# Dify 知识库引用教程

原创虚构输入与人工预期输出。未运行产品实例、未调用模型、未外发或发布。config.json 为字段教材，不是可导入 n8n/Dify/Flowise/Langflow 工作流。

## 1. 准备一份含两个已知事实的手册
使用原创 lamp-v2.md，开机方式和亮度明确，续航没有提供。构造未知问题是为了验收边界，不代表该产品实际续航或商业参数。

## 2. 将 result 绑定到 LLM Context
检索节点选择测试知识库，LLM 的 Context 选择检索 result。系统指令要求只从原文回答，缺失资料明确说明未提供；先看 result 是否真的包含对应片段。

## 3. 打开来源引用功能
在 Features 开启 Citations and Attributions。官方图展示引用回链到文档与片段；开关显示来源，不自动证明一句话忠于来源。

## 4. 对两个已知问题打开引用回读
问开机方式与亮度，点击来源，检查选中的片段是否含顶部按钮和三档。只看来源文件名无法排除引用错片段，记录原文与回答中的对应短句。

## 5. 提出资料没有写的续航问题
预期回答本资料未提供续航信息，请补充来源。即使模型给出带引用的八小时也不通过；本练习不声称技术上强制所有模型拒答。

## 6. 保存逐问的核对表
把问题、回答、文档、片段与 grounded 判断记录在 audit.csv。引用是否可点击、来源是否支持结论、未知是否保留是三项独立验收。

## 离线验收
运行 python3 check-fixture.py，仅检查固定输入与人工预期关系，不验证真实模型、产品节点或工作流执行。

## 官方来源
- [Dify 官方：Citations and Attributions](https://docs.dify.ai/en/cloud/use-dify/build/additional-features)
- [Dify 官方：Knowledge Retrieval 输入、结果与引用](https://docs.dify.ai/en/cloud/use-dify/nodes/knowledge-retrieval)