【实战】Dify从0到100进阶--文档解读（8）文档列表节点

文档提取器节点（Document Extractor）

定义

文档提取器节点负责将上传的文档文件解析成可读的文本，供下游 LLM 节点或其他节点使用。它填补了 LLM 无法直接读取文件内容的空白。

输入变量

• File：单一文件
• Array[File]：文件数组

支持格式：TXT、Markdown、PDF、HTML、DOCX 等文本文档；不支持：图片、音频、视频等二进制多媒体格式。

输出变量

• text：
  • 当输入为 File 时，输出类型为 string，包含整个文档的文本内容。
  • 当输入为 Array[File] 时，输出类型为 array[string]，每个元素对应一个文件的提取文本。

核心流程

1. 上传文件 → “开始”节点产生 File/Array[File] 变量
2. 文档提取器 读取文件、抽取文本 → 输出 text
3. 后续节点（如 LLM、列表操作）使用 text 变量进行处理或问答

应用场景

• ChatPDF/ChatWord：用户上传 PDF 或 Word，系统自动提取后进行对话问答。
• 批量文档审核：上传多份合同或报告，提取文本后统一进行关键字检查或风险评估。

配置示例

1. 开始节点：允许上传单文件或多文件，输出变量命名为 docs。

2. 文档提取器节点：

   • 输入：选择 docs
   • 输出：自动生成 text（若多文件，则为 texts 数组）

3. LLM 节点：在提示中引用 ${text} 或遍历 ${texts}，实现对文档内容的理解与回答。

列表操作节点（List Operator）

定义

列表操作节点用于对数组类型的变量进行可视化、过滤、映射、拼接等常见操作，简化对 Array[T] 数据的批量处理。

支持功能

1. Filter（过滤）

   • 通过条件表达式筛选数组元素

2. Map（映射）

   • 对每个元素应用同一个表达式或模板，生成新数组

3. Reduce（汇总）

   • 对数组元素进行累积计算（如求和、拼接字符串等）

4. Split / Flatten（拆分/展平）

   • 将嵌套数组展平成单层，或按分隔符拆分字符串数组

5. Join（拼接）

   • 将数组元素按指定分隔符合并成一个字符串

输入与输出

• 输入变量：任意类型的数组，如 Array[string]、Array[object]
• 输出变量：新生成的数组或单一变量，名称可自定义（如 filtered, mapped, joinedText 等）

核心流程示例

操作类型	配置示例	作用
过滤	条件：item.score > 0.8	从知识检索结果中，只保留相似度大于 0.8 的条目
映射	模板：{{ item.title }}：{{ item.content }}	将对象数组变成一个文本数组，格式化每条内容
汇总	初始值：""，累加逻辑：acc + item + "\n"	将文本数组拼接成一个长字符串
展平	输入：nestedList	将多维数组 [[a,b],[c,d]] 转为 [a,b,c,d]
拼接	分隔符：","	将字符串数组 ["a","b","c"] 合并为 "a,b,c"

配置示例：知识检索后的流转

1. 文档提取器 得到 texts = [doc1, doc2, …]

2. 列表操作 – 映射

   • 输入：texts

   • 模板：

     ## 文档{{ loop.index }}  
     {{ item|truncate(200) }}
     

   • 输出：summaries（Array[string]）

3. 列表操作 – 拼接

   • 输入：summaries
   • 分隔符：\n\n---\n\n
   • 输出：fullReport（string）

4. LLM 在提示中使用 ${fullReport}，完成后续对话或生成最终报告