[Bug] Service API / console segment update clears attachments when attachment_ids is omitted

问题场景

在 Dify 中创建包含一个或多个附件（即数据库中 SegmentAttachmentBinding 记录）的知识库分段后，调用 Service API 或控制台的“更新分段”接口，并只传入修改后的 content 文本（未携带 attachment_ids）。保存后重新加载分段，附件丢失，且启用了多模态检索的向量数据也被清空。

报错原文

[Bug] Service API / console segment update clears attachments when attachment_ids is omitted

SegmentUpdateArgs.attachment_ids defaults to None.
VectorService.update_multimodel_vector(segment, args.attachment_ids or [], dataset, session=session)
None or [] becomes [].
update_multimodel_vector treats that as a full replace with an empty set, deletes existing bindings (and multimodal vectors when enabled).

原因分析

可能原因（已获维护者确认）：update_segment 流程中无条件调用了向量更新函数。由于 SegmentUpdateArgs.attachment_ids 的默认值是 None，代码中 args.attachment_ids or [] 会把“未传该字段”和“显式传入空数组”两种情况都折叠成 []。当 update_multimodel_vector 收到空列表并与当前已有绑定对比时，发现不一致，便将其视为“全量替换为空集”，从而删除现有附件绑定及其多模态向量并直接返回。因此，仅修改 content 的部分更新也会将附件清空。这与 #41315 中 QA 的 answer 字段省略问题属于同一类“部分更新歧义”缺陷。

环境排查

• Dify 版本：main 分支（1.17.x），请确认是否包含 #41774 的修复提交。
• 部署方式：Self Hosted (Docker)。
• 相关代码位置：api/services/entities/knowledge_entities/knowledge_entities.py 中 attachment_ids 字段定义；api/services/dataset_service.py 中 update_segment 调用逻辑；api/services/vector_service.py 中 update_multimodel_vector 的实现。
• 若更新请求中包含其他字段（如 keyword），同样受该逻辑影响，需要一并排查。

解决步骤

1. 临时规避（可优先尝试）：在调用更新接口时，始终保持显式传入原有 attachment_ids 列表（不允许为空数组）。若不确定原值，可先查询分段详情确认当前绑定 ID。
2. 检查调用日志：在出现附件被清空的时间点，确认请求体中是否确实未包含 attachment_ids 字段。
3. 若已触发清空：检查数据库表中分段附件是否仍可恢复（如通过备份或事件日志）。Dify 界面中通常无法直接还原，需重新上传附件。
4. 修复方向（基于 Issue 讨论，可优先尝试）：后端应在更新前判断 attachment_ids 是否在请求中被显式提供，例如通过 model_fields_set 或哨兵默认值区分“未传”与“传空数组”。仅当显式传入时才调用 update_multimodel_vector；当字段被省略时，应保留现有绑定不作处理。
5. 关注上游修复 PR：跟踪 #41774 中维护者的修复进展，在修复版本发布后进行升级。正式修复前可在自己分叉的代码中应用上述逻辑改动。

验证方法

执行一次只修改 content、不携带 attachment_ids 的更新请求，随后重新查询该分段的附件绑定（如通过 Service API 获取分段详情或直接查 SegmentAttachmentBinding 表）。确认附件与多模态向量记录仍然存在，即表示问题已修复或规避成功。

参考来源

langgenius/dify #41774

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。