[Question]: No keyword or question was found in dataSet afer files loaded by customized ingestion pipeline

问题场景

用户在使用 RAGFlow 配置数据集（DataSet）时，启用了自定义 ingestion pipeline 来处理文档。处理完成后，日志中能够看到关键词（keywords）和问题（questions）的提取结果，但在最终生成的 chunk 数据中找不到这些字段，导致 UI 和 API 无法展示相关信息。

报错原文

[Question]: No keyword or question was found in dataSet afer files loaded by customized ingestion pipeline

原因分析

当使用自定义 ingestion pipeline 时，关键词和问题虽然已在日志中生成，但可能原因如下：

在最终 chunk 数据中，这些字段需要以 ‘important_kwd’ 和 ‘question_kwd’ 列表的形式存储。这个归一化过程由 Tokenizer 组件或在 pipeline 中的显式后处理逻辑完成。如果自定义 pipeline 缺少这一步骤或配置有误，chunk 中就不会包含预期的字段，即使上游日志显示提取成功。

环境排查

• 确认 RAGFlow 版本是否为最新或 Issue 讨论时对应的版本。
• 检查自定义 ingestion pipeline 的完整流程定义，确认是否包含 Tokenizer 步骤。
• 核查 parser 配置中的 auto_keywords 和 auto_questions 标志是否设置为开启状态。
• 确认自定义 pipeline 中是否有处理 ‘keywords’ 和 ‘questions’ 原始字段并将其转换为 ‘important_kwd’ 和 ‘question_kwd’ 的逻辑。

解决步骤

1. 检查自定义 ingestion pipeline 代码，确认在存储 chunk 之前是否调用了 Tokenizer 组件或等价逻辑。
2. 如果缺少 Tokenizer 步骤，在 pipeline 中加入该步骤，或编写等价的后处理逻辑。
3. 确保归一化逻辑完成以下操作：将 ‘keywords’ 转换为 ‘important_kwd’ 列表，将 ‘questions’ 转换为 ‘question_kwd’ 列表。
4. 删除原始字段 ‘keywords’ 和 ‘questions’，避免冗余数据。
5. 检查 parser 配置中的 auto_keywords 和 auto_questions 标志，确保它们已正确启用。
6. 重新运行 ingestion pipeline，并检查生成的 chunk 数据是否包含 ‘important_kwd’ 和 ‘question_kwd’ 字段。

验证方法

重新运行自定义 ingestion pipeline 后，检查最终生成的 chunk 数据。确认 ‘important_kwd’ 和 ‘question_kwd’ 列表已存在且包含预期的关键词和问题。同时，在 UI 或 API 中查看数据集详情，确认关键词和问题字段能够正常显示。

参考来源

infiniflow/ragflow #11474

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。