Skip to main content
⚠️ 本文档由 AI 自动翻译。如有任何不准确之处,请参考英文原版
在知识流水线中,知识库节点支持两种多模态数据格式的入参:multimodal-Parent-Childmultimodal-General 开发用于多模态数据处理的工具插件时,若希望插件输出的多模态数据(如文字、图片、音视频等)能够被知识库节点正确识别并向量化,需要完成以下配置:
  • 在工具代码中,调用接口上传并构造文件对象 files
  • 在工具提供者 YAML 文件中,将 output_schema 声明为 multimodal-Parent-Childmultimodal-General

上传并构造文件对象

在处理多模态数据(如图片)时,需要先通过 Dify 的工具会话接口上传文件,以获取文件元数据。 下面以 Dify 官方插件 Dify Extractor 为例,展示如何上传文件并构造文件对象。
上传接口会返回一个 UploadFileResponse 对象,包含文件的基本信息:
根据其结构,可将文件信息(如 name, size, extension, mime_type 等)映射到多模态输出结构中的 files 字段。

声明多模态输出结构

多模态数据的结构由 Dify 官方提供的 JSON Schema 定义。 为了让知识库节点识别插件的多模态输出类型,需在插件的提供者 YAML 文件中将 output_schemaresult 字段指向对应的官方 Schema URL。
multimodal-Parent-Child 为例,一个完整的 YAML 文件配置如下: