Invalid relative Markdown image paths are repeatedly retried and block knowledge indexing

快速结论：该报错发生在 Dify 知识库流水线处理包含无效相对路径 Markdown 图片引用时。优先排查方向：核对待处理文档中的图片引用是否包含非绝对 HTTP(S) 协议路径，以及知识库流水线中 Markdown 文档的上传清单。核心英文报错为：Invalid relative Markdown image paths are repeatedly retried and block knowledge indexing。

适用环境：Dify 1.16.1（Self-hosted Kubernetes/Helm 部署，容器镜像基于 Dify 1.16.1）；已确认场景使用 Docker 自托管部署。

最快修复方案：暂无确认的一步修复方案。Issue 中提出的代码修改（在 _download_image 前增加 URL scheme 校验、下载前先去重）属于社区建议，尚未在 Issue 内提供经过验证的补丁或官方修复版本。

注意事项：此问题核心是处理包含大量相对路径图片引用的 Markdown 文档（如 9.35 MB、1772 个引用、886 个唯一路径）时，会触发完整的重试机制，阻塞队列。若需临时规避，可等待官方修复或考虑在上述代码修复合入前，先检查并预处理上传文档中的无效图片引用。

问题场景

用户在 Dify 知识库流水线中，通过本地文件数据源上传包含无效或不可用相对路径图片引用的 Markdown 文档。流水线包含本地文件数据源、Dify Extractor、父子分块节点、知识库输出节点。问题触发于处理大量（1,772 个）引用、且所有图片路径均为相对且不可用（缺失 http:// 或 https:// 协议）的 Markdown 文档场景。

报错原文

Request to URL document_images/<image>.jpg failed on attempt 1:
Request URL is missing an 'http://' or 'https://' protocol.

Request to URL document_images/<image>.jpg failed on attempt 2:
Request URL is missing an 'http://' or 'https://' protocol.

Request to URL document_images/<image>.jpg failed on attempt 3:
Request URL is missing an 'http://' or 'https://' protocol.

Request to URL document_images/<image>.jpg failed on attempt 4:
Request URL is missing an 'http://' or 'https://' protocol.

MaxRetriesExceededError:
Reached maximum retries (3) for URL document_images/<image>.jpg

原因分析

可能原因：IndexProcessorBase._get_content_files() 处理 Markdown 图片引用时，会先匹配 Dify 内部文件 URL 模式（如 /files/.../file-preview）。未匹配到内部模式的图片引用全部落入 _download_image() 分支，而该方法在发起 SSRF 代理请求前，没有校验目标 URL 是否为绝对 HTTP(S) 地址。无效相对路径在 SSRF 代理层触发最多 3 次重试（指数退避 0.5 秒、1 秒、2 秒）后才抛出 MaxRetriesExceededError。此外，下载循环没有预先去重，相同无效路径的重复出现会再次触发请求尝试。在单并发 Celery worker 场景下，后续文档会持续处于 Queuing 状态。

环境排查

Dify 版本是否为 1.16.1（或其他版本）
上传 Markdown 文档中的图片引用是否包含绝对 http:// 或 https:// 协议
图片引用是否被识别为 Dify 内部文件 URL（/files/.../file-preview 等模式）
文档中图片引用总量及唯一路径数量
Celery worker 并发配置（是否单并发）
相关底层文件：index_processor_base.py、remote_fetcher.py、SSRF 代理配置

解决步骤

代码层修复建议（可优先尝试）：在 api/core/rag/index_processor/index_processor_base.py 中，在 if current_user: 的回退分支前增加 URL scheme 校验。使用模块已导入的 urlparse 判断图片引用是否为绝对 HTTP(S) URL，非 HTTP(S) 或缺少 netloc 的引用跳过并记录 WARNING 日志。
下载前先去重（可优先尝试）：在下载循环之前对图片 URL 进行去重，循环结束后恢复重复项以保持 SegmentAttachmentBinding 计数正确。
临时规避方案：在上传前预处理 Markdown 文档，确保所有图片引用为有效的绝对 HTTP(S) URL，或直接移除文档中无效的相对图片引用。
等待官方修复：该问题需要官方合入代码补丁解决，可关注 Issue #41332 后续状态和 Dify 新版本发布。

验证方法

确认修复是否有效：上传包含大量无效相对图片引用的 Markdown 文档，观察 worker 日志不再出现大量 Request URL is missing an 'http://' or 'https://' protocol. 报错；文档创建和索引处理时间恢复正常范围；在单并发 Celery worker 场景下，后续上传的文档不再长时间处于 Queuing 状态。