菜鸟教程给出的完整可复现部署案例：把分散在 HR 政策 PDF、产品手册 Word、技术 Wiki Markdown 的文档汇成一个内部知识库，员工用自然语言提问、回答带来源；检索参数给出了具体起步值（混合检索、相似度阈值 0.6、Top 5），并按问题给了调优表。价值不在“大企业背书”，在于步骤与参数可照抄复现。
适用场景：中小公司第一套内部知识问答的照抄模板
案例 Dify 内部知识库 HR 参数示例
操作步骤
- 文档预处理：删页眉页脚与无关信息、标题清晰、长文档按主题拆分（案例原文的质量技巧）
- Dify 建知识库并上传三类文档，选高质量索引模式等待向量化
- 建 Chatbot 应用，System Prompt 写明“只据知识库回答、注明来源、没有就直说并建议联系对应部门”
- 检索配置：混合检索、阈值 0.6、Top 5；用案例的测试题验收——“年假怎么申请”（应命中 HR）、“产品 A 定价”（应命中手册）、“文档里没有的 CEO 问题”（应诚实拒答）
- 调优对照表：答不准→降阈值至 0.5 并加召回数；答不相关→升阈值至 0.7 并查分块；答不全→加大分块
- 发布：嵌入内部 Wiki/Intranet，或用 Dify 应用 API 接入自有系统
接入本站 API：照第 1 条把 Dify 的 LLM 与 Embedding 都指向 LIN API 后，整个案例的推理与向量化都跑在 LIN 的 Key 上；案例里的模型建议（原文举例 Claude/GPT 系）直接换成 LIN 模型列表中的等档模型 ID 即可。
注意事项
- ⚠️ 测试题只测“有答案”的问题，不测拒答——上线后遇到库外问题就编
- ⚠️ 阈值照抄 0.6 不复测：该值与 Embedding 模型强相关，换了向量模型必须用自己的问题集重调