整合本地与互联网的搜索能力，借助大语言模型与自动化流程，智能检索系统的效率与精度得到了质的提升。面对信息量快速增长，依靠单一工具难以应对复杂的查询和数据整合需求，智能搜索工作流应运而生。本文以Dify搜索大师为案例，梳理了核心节点功能、工作流程与主要应用场景，重点介绍如何结合语言模型、条件分支和外部数据源，实现一站式的智能信息检索与批量问答自动化处理。文章目录智能信息检索核心模型Node节点工作流程应用场景开发与应用智能信息检索整合本地与网络搜索能力，结合大语言模型对查询内容进行处理、分析和输出，极大提升了复杂信息检索的自动化与智能化水平。整个流程以“Start”节点为起点，需要提前准备好搜索问题或指令，部分节点支持连接网络搜索引擎如 SearXNG，并可利用 HTTP Request 节点对外部接口进行扩展。流程中，LLM 节点负责解析与理解输入内容，结合模板节点和条件判断节点（IF/ELSE）实现多轮推理和自适应处理，JinaReader 等读取节点用于辅助获取结构化信息。最终，通过 Answer 节点输出整合后的结果，满足初学者对高效、准确搜索与知识获取的需求。核心模型模型名称说明LLM 1用于执行文本生成与搜索相关的自然语言处理任务的语言大模型。LLM 4用于执行文本生成与搜索相关的自然语言处理任务的语言大模型。Node节点节点名称说