Dify本地化部署，它默认不内置文档解析引擎的吗？

讨论
11

以下是问答环节的总结：

问题
用户 zhouciming 无法在 Dify 工作流中使用文档提取器节点从扫描版PDF中提取文本。尽管部署了本地 Unstructured 服务并在 .env 和 docker-compose.yaml 中配置了 ETL_TYPE=Unstructured（以及 OCR 环境变量），但输出仍然为空。

诊断
社区成员 kurokobo 阐明了原生配置的局限性：

  1. 设置范围： .env 中的 ETL_TYPE=Unstructured 设置主要用于知识库索引（数据集上传），而不是工作流中的运行时“文档提取器”节点。
  2. PDF处理： 即使在知识库中，Dify 也经常默认使用 pypdfium2 处理 PDF，无论 ETL_TYPE 设置如何，这意味着 Unstructured 服务（及其 OCR）未被调用。
  3. 文档与实际情况： 用户指出 .env 注释中提到了 Unstructured 对“针对 pptx 的文档提取器节点”的支持，这证实了其在工作流节点中对其他文件类型（如 PDF）的应用默认不受支持。

解决方案 / 变通方法
若要在工作流中对扫描版PDF执行OCR：

  • 建议： 不要使用原生文档提取器节点，而应使用 Unstructured 插件（可在 Dify 应用市场中获取）或其他社区创建的 OCR 工具。
  • 原因： 插件允许明确配置处理策略（例如，启用 OCR），而原生节点不通过全局环境变量暴露或遵守这些策略。