Dify 文档提取器节点完全指南：从零基础到实战

文档提取器节点是 Dify 工作流中的”文件翻译官”，它能把用户上传的 PDF、Word、TXT 等文档转换成 AI 能读懂的纯文本 。

想象一下：你上传了一份 PDF 合同想让 AI 帮你分析，但 AI 大模型（如 GPT、Claude）不能直接打开 PDF 文件。这时候就需要文档提取器节点先”阅读” PDF，把里面的文字提取出来，再传给 AI 处理。

核心作用：填补”文件上传”与”AI 理解”之间的鸿沟 。

一. 支持哪些文件格式？

文档提取器支持绝大多数常见的文本文档格式 ：

⚠️ 不支持：图片、音频、视频等二进制文件（这些需要其他处理方式）[ ^6^]

二. 参数配置

2.1 准备输入（前提条件）

在“文档提取器”之前，你的工作流中必须有一个文件上传的动作。

• 通常是在“开始节点”中开启“文件上传”功能。
• 或者由前面的节点产生了一个文件类型的变量。

2.2 选择变量

在文档提取器节点的配置面板中：

• 输入变量： 点击选择框，找到你上传的文件变量（通常显示为 sys.files 或你在开始节点定义的变量名）。

2.3 设置输出

该节点会自动将提取出的内容存放在一个名为 text 的变量中。你可以在后续的节点（比如大语言模型 LLM）中，通过 {{变量名.text}} 来引用这些文字。

💡 重要提示：如果输入是多文件（Array），输出是数组格式，通常需要配合列表操作节点（List Operator）进行后续处理 。、

三. 实战案例

做一个“PDF 摘要生成器”

1. 开始节点： 开启“文件上传”功能，限制格式为 PDF。
2. 添加“文档提取器”：
   • 输入： 选择刚才上传的文件。
3. 添加“LLM”节点：
   • 提示词： “以下是一段从文档中提取的内容，请帮我总结核心要点：{{文档提取器.text}}”。
4. 最后输出： 将 LLM 的总结结果返回给用户。

四. 注意事项

• 文件大小限制： 提取器处理超大文件（如几百页的 PDF）时，可能会触及 AI 模型的上下文长度限制。如果文件太长，建议先用“分段”处理。
• 图片处理： 普通的文档提取器主要针对文字。如果 PDF 里全是图片（扫描件），它可能提取不出内容，这时候需要带有 OCR（光学字符识别）能力的模型配合。
• 表格提取： 复杂的表格在转化为纯文本后，格式可能会稍微错乱，建议在后续 LLM 的提示词中加入“请仔细识别文本中的表格数据”来加强理解。

文档提取器 = 文件转文字工具。 只要涉及“让 AI 读文件”的场景，它几乎是必经之路。从简单的单文件问答到复杂的多文件混合处理，文档提取器都是构建文件交互型 AI 应用不可或缺的基础组件 。

© 文章版权归白小菌所有，🫰欢迎转发分享。未经允许请勿抄袭转载。