犀牛鸟 2026 研究笔记 estelledc.github.io
首页 / 赛道研究 / RAG / 知识库

Ch33: Dify 源码走读——Workflow 与 RAG 引擎

Part 9: 四平台源码走读（Phase E） 前置：Ch16 Dify 精读、Ch32 大师通关 后续：Ch34 RAGFlow 源码

结论先行：Dify 的 RAG 实现在 api/core/rag/，业务编排落在 api/core/workflow/。大师读 Dify 应优先追踪 Workflow DAG 如何调用 KnowledgeRetrievalNode，而不是只读 Chat 封装。Dify 的护城河是「可视化编排 + Model Runtime」，RAG 是标准 BM25+向量双路——与 WeKnora 三路+RRF 互补，常见组合是 Dify 编排 + WeKnora 外部检索 HTTP 节点。

一、日常类比

Dify 像 宜家厨房样板间：预制柜体（节点）、说明书（Workflow DSL）、统一接口（Model Runtime）让你快速搭出「能用的」RAG 应用。WeKnora 像 专业后厨：刀工（解析）、三路备料（BM25/向量/图谱）、摆盘（Rerank）更细。大师要会选：展示 Demo 用宜家，竞赛改检索深度进后厨。

二、Commit / 版本 Pin 说明

项 建议
仓库 langgenius/dify
Docker langgenius/dify-api:0.15.x 或 clone 日 2026-06 对照 git log -1 --format=%ci
原因 api/core/workflow/nodes/ 与 core/rag/retrieval/ 在 0.14→0.15 间有目录微调 
git clone https://github.com/langgenius/dify.git
cd dify && git checkout $(git tag -l '0.15.*' | tail -1)   # 无 tag 则用 main + 记录 commit
cd docker && docker compose up -d
# 浏览器打开 :80，创建 Dataset + 最小 Workflow

走读前在笔记写：pin = tag/commit + 日期，PR 或实验结论必须可复现。

三、目录地图（RAG + Workflow）

路径 职责
api/controllers/console/ Console API 路由（Dataset、App、Workflow）
api/services/dataset_service.py 知识库 CRUD、文档索引任务派发
api/core/rag/retrieval/ VectorRetriever / KeywordRetriever / HybridRetriever
api/core/rag/splitter/ Fixed / Recursive / Auto 分块
api/core/rag/extractor/ PDF / Word / Markdown 抽取
api/core/workflow/graph/graph.py DAG 拓扑与执行调度
api/core/workflow/nodes/knowledge_retrieval/ 工作流内知识检索节点
api/core/model_runtime/ 100+ Provider 统一 invoke()
api/tasks/ Celery 异步摄入、Embedding

分工记忆：services/ = 业务编排与权限；core/rag/ = 算法与管线；core/workflow/ = 节点运行时。

四、一条具体调用链（Workflow 带知识库）

以 Console 触发「知识检索 → LLM」Workflow 为例（文件路径以 0.15.x 为锚）：

POST /console/api/.../workflows/run
  → api/controllers/console/app/workflow.py          # 接 HTTP
  → api/services/workflow_service.py                 # 加载 DSL、鉴权
  → api/core/workflow/graph/graph.py                 # GraphEngine.run()
  → api/core/workflow/nodes/knowledge_retrieval/node.py
       # 读 query 变量 → 调 RetrievalService
  → api/core/rag/retrieval/retrieval_service.py
  → api/core/rag/retrieval/hybrid.py                   # HybridRetriever.retrieve()
       # KeywordRetriever + VectorRetriever → 权重融合
  → api/core/rag/datasource/vdb/*                      # Qdrant / Weaviate 等
  → (下一节点) api/core/workflow/nodes/llm/node.py
  → api/core/model_runtime/model_providers/*/llm.py    # 生成答案

Chat 应用走 api/services/app_generate_service.py，最终仍复用 core/rag/retrieval/，但 变量分支与 if_else 只在 Workflow 路径完整暴露——故大师优先读 Workflow。

五、grep 起手式

cd dify/api
rg -n "class HybridRetriever" core/rag/retrieval/
rg -n "KnowledgeRetrieval" core/workflow/nodes/
rg -n "class GraphEngine" core/workflow/graph/
rg -l "RetrievalService" core/rag/ services/
rg "bm25_weight|vector_weight" core/rag/retrieval/ -n

对比 WeKnora 同题：Ch22 请求生命周期 — Handler→Service→HybridSearch；Dify 多一层 GraphEngine 节点调度。

六、与 WeKnora / Lab 对照

Dify 能力 WeKnora 可借鉴 Lab 验证
可视化 DAG + if_else 低分分支 文档化推荐工作流，不必先做 UI Ch37 C 组
HTTP 节点调外部检索 官方 API 作 Dify 后端 weknora-arch.md

案例：case-1774 ↔ Dify controllers→services 分层。

七、动手练习（45–60 分钟）

时段 任务
0–15 min Docker 起服务，UI 搭「知识检索 → LLM」Workflow
15–30 min DevTools 抓 run 请求，rg 定位 knowledge_retrieval/node.py
30–45 min 读 hybrid.py，记录 BM25/向量默认权重与是否支持 Rerank
45–60 min 上传 lab/corpus/weknora-arch.md，问 A1「错误码 E1042」类 query，写 5 行：Dify 混合检索 vs WeKnora RRF 差异

章末自检

延伸阅读