更新知识库 - Dify Docs

patch/datasets/{dataset_id}

Request example

curl --request PATCH \
  --url https://api.dify.ai/v1/datasets/{dataset_id} \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
  "description": "<string>",
  "embedding_model": "<string>",
  "embedding_model_provider": "<string>",
  "external_knowledge_api_id": "<string>",
  "external_knowledge_id": "<string>",
  "external_retrieval_model": {
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "top_k": 1
  },
  "indexing_technique": "high_quality",
  "name": "<string>",
  "partial_member_list": [
    {
      "user_id": "<string>"
    }
  ],
  "permission": "only_me",
  "retrieval_model": {
    "metadata_filtering_conditions": {
      "conditions": [
        {
          "comparison_operator": "contains",
          "name": "<string>",
          "value": "<string>"
        }
      ],
      "logical_operator": "and"
    },
    "reranking_enable": true,
    "reranking_mode": "reranking_model",
    "reranking_model": {
      "reranking_model_name": "<string>",
      "reranking_provider_name": "<string>"
    },
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "search_method": "keyword_search",
    "top_k": 1,
    "weights": {
      "keyword_setting": {
        "keyword_weight": 1
      },
      "vector_setting": {
        "embedding_model_name": "<string>",
        "embedding_provider_name": "<string>",
        "vector_weight": 1
      },
      "weight_type": "semantic_first"
    }
  }
}'

import requests

url = "https://api.dify.ai/v1/datasets/{dataset_id}"
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json",
}
payload = {
    "description": "<string>",
    "embedding_model": "<string>",
    "embedding_model_provider": "<string>",
    "external_knowledge_api_id": "<string>",
    "external_knowledge_id": "<string>",
    "external_retrieval_model": {
        "score_threshold": 1,
        "score_threshold_enabled": True,
        "top_k": 1
    },
    "indexing_technique": "high_quality",
    "name": "<string>",
    "partial_member_list": [
        {
            "user_id": "<string>"
        }
    ],
    "permission": "only_me",
    "retrieval_model": {
        "metadata_filtering_conditions": {
            "conditions": [
                {
                    "comparison_operator": "contains",
                    "name": "<string>",
                    "value": "<string>"
                }
            ],
            "logical_operator": "and"
        },
        "reranking_enable": True,
        "reranking_mode": "reranking_model",
        "reranking_model": {
            "reranking_model_name": "<string>",
            "reranking_provider_name": "<string>"
        },
        "score_threshold": 1,
        "score_threshold_enabled": True,
        "search_method": "keyword_search",
        "top_k": 1,
        "weights": {
            "keyword_setting": {
                "keyword_weight": 1
            },
            "vector_setting": {
                "embedding_model_name": "<string>",
                "embedding_provider_name": "<string>",
                "vector_weight": 1
            },
            "weight_type": "semantic_first"
        }
    }
}

response = requests.request("PATCH", url, headers=headers, json=payload)

print(response.text)

const response = await fetch('https://api.dify.ai/v1/datasets/{dataset_id}', {
  method: 'PATCH',
  headers: {
    'Authorization': 'Bearer <token>',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    "description": "<string>",
    "embedding_model": "<string>",
    "embedding_model_provider": "<string>",
    "external_knowledge_api_id": "<string>",
    "external_knowledge_id": "<string>",
    "external_retrieval_model": {
      "score_threshold": 1,
      "score_threshold_enabled": true,
      "top_k": 1
    },
    "indexing_technique": "high_quality",
    "name": "<string>",
    "partial_member_list": [
      {
        "user_id": "<string>"
      }
    ],
    "permission": "only_me",
    "retrieval_model": {
      "metadata_filtering_conditions": {
        "conditions": [
          {
            "comparison_operator": "contains",
            "name": "<string>",
            "value": "<string>"
          }
        ],
        "logical_operator": "and"
      },
      "reranking_enable": true,
      "reranking_mode": "reranking_model",
      "reranking_model": {
        "reranking_model_name": "<string>",
        "reranking_provider_name": "<string>"
      },
      "score_threshold": 1,
      "score_threshold_enabled": true,
      "search_method": "keyword_search",
      "top_k": 1,
      "weights": {
        "keyword_setting": {
          "keyword_weight": 1
        },
        "vector_setting": {
          "embedding_model_name": "<string>",
          "embedding_provider_name": "<string>",
          "vector_weight": 1
        },
        "weight_type": "semantic_first"
      }
    }
  })
});

const data = await response.json();
console.log(data);

<?php

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => 'https://api.dify.ai/v1/datasets/{dataset_id}',
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_CUSTOMREQUEST => 'PATCH',
  CURLOPT_POSTFIELDS => '{
  "description": "<string>",
  "embedding_model": "<string>",
  "embedding_model_provider": "<string>",
  "external_knowledge_api_id": "<string>",
  "external_knowledge_id": "<string>",
  "external_retrieval_model": {
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "top_k": 1
  },
  "indexing_technique": "high_quality",
  "name": "<string>",
  "partial_member_list": [
    {
      "user_id": "<string>"
    }
  ],
  "permission": "only_me",
  "retrieval_model": {
    "metadata_filtering_conditions": {
      "conditions": [
        {
          "comparison_operator": "contains",
          "name": "<string>",
          "value": "<string>"
        }
      ],
      "logical_operator": "and"
    },
    "reranking_enable": true,
    "reranking_mode": "reranking_model",
    "reranking_model": {
      "reranking_model_name": "<string>",
      "reranking_provider_name": "<string>"
    },
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "search_method": "keyword_search",
    "top_k": 1,
    "weights": {
      "keyword_setting": {
        "keyword_weight": 1
      },
      "vector_setting": {
        "embedding_model_name": "<string>",
        "embedding_provider_name": "<string>",
        "vector_weight": 1
      },
      "weight_type": "semantic_first"
    }
  }
}',
  CURLOPT_HTTPHEADER => [
    'Authorization: Bearer <token>',
    'Content-Type: application/json',
  ],
]);

$response = curl_exec($curl);
curl_close($curl);

echo $response;

package main

import (
	"fmt"
	"io"
	"net/http"
	"strings"
)

func main() {
	url := "https://api.dify.ai/v1/datasets/{dataset_id}"
	payload := strings.NewReader("{\n  \"description\": \"<string>\",\n  \"embedding_model\": \"<string>\",\n  \"embedding_model_provider\": \"<string>\",\n  \"external_knowledge_api_id\": \"<string>\",\n  \"external_knowledge_id\": \"<string>\",\n  \"external_retrieval_model\": {\n    \"score_threshold\": 1,\n    \"score_threshold_enabled\": true,\n    \"top_k\": 1\n  },\n  \"indexing_technique\": \"high_quality\",\n  \"name\": \"<string>\",\n  \"partial_member_list\": [\n    {\n      \"user_id\": \"<string>\"\n    }\n  ],\n  \"permission\": \"only_me\",\n  \"retrieval_model\": {\n    \"metadata_filtering_conditions\": {\n      \"conditions\": [\n        {\n          \"comparison_operator\": \"contains\",\n          \"name\": \"<string>\",\n          \"value\": \"<string>\"\n        }\n      ],\n      \"logical_operator\": \"and\"\n    },\n    \"reranking_enable\": true,\n    \"reranking_mode\": \"reranking_model\",\n    \"reranking_model\": {\n      \"reranking_model_name\": \"<string>\",\n      \"reranking_provider_name\": \"<string>\"\n    },\n    \"score_threshold\": 1,\n    \"score_threshold_enabled\": true,\n    \"search_method\": \"keyword_search\",\n    \"top_k\": 1,\n    \"weights\": {\n      \"keyword_setting\": {\n        \"keyword_weight\": 1\n      },\n      \"vector_setting\": {\n        \"embedding_model_name\": \"<string>\",\n        \"embedding_provider_name\": \"<string>\",\n        \"vector_weight\": 1\n      },\n      \"weight_type\": \"semantic_first\"\n    }\n  }\n}")

	req, _ := http.NewRequest("PATCH", url, payload)
	req.Header.Add("Authorization", "Bearer <token>")
	req.Header.Add("Content-Type", "application/json")

	res, _ := http.DefaultClient.Do(req)
	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(string(body))
}

HttpRequest request = HttpRequest.newBuilder()
    .uri(URI.create("https://api.dify.ai/v1/datasets/{dataset_id}"))
    .header("Authorization", "Bearer <token>")
    .header("Content-Type", "application/json")
    .method("PATCH", HttpRequest.BodyPublishers.ofString("{\n  \"description\": \"<string>\",\n  \"embedding_model\": \"<string>\",\n  \"embedding_model_provider\": \"<string>\",\n  \"external_knowledge_api_id\": \"<string>\",\n  \"external_knowledge_id\": \"<string>\",\n  \"external_retrieval_model\": {\n    \"score_threshold\": 1,\n    \"score_threshold_enabled\": true,\n    \"top_k\": 1\n  },\n  \"indexing_technique\": \"high_quality\",\n  \"name\": \"<string>\",\n  \"partial_member_list\": [\n    {\n      \"user_id\": \"<string>\"\n    }\n  ],\n  \"permission\": \"only_me\",\n  \"retrieval_model\": {\n    \"metadata_filtering_conditions\": {\n      \"conditions\": [\n        {\n          \"comparison_operator\": \"contains\",\n          \"name\": \"<string>\",\n          \"value\": \"<string>\"\n        }\n      ],\n      \"logical_operator\": \"and\"\n    },\n    \"reranking_enable\": true,\n    \"reranking_mode\": \"reranking_model\",\n    \"reranking_model\": {\n      \"reranking_model_name\": \"<string>\",\n      \"reranking_provider_name\": \"<string>\"\n    },\n    \"score_threshold\": 1,\n    \"score_threshold_enabled\": true,\n    \"search_method\": \"keyword_search\",\n    \"top_k\": 1,\n    \"weights\": {\n      \"keyword_setting\": {\n        \"keyword_weight\": 1\n      },\n      \"vector_setting\": {\n        \"embedding_model_name\": \"<string>\",\n        \"embedding_provider_name\": \"<string>\",\n        \"vector_weight\": 1\n      },\n      \"weight_type\": \"semantic_first\"\n    }\n  }\n}"))
    .build();

HttpResponse<String> response = HttpClient.newHttpClient()
    .send(request, HttpResponse.BodyHandlers.ofString());

System.out.println(response.body());

require 'uri'
require 'net/http'

url = URI('https://api.dify.ai/v1/datasets/{dataset_id}')

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = url.scheme == 'https'

request = Net::HTTP::Patch.new(url)
request['Authorization'] = 'Bearer <token>'
request['Content-Type'] = 'application/json'
request.body = '{
  "description": "<string>",
  "embedding_model": "<string>",
  "embedding_model_provider": "<string>",
  "external_knowledge_api_id": "<string>",
  "external_knowledge_id": "<string>",
  "external_retrieval_model": {
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "top_k": 1
  },
  "indexing_technique": "high_quality",
  "name": "<string>",
  "partial_member_list": [
    {
      "user_id": "<string>"
    }
  ],
  "permission": "only_me",
  "retrieval_model": {
    "metadata_filtering_conditions": {
      "conditions": [
        {
          "comparison_operator": "contains",
          "name": "<string>",
          "value": "<string>"
        }
      ],
      "logical_operator": "and"
    },
    "reranking_enable": true,
    "reranking_mode": "reranking_model",
    "reranking_model": {
      "reranking_model_name": "<string>",
      "reranking_provider_name": "<string>"
    },
    "score_threshold": 1,
    "score_threshold_enabled": true,
    "search_method": "keyword_search",
    "top_k": 1,
    "weights": {
      "keyword_setting": {
        "keyword_weight": 1
      },
      "vector_setting": {
        "embedding_model_name": "<string>",
        "embedding_provider_name": "<string>",
        "vector_weight": 1
      },
      "weight_type": "semantic_first"
    }
  }
}'

response = http.request(request)
puts response.read_body

Response

{
  "app_count": 0,
  "author_name": "admin",
  "built_in_field_enabled": true,
  "chunk_structure": null,
  "created_at": 1741267200,
  "created_by": "ad313dd6-ef04-4dd1-a5b0-c0f0b9e2e7e4",
  "data_source_type": null,
  "description": "产品 API 技术文档",
  "doc_form": "text_model",
  "doc_metadata": [],
  "document_count": 0,
  "embedding_available": true,
  "embedding_model": "text-embedding-3-small",
  "embedding_model_provider": "langgenius/openai/openai",
  "enable_api": true,
  "external_knowledge_info": null,
  "external_retrieval_model": null,
  "icon_info": null,
  "id": "c42e2a6e-40b3-4330-96f8-f1e4d768e8c9",
  "indexing_technique": "high_quality",
  "is_multimodal": false,
  "is_published": false,
  "maintainer": "admin",
  "name": "Product Documentation",
  "partial_member_list": [],
  "permission": "only_me",
  "pipeline_id": null,
  "provider": "vendor",
  "retrieval_model_dict": {
    "reranking_enable": false,
    "reranking_mode": null,
    "reranking_model": {
      "reranking_model_name": "",
      "reranking_provider_name": ""
    },
    "score_threshold": null,
    "score_threshold_enabled": false,
    "search_method": "semantic_search",
    "top_k": 3,
    "weights": null
  },
  "runtime_mode": null,
  "summary_index_setting": null,
  "tags": [],
  "total_available_documents": 0,
  "total_documents": 0,
  "updated_at": 1741267200,
  "updated_by": "ad313dd6-ef04-4dd1-a5b0-c0f0b9e2e7e4",
  "word_count": 0
}

{
  "code": "invalid_param",
  "message": "No Embedding Model available. Please configure a valid provider in the Settings -> Model Provider.",
  "status": 400
}

{
  "code": "forbidden",
  "message": "Dataset api access is not enabled.",
  "status": 403
}

{
  "code": "forbidden",
  "message": "Sorry, you have reached the knowledge base request rate limit of your subscription.",
  "status": 403
}

{
  "code": "forbidden",
  "message": "The API key is not authorized to access this knowledge base.",
  "status": 403
}

{
  "code": "not_found",
  "message": "Dataset not found.",
  "status": 404
}

patch/datasets/{dataset_id}

Authorization

Authorizationstringheaderrequired#

每个请求都通过 API Key 认证：Authorization: Bearer {API_KEY}。应用接口使用应用 API Key，知识库接口使用知识库 API Key（快速开始）。

API Key 应保存在服务端，切勿嵌入客户端代码。缺失或无效的 Key 会返回 HTTP 401（unauthorized）。

Path parameters

dataset_idstringrequired#

知识库 ID，通过获取知识库列表获取。使用限定范围的密钥时，从 Dify 页面 URL 复制 ID。

Body

application/json

descriptionstring#

知识库描述。

Length: max 400

embedding_modelstring#

嵌入模型名称。使用获取可用模型中 model_type=text-embedding 返回的 model 字段值。

embedding_model_providerstring#

嵌入模型供应商标识符，格式为 organization/plugin_name/provider_name（例如 langgenius/openai/openai）。openai 这类简写会展开为 langgenius/<name>/<name>，仅对 langgenius 发布的插件有效。

有效取值从获取可用模型中 model_type=text-embedding 返回的 provider 字段获取。

external_knowledge_api_idstring#

外部知识库 API 连接的 ID。

external_knowledge_idstring#

外部知识库的 ID。

external_retrieval_modelobject#

外部知识库的检索设置。

Show child attributes

score_thresholdnumber#

用于过滤结果的最低相关性分数阈值。

score_threshold_enabledboolean#

是否启用分数阈值过滤。

top_kinteger#

返回的最大结果数。

indexing_techniqueenum<string>#

high_quality 使用嵌入模型进行精确搜索；economy 使用基于关键词的索引。

Options:high_qualityeconomy

namestring#

知识库名称。

Length: 1–40

partial_member_listobject[]#

当 permission 为 partial_members 时有访问权限的团队成员列表。

Show child attributes

user_idstring#

要授予访问权限的团队成员 ID。

permissionenum<string>#

控制谁可以访问此知识库。only_me 仅限创建者，all_team_members 授权整个工作区访问，partial_members 授权指定成员访问。

Options:only_meall_team_memberspartial_members

retrieval_modelobject#

Show child attributes

metadata_filtering_conditionsobject#

仅检索文档元数据匹配指定条件的分段。条件由服务端基于文档元数据字段评估。

Show child attributes

conditionsobject[]#

要评估的元数据条件列表。

Show child attributes

comparison_operatorenum<string>required#

按元数据类型选择要应用的比较方式：

字符串或数组类型元数据：contains、not contains、start with、end with、is、is not、empty、not empty、in、not in
数值类型元数据：=、≠、>、<、≥、≤
时间类型元数据：before、after

Options:containsnot containsstart withend withisis notemptynot emptyinnot in=≠><≥≤beforeafter

namestringrequired#

用于比较的元数据字段名称。

valuestring · string[] · number#

用于比较的值。类型取决于 comparison_operator：大多数字符串运算符使用字符串；in 和 not in 使用字符串数组；数值运算符使用数字；empty 和 not empty 时省略。

logical_operatorenum<string>#

多个条件之间的组合方式。

Default: "and"

Options:andor

reranking_enablebooleanrequired#

是否启用重排序。

reranking_modeenum<string>#

重排序模式。当 reranking_enable 为 true 时必填。

Options:reranking_modelweighted_score

reranking_modelobject#

重排序模型配置。

Show child attributes

reranking_model_namestring#

重排序模型名称。

reranking_provider_namestring#

重排序模型供应商标识符，格式为 organization/plugin_name/provider_name（例如 langgenius/cohere/cohere）。cohere 这类简写会展开为 langgenius/<name>/<name>，仅对 langgenius 发布的插件有效。

有效取值从获取可用模型中 model_type=rerank 返回的 provider 字段获取。

score_thresholdnumber#

结果的最低相关性分数。仅在 score_threshold_enabled 为 true 时生效。

score_threshold_enabledbooleanrequired#

是否启用分数阈值过滤。

search_methodenum<string>required#

用于检索的搜索方法。

Options:keyword_searchsemantic_searchfull_text_searchhybrid_search

top_kintegerrequired#

返回的最大结果数。

weightsobject#

混合搜索的权重配置。

Show child attributes

keyword_settingobject#

关键词搜索权重设置。

Show child attributes

keyword_weightnumber#

分配给关键词搜索结果的权重。

vector_settingobject#

语义搜索权重设置。

Show child attributes

embedding_model_namestring#

用于向量搜索的嵌入模型名称。

embedding_provider_namestring#

用于向量搜索的嵌入模型供应商。

vector_weightnumber#

分配给语义（向量）搜索结果的权重。

weight_typeenum<string>#

平衡语义搜索和关键词搜索权重的策略。

Options:semantic_firstkeyword_firstcustomized

Responses

application/json

知识库更新成功。

app_countinteger#

当前使用该知识库的应用数量。

author_namestring#

创建者的显示名称。

built_in_field_enabledboolean#

是否启用内置元数据字段（例如 document_name、uploader）。

chunk_structurestring#

分段结构配置。

created_atnumber#

创建时间戳（Unix 纪元，单位为秒）。

created_bystring#

创建该知识库的用户 ID。

data_source_typestring#

文档的数据源类型，尚未配置时为 null。

descriptionstring#

描述知识库用途或内容的可选文本。

doc_formstring#

文档分块模式。text_model 表示标准文本分块，hierarchical_model 表示父子结构，qa_model 表示问答对提取。

doc_metadataobject[]#

知识库的元数据字段定义。

Show child attributes

idstring#

元数据字段标识符。

namestring#

元数据字段名称。

typestring#

元数据字段值类型。

document_countinteger#

知识库中的文档总数。

embedding_availableboolean#

配置的嵌入模型当前是否可用。

embedding_modelstring#

用于索引的嵌入模型名称。

embedding_model_providerstring#

嵌入模型供应商标识符，格式为 organization/plugin_name/provider_name（例如 langgenius/openai/openai）。旧版知识库可能返回简写形式（例如 openai）。

enable_apiboolean#

该知识库是否启用 API 访问。

external_knowledge_infoobject#

外部知识库的连接详情。当 provider 为 external 时存在。

Show child attributes

external_knowledge_api_endpointstring#

外部知识库 API 的端点 URL。

external_knowledge_api_idstring#

外部知识库 API 连接的 ID。

external_knowledge_api_namestring#

外部知识库 API 的显示名称。

external_knowledge_idstring#

外部知识库的 ID。

external_retrieval_modelobject#

外部知识库的检索设置。内部知识库时为 null。

Show child attributes

score_thresholdnumber#

最低相关性得分阈值。

score_threshold_enabledboolean#

是否启用分数阈值过滤。

top_kinteger#

从外部知识库返回的最大结果数量。

icon_infoobject#

知识库的图标显示配置。

Show child attributes

iconstring#

图标标识符或表情符号。

icon_backgroundstring#

图标的背景颜色。

icon_typestring#

图标类型。

icon_urlstring#

自定义图标图片的 URL。

idstring#

知识库的唯一标识符。

indexing_techniquestring#

high_quality 使用嵌入模型进行精确搜索；economy 使用基于关键词的索引。

is_multimodalboolean#

是否启用多模态内容处理。

is_publishedboolean#

知识库是否已发布。

maintainerstring#

知识库维护者的显示名称。未设置时为 null。

namestring#

知识库的显示名称。在工作区内唯一。

partial_member_liststring[]#

当 permission 为 partial_members 时被授予访问权限的成员账户 ID。更新响应中始终返回；详情响应中仅当 permission 为 partial_members 时返回。

permissionstring#

控制谁可以访问此知识库。可选值：only_me、all_team_members、partial_members。

pipeline_idstring#

自定义处理流水线的 ID（如果已配置）。

providerstring#

供应商类型。内部管理为 vendor，外部知识库连接为 external。

retrieval_model_dictobject#

知识库的检索配置。

Show child attributes

reranking_enableboolean#

是否启用重排序。

reranking_modestring#

重排序模式。reranking_model 表示基于模型的重排序，weighted_score 表示基于分数的加权。重排序禁用时为 null。

reranking_modelobject#

重排序模型配置。

Show child attributes

reranking_model_namestring#

重排序模型名称。

reranking_provider_namestring#

重排序模型供应商标识符，格式为 organization/plugin_name/provider_name（例如 langgenius/cohere/cohere）。旧版知识库可能返回简写形式（例如 cohere）。

score_thresholdnumber#

结果的最低相关性分数。仅在 score_threshold_enabled 为 true 时生效。

score_threshold_enabledboolean#

是否启用分数阈值过滤。

search_methodstring#

用于检索的搜索方式。keyword_search 表示关键词匹配，semantic_search 表示基于嵌入的语义相似度，full_text_search 表示全文索引，hybrid_search 表示语义和关键词混合搜索。

top_kinteger#

返回的最大结果数。

weightsobject#

混合搜索的权重配置。

Show child attributes

keyword_settingobject#

关键词搜索权重设置。

Show child attributes

keyword_weightnumber#

分配给关键词搜索结果的权重。

vector_settingobject#

语义搜索权重设置。

Show child attributes

embedding_model_namestring#

用于向量搜索的嵌入模型名称。

embedding_provider_namestring#

用于向量搜索的嵌入模型供应商。

vector_weightnumber#

分配给语义（向量）搜索结果的权重。

weight_typestring#

平衡语义搜索和关键词搜索权重的策略。

runtime_modestring#

运行时处理模式。

summary_index_settingobject#

摘要索引配置。

Show child attributes

enableboolean#

是否已启用摘要索引。

model_namestring#

用于生成摘要的模型名称。

model_provider_namestring#

摘要生成模型的供应商。

summary_promptstring#

用于摘要生成的提示词模板。

tagsobject[]#

与该知识库关联的标签。

Show child attributes

idstring#

标签标识符。

namestring#

Tag name.

typestring#

标签类型。知识库标签始终为 knowledge。

total_available_documentsinteger#

已启用且可用的文档数量。

total_documentsinteger#

文档总数。

updated_atnumber#

最后更新时间戳（Unix 纪元，单位为秒）。

updated_bystring#

最后更新该知识库的用户 ID。

word_countinteger#

所有文档的总字数。

获取知识库详情删除知识库