マルチモーダルナレッジベース (1.11.0)

状態: draft / バージョン: 1.11.0 (2025-12-11)

TL;DR

Difyは、あなたのKnowledge Baseでテキストと画像の両方を理解できるようになりました。

想定読者

• Dify 1.11.0 へのアップグレードを検討しているチーム
• Multimodal Knowledge Base 周辺の機能を業務で使うエンジニア／運用者

なぜ重要か

(執筆予定: この機能が解決する課題と運用上のインパクトを書く)

リリースノート抜粋

Difyは、あなたのナレッジベース内のテキストと画像の両方を理解できるようになりました。

以前は、エンベディングは単語のみを対象としていました。しかし、実際のドキュメントはどうでしょうか？それらはスクリーンショット、図、ミーム（正直に言って）、そして埋め込み画像を含むMarkdownでいっぱいです。今では、それらの視覚情報も考慮されるようになりました。

アウトライン（執筆予定）

1. これまでの課題

(執筆予定)

2. 1.11.0 で何が変わったか

(執筆予定 — 上記抜粋を整理)

3. 使い方 / 設定手順

(執筆予定)

4. 運用上の注意点・トレードオフ

(執筆予定)

5. 関連リンク

(執筆予定)

検証が必要な事項

• [ ] 関連 PR 番号の特定
• [ ] 公式 Docs の該当ページ
• [ ] 実際の挙動確認（Dify Cloud or self-host）
• [ ] 既知の制限事項

ソース:
- GitHub Release 1.11.0

本記事は非公式まとめです。正式仕様は Dify 公式ドキュメント をご確認ください。