Dataset（models/dataset.py:165）存的是"整个知识库级别"的配置——决定这库里所有文档怎么被索引、怎么被检索：

# models/dataset.py:165
class Dataset(Base):
    __tablename__ = "datasets"
    id: Mapped[str] = mapped_column(StringUUID, default=lambda: str(uuid4()))
    tenant_id: Mapped[str] = mapped_column(StringUUID)                 # ★ 属于哪个租户（隔离）
    name: Mapped[str] = mapped_column(String(255))
    permission: Mapped[DatasetPermissionEnum] = mapped_column(...)     # only_me / team...
    indexing_technique = mapped_column(...)                           # ★ high_quality / economy（Day13）
    embedding_model = mapped_column(sa.String(255), nullable=True)     # ★ 用哪个 embedding 模型
    embedding_model_provider = mapped_column(sa.String(255), nullable=True)
    collection_binding_id = mapped_column(StringUUID, nullable=True)   # ★ 绑定到向量库哪个 collection
    retrieval_model = mapped_column(AdjustedJSON, nullable=True)       # ★ 检索设置（Day14：方式/top_k/rerank）
    is_multimodal = mapped_column(sa.Boolean, default=False, ...)

Document（models/dataset.py:497）记录一份上传文档的来源和"处理进度"，字段清一色带时间戳——这就是 Day13 那条状态机的存储：

# models/dataset.py:497
class Document(Base):
    __tablename__ = "documents"
    dataset_id = mapped_column(StringUUID, nullable=False)             # ★ 属于哪个知识库
    position: Mapped[int]                                              # 在库里的序号
    data_source_type: Mapped[str] = mapped_column(...)                # upload_file / notion / web...
    dataset_process_rule_id = mapped_column(StringUUID, nullable=True) # ★ 用哪套切分规则（Day13）
    batch: Mapped[str]                                                 # 同一批上传的文档
    name: Mapped[str]
    # —— 处理进度：一个工位一个时间戳 ——
    processing_started_at = ...
    parsing_completed_at = ...       # 抽取完成
    cleaning_completed_at = ...      # 清洗完成
    splitting_completed_at = ...     # 切分完成
    tokens = ...; indexing_latency = ...; completed_at = ...          # 索引完成
    indexing_status = mapped_column(..., server_default="'waiting'")  # ★ 状态机当前状态
    enabled: Mapped[bool] = ...      # 启用/禁用（禁用则不参与检索）
    doc_form: Mapped[IndexStructureType] = ...                        # ★ 普通/父子/QA（Day13 选处理器靠它）
    error = mapped_column(LongText, nullable=True)                    # 失败原因

DocumentSegment（models/dataset.py:843）是 Day13 切出来、Day14 检索命中的那一"片"，落在关系库里的样子：

# models/dataset.py:843
class DocumentSegment(TypeBase):
    __tablename__ = "document_segments"
    tenant_id = ...; dataset_id = ...; document_id = ...    # ★ 三级归属：租户/库/文档
    position: Mapped[int]                                   # 在文档内的第几段（排序、上下文拼接靠它）
    content: Mapped[str] = mapped_column(LongText, nullable=False)   # ★ 片段正文
    word_count: Mapped[int]; tokens: Mapped[int]
    index_node_id: Mapped[str | None] = ...                # ★ = Day13 打的 doc_id，向量库里的主键
    index_node_hash: Mapped[str | None] = ...              # ★ = Day13 打的 doc_hash，内容指纹
    enabled: Mapped[bool] = ...                            # 单段启用/禁用
    answer: Mapped[str | None] = ...                       # QA 模式：这段是"答案"，content 是"问题"
    keywords: Mapped[Any] = mapped_column(sa.JSON, ...)    # 经济模式的关键词
    status: Mapped[SegmentStatus] = ...                    # waiting/indexing/completed
    hit_count: Mapped[int] = mapped_column(..., default=0)  # ★ 被检索命中的次数

最容易绊倒新人的：Dify 里有两个 Document。上面 L04 是数据库 ORM。而 Day13/14 一路在传的，是 core/rag/models/document.py 里那个内存运行时的 Document（core/rag/models/document.py:35）：

# core/rag/models/document.py:35
class Document(BaseModel):
    """Class for storing a piece of text and associated metadata."""
    page_content: str                                    # ★ 一个片段的正文
    vector: list[float] | None = None                    # ★ 它的向量（索引时算出）
    metadata: dict[str, Any] = Field(default_factory=dict)   # ★ doc_id/doc_hash 等就塞这里
    provider: str | None = "dify"
    children: list[ChildDocument] | None = None          # ★ 父子模式：子块挂在这

# core/rag/models/document.py:10
class ChildDocument(BaseModel):
    page_content: str
    vector: list[float] | None = None
    metadata: dict[str, Any] = Field(default_factory=dict)

把 Day13-15 拼成一张图。持久化的接头点在 Day13 的 _load_segments（core/indexing_runner.py:816）——它通过 DatasetDocumentStore.add_documents 把内存里的 rag Document 列表落成一行行 DocumentSegment：

cd /Users/bitmart/work/codes/github/AI_WORK/dify/api

# 1. 三层表骨架
grep -n "class Dataset\|class Document\|class DocumentSegment\|class ChildChunk" models/dataset.py
sed -n '165,213p' models/dataset.py     # Dataset
sed -n '497,566p' models/dataset.py     # Document（含状态机时间戳）
sed -n '843,890p' models/dataset.py     # DocumentSegment（index_node_id/hit_count）

# 2. 内存里的 rag Document（别认错）
sed -n '10,49p' core/rag/models/document.py

# 3. 落库接头点
sed -n '816,847p' core/indexing_runner.py   # _load_segments