在企业落地 AI 应用的过程中，让大模型"读懂"自己的私有文档是绕不开的一环，而 RAG（检索增强生成）正是解决这一问题的主流方案。本文以 Dify 1.17.1 为例，手把手演示如何基于 PDF 文档搭建一套可用的知识库：从创建知识库、上传文档，到配置分块（Chunk Settings）、索引方式（Index Method）与检索策略（Retrieval Setting），再到将知识库接入 Chatbot 应用并发布验证，完整走通"建库 → 应用 → 验证"三大步骤。无论你是想快速构建企业内部 FAQ 问答，还是为技术文档搭建智能检索助手，本文都能为你提供一条清晰的实践路径。
在使用 Dify 搭建知识库时，文档的向量化（Embedding）质量直接决定了检索效果的上下限。对于有数据安全或内网部署要求的团队，将 Embedding 模型私有化部署成为刚需。本文以 Dify 1.17.1 搭配 Ollama 部署的 bge-m3 模型（带 Bearer Token 鉴权）为例，介绍如何通过安装 OpenAI-API-compatible 插件，在 Dify 中接入私有化的 Text Embedding 模型：从插件安装、模型参数配置，到设置为默认向量化模型，一步步完成私有 Embedding 能力与 Dify 的对接，帮助你构建完全自主可控的 RAG 基础设施。
Dify 是一款开源的大语言模型（LLM）应用开发平台，支持通过插件机制灵活接入各类模型供应商。自 Dify 1.x 版本起，模型供应商逐步由内置方式迁移为插件化架构，用户需要通过搜索并安装对应供应商的插件，才能在应用中使用其模型能力。 智谱 AI（Zhipu AI）提供的 GLM 系列模型（如 GLM-4 等）是国内主流的大语言模型之一，具备强大的中文理解与生成能力。本文将以 Dify 1.17.1 版本为例，演示如何在 Dify 中完成智谱 AI 插件的安装与 API Key 配置，从而快速接入 GLM 模型，为后续搭建 AI 应用（如聊天助手、Agent、工作流等）奠定基础。
