库图文混排到底应该怎么做，两种主流方案，一次讲清！

如果你想在使用dify知识库的实现下面的图文混排效果，那你非常有必要读一下这篇文章。

我发现，目前实现这样的图文混排效果应该是有两种方案：

使用图床或者直接将word文件导入知识库。

大家用知识库多的话，或者大模型多的话，可能都知道大模型其实非常擅长理解markdown文件，图床就是markdown中的图像在网络上存储的位置。

而word导入知识库以后，word中的图片会被dify的知识库解析，然后存储到dify所在的服务器。

上面的这两种方案，其实本质上的原理，都是使用的dify的前端是支持markdown渲染的。因此，markdown的图片渲染也是支持的。

下面实验的dify版本是1.9.2，win11环境，docker启动。

markdown图床

使用markdown图床的方式，实现知识库答案的图文混排。

前几天，我们怕了E大很多的文章，这里我们就以E大的文章为例。

如果大家看了之前的文章的话：

从被 Trae 气到崩溃，到用 Gemini 一次跑通，终于爬下了孟岩和E大的全部理财干货

可能看到了我爬取得markdown文档图片是在本地电脑上存储的，在markdown中的引用方式如下：

所以我们首先要将它上传到一个图床，这里我实验吗，所以直接用的自己的阿里云oss。

如果大家在公司内部使用的话，可能需要自建一个图床，因此相对来说图床的方案会有服务器，所以成本会高一些。

接下来我们开始建立知识库：

选择分块逻辑：

这里大家可以看到我在markdown文本中，将每个主题相同的大块使用##这种二级标题符号进行了隔离，所以我们在dify知识库建立的时候，分隔符可以选择##。

这里大家需要特别注意一点，就是你的分块长度不能太短，不然可能会导致图片的URL地址被截断，直接导致后续知识库的输出就无法输出完整地URL，当然，也就没办法实现图文混排了。

下面我们做一下召回测试，大家可以看到是可以召回图片的：

这里我开始其实是碰到了一个问题的，就是图片无法加载，只显示了图片链接，后来看浏览器控制台，发现图片访问403forbidden了。

我就抓紧回忆了下，我在阿里云oss的bucket里面开启了白名单 Referer，没有将本地的http://localhost/加入白名单，后来改掉以后就正常了。

ok，下面我们开始测试，配置一个简单地chatflow：

提示词很简单是：

### 角色
你是一个严谨、专业的问答助手。你的唯一任务是基于下面提供的“知识库检索结果”来回答“用户问题”。

### 核心规则
1.  **内容来源**：你的回答必须**严格且完全**基于“知识库检索结果”中的信息。
2.  **禁止编造**：严禁使用任何“知识库检索结果”之外的信息。如果“知识库检索结果”为空，或内容与“用户问题”完全无关，你**必须**直接回答：“抱歉，我没有找到相关信息。”
3.  **图片处理（关键指令）**：
    * **检测**：在生成回答前，必须检查“知识库检索结果”的文本中是否包含图片链接（如 `http://.../img.jpg` 或 `https://.../image.png`）。
    * **嵌入**：如果检测到图片链接，你**必须**在回答中，将该图片以 Markdown 格式 (`![图片描述](图片链接)`) 插入到最相关的文本段落旁边，实现图文并茂的效果。
    * **格式**：确保图片始终以 `![alt text](url)` 的 Markdown 格式返回。
4.  **结构化输出（新要求）**：
    * **条理**：回答应条理清晰，尽可能使用有序列表（1., 2., 3.）或无序列表（-）来组织步骤或多个要点。
    * **高亮**：对回答中的关键概念、术语、重要数据或结论性句子，使用**加粗**进行重点标记。
---
* **知识库检索结果**：{{#context#}}

效果如下，非常完美：

这是llm的答案结构：

"text": "根据提供的知识库检索结果，**网格1.0的主要缺点**是：\n\n- **在一波强势上涨中，盈利不足**。例如，在2015年底到2016年底的一波接近**80%的暴涨**中，网格1.0的每一格投入只赚了**5%～8%**。虽然所有投入都赚钱且后续下跌都躲过了，但这种策略会导致投资者在看到品种价格大幅上涨（如从0.4涨到0.8）后，对自己在最低位买入却仅赚取微小利润就卖出的操作感到**极度不满意**。\n\n![示例图片](https://wenhua-image.oss-cn-beijing.aliyuncs.com/%E5%BE%AE%E4%BF%A1%E5%85%AC%E4%BC%97%E5%8F%B7/bc64276f1281652a7cdcc43127337501.png)\n\n![示例图片](https://wenhua-image.oss-cn-beijing.aliyuncs.com/%E5%BE%AE%E4%BF%A1%E5%85%AC%E4%BC%97%E5%8F%B7/e98459d58447196c2f9a919eab54ba73.png)\n\n**核心问题**是网格1.0无法充分捕获大趋势行情中的利润，因此在强势单边上涨市场中表现不佳。这也促使了网格2.0版本的开发，通过子策略组合来优化这一问题.

总结一下Markdown + 图床

核心收益是：

• 灵活性高：知识库源文件（Markdown）和图片资源（图床）是分离的，未来无论迁移到哪个系统，都非常方便。
• 方便管理：图片资源集中在图床（如 OSS）管理，查找、替换都很方便。

但是缺点也很明显：

• 成本：需要额外的图床服务器或对象存储服务费用。
• 运维：需要处理图床的访问权限、白名单（就像我遇到的 Referer 问题），甚至要多维护一个系统。

word混排方案

word混排方案和md图床方案的差别就是，知识库我们上传的是word。

word知识库上传时，我们选择分隔符是\n\n，我这里将md格式导出为word以后，特意在每个章节中间加了两个分隔符。

大家可以看到预览时，这里也有一个相对的文件地址：

大家可以看到，图片也可以被渲染出来：

那这个图片是在哪里存储呢？看这个地址，我就知道他一定在本地，那到底在哪里呢。

我们问问Trae（或者任何一个AI 的IDE或者Claude code），让他来看看代码，帮我们找找答案。

下面这个提示词时经过Trae优化的。

针对在本地使用Docker启动的Dify系统中，当向知识库上传Word文档后，文档中包含的图片文件的存储位置及知识库引用方式进行深入分析。请详细说明以下内容：
1) 图片文件在Docker容器内及宿主机上的具体存储路径结构；
2) 系统内部对图片资源的引用机制，包括但不限于数据库记录方式、URL生成规则及访问权限控制；
3) 图片资源在知识库检索和展示过程中的调用流程；
4) 相关配置文件中与图片存储相关的关键参数说明。请提供具体的路径示例、引用格式样例及必要的技术细节，以清晰展示Dify系统处理Word文档中图片资源的完整机制。

Trae的答案：

我们去目录下看看，果然是：

那其他格式的文档会进行存储吗？

我们也问问，这是trae分析代码的答案，看来是不会了。只有word。

ok我们将chatflow中的知识库切换为word的知识库。试一下。

很棒，也成功了：

这是LLM的答案：

"text": "根据知识库检索结果，网格2.0的“留利润”子策略做法如下：\n\n**核心思想**：在每一次网格卖出操作中，将**利润部分留下**。由于这部分是0成本，因此可以无限期持有，不受市场短期波动影响，并有望获得长期收益。\n\n**具体做法（基础版本）**：\n1.  以初始价格（例如1元）买入一定金额（例如10000元）的品种，获得相应份额（例如10000份）。\n2.  当价格上涨至网格卖出点位（例如1.05元）时，执行卖出操作。\n3.  卖出时，**仅卖出收回本金所需的部分份额**，将利润对应的份额留下。\n    *   **举例说明**：1元买入10000元（10000份），在1.05元卖出时，卖出价值10000元的9524份，剩下的476份（即5%的利润）**永不卖出**，或仅在品种达到极度高估时才考虑卖出。\n    *   ![图片描述](/files/cad2594f-0da5-4148-ae78-cf2d3a36bbcc/file-preview?timestamp=1763220469&nonce=f54aabad39232554bb59e5ff659ecab4&sign=Dlu1LYRKokOj7BZkBFZaK4B2APHi9-2P9wQqAyptRbg=)\n\n**策略的进化（高级版本）**：\n你还可以选择**留下多于利润的本金**，实现更强的长期持仓效果。\n*   **举例说明（留双份利润）**：同样在1.05元卖出时，不仅可以留下5%的利润，还可以额外留下5%的本金。即卖出9048份（价值9500元），将500元利润与500元本金对应的份额留下，这部分**长期持有**或极度高估时再卖。\n*   ![图片描述](/files/93dd7685-c395-4cc6-998b-7ea399bab9cf/file-preview?timestamp=1763220469&nonce=e4df11f32e6adea3dfc29990c695962b&sign=U7x_KDEHYvBUK0IxjjPu_xr7KzRREucTINJVMYu7sE4=)\n\n**策略优势**：\n这种方法利用了**金融心理学**中的“心理账户”概念，将利润部分视为“免费得到”的资产，有助于**减少情绪化交易**，并能够享受到指数型品种**长期上涨**带来的收益。"

word方案总结

所以word方案总结下来，就是成本短期相对低一些，不需要单独的图床服务器，图片存储在 dify 的 Docker 卷中，开箱即用。

但是基本上无法迁移，而且图片还无法管理，因为图片都是完全的系统生成的名字。

最后

所以，到底怎么选择呢，一张表给大家总结下：

维度	Markdown + 图床方案	Word 导入方案
部署成本	中（需要额外图床服务）	低（无额外服务）
操作便捷性	中（需要上传图片到图床）	高（写完 Word 直接上传）
长期管理	高（图片资源独立，易于维护）	低（图片存储黑盒，不易管理）
数据迁移性	高（标准 Markdown，通用性强）	极低（图片链接与系统强绑定）
推荐场景	公司生产环境、长期项目、多人协作	个人实验、快速原型、临时项目

这样看起来，大家是不是立刻知道如何选择了，所以：

• 想快速验证、不在乎以后？ 那就用 Word 方案，省时省力。
• 但凡是公司用，考虑长期维护？ 那图床这个服务器和服务运维的投入，我认为是绕不过去的坎。

希望这个对比能帮你省下纠结的时间。

以上，谢谢大家看我的文章，如果对大家有用的话，请大家一键三连！！！