使用Dify和deepseek模型编排中医知识检索工作流

最新推荐文章于 2025-05-01 08:00:00 发布
最新推荐文章于 2025-05-01 08:00:00 发布
阅读量585 收藏 5
点赞数 8
文章标签： 人工智能 深度学习 语言模型 AIGC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/AutumnorLiu/article/details/147062798
版权

默认已经安装好了Dify，如未安装，可参考官网进行安装https://github.com/langgenius/dify/blob/main/README_CN.md

  • 进入Dify(http://localhost/apps)，先创建知识库
    在这里插入图片描述

    将知识库文件导入，点击下一步，使用默认配置创建
    在这里插入图片描述
    创建完成后会在知识库里看到新建的知识库：
    在这里插入图片描述

  • 知识库创建好了后，进入主页面，选择创建空白应用，随后选择“工作流”，输入名字后点击创建
    在这里插入图片描述
    在这里插入图片描述

  • 进入编排画布后，默认有一个开始节点，点击右边+号，选择知识检索，同时在"开始"节点添加一个变量，文本类型，变量名称叫input
    在这里插入图片描述

  • 将知识库关联到知识检索节点，同时设置查询变量为input
    在这里插入图片描述

  • 添加LLM节点，本处使用的是deepseek32b，可以根据自己连接的ollama选择想用的模型。然后上下文选择知识检索，此处必须在SYSTEM里填写系统提示词，这里我使用“根据用户输入{input}和知识检索结果{context}输出回答，禁止出现"think"相关内容”

在这里插入图片描述

  • 添加结束节点，并添加输出变量，选择LLM的text。点击"发布"后进行测试。
    在这里插入图片描述

  • 输入“患者双下肢肿痛，面色萎黄，举步缓慢，舌质淡，苔薄白，右脉沉缓，左脉微弱，开什么药方？”进行测试。如果结果没达到期望，可以点击追踪来查询每一个节点的运行情况
    在这里插入图片描述
    至此，中医知识库应用开发完毕，可以看到效果尚可

AutumnorLiuu
关注
【DeepSeek R1构建本地RAG知识库】数据结构化清洗-工作流自动清洗
少说，多做
05-21 214
在构建本地RAG知识库时，数据结构化清洗是关键但繁琐的步骤。传统方法效率低且易出错，而低代码/无代码平台如Dify提供了更高效的解决方案。Dify通过可视化工作流设计，集成大模型智能处理，支持多格式输入输出，无需编码即可完成复杂的数据清洗任务。文章详细介绍了数据结构化的核心困境、目标、价值及类型，并比较了TXT与Markdown在RAG系统中的适用性。最后，通过Dify平台实战演示了如何在20分钟内完成规则制度文档的结构化清洗，输出标准化数据，展示了自动化工作流在数据处理中的高效性和便捷性。
颠覆式革新：Dify×DeepSeek引爆企业级AI开发效率革命
实战AI智能体
03-15 205
通过Python SDK开发行业专属工具（如医疗影像分析模块）。创新案例：开发者结合DeepSeek和Dify的天气API，48小时搭建农业灾害预警系统。
DeepSeek+dify 本地知识库：高级应用Agent+工作流，收藏这一篇就够了！！
最新发布
嘴巴吃糖了
05-01 1544
dify的强大在于其灵活性，主要体现在智能体和工作流上。它可以让一个没有编程能力的人通过简单学习，快速搭建Agent和自动化流程。就像拼积木一样。 我们可以通过智能体或工作流，自定义工具完成很多我们好玩的功能。本文前面主要是介绍一些组件，有编程能力的同学建议直接跳过。
Dify开发Deepseek本地知识库检索应用
曲幽
03-14 1213
之前有使用`AnythingLLM`以及`Page Assist`来加载本地文档作为知识库进行上下文聊天背景，但效果不是很理想（也有可能没玩明白），今天使用本地部署的`Dify`自定义开发一个相同功能的应用。
深入 Dify 源码，定位知识库检索的大模型调用异常
易迟的专栏
07-15 5254
之前在 GPU 服务器上部署了Dify 服务，使用的是 Dify 与 Xinference 组合，Xinference 部署的大模型是。基于本地部署的服务构建了知识库，并利用首页提供的任务流模板创建了一个 RAG 工作流知识库检索环节预期不需要调用大模型，实际却调用了大模型；本地没有配置 GPT3.5, 为什么会选择 GPT3.5 模型；这篇文章就从问题出发，借助源码与对应的服务 API 请求信息，定位问题的根本原因。从本轮的追踪来看，知识库检索选择N选1召回。
【LLM】快速了解Dify 0.6.10的核心功能：知识库检索、Agent创建和工作流编排（二）
qq_33934427的博客
06-12 8307
【LLM】快速了解Dify 0.6.10的核心功能：知识库检索、Agent创建和工作流编排（二）
大模型入门实战：通过 HuggingFace 调用 Llama3
python12345_的博客
01-10 1551
至此，我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型，并获取了模型的回答。但是如果你的需求只是简单地调用模型，而无需进行微调或复杂的部署，可以尝试使用 Ollama。它不仅操作更加便捷，还提供了开箱即用的 RESTful 接口，适合快速集成到生产环境中。下一篇，我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。
使用Dify创建个问卷调查的工作流
01-17 3995
一个基于流程的智能体的实现，特别是基于业务的实现，使用Dify去实现时，通常都是一个对话工作流，当设计到相对复杂一些的流程时，如果将所有逻辑都放在对话工作流中去实现，那么这个对话工作流是比较复杂的，涉及的组件会很多，看上去就比较复杂，就和咱们使用程序实现某个功能时，需要模块化一样，一个工作流就对应于一个相对独立的功能模块，可以简化主模块对话工作流的复杂度，便于修改和维护，同时也可以方便重用。如：心理测试、教学考试。5、条件判断，为了演示方便，设置为常量3，实际应该设置为变量count（有20道题）
Dify知识库 本地部署DeepSeek 开启智能体和工作流
技术宅男改变世界
03-12 7238
Dify是一个开源的 LLM 应用开发平台。提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 AI 原生应用。比 LangChain 更易用。官网 https://dify.ai/zh。
大模型应用开发之Dify入门使用教程-deepseek-R1，只需配置30分钟就能用
ZZZ_Tong的博客
02-08 4735
Dify 是一款开源的大语言模型(LLM) 应用开发平台。30分钟dify靠谱的详情操作贴，按照步骤，你也可以生成参考知识库内容回答的智能专业客服机器人。
DeepSeek本地部署与Dify结合创建私有知识库指南
weixin_52037378的博客
02-27 1105
DeepSeek通过与Dify的结合，用户能够将个人资料、专业文章、日常日记等多种形式的文本内容上传至本地知识库，从而创建出一个能够满足个人需求的私人助理。
大模型智能体应用开发利器——Dify：构建大规模智能应用和知识库的理想工具
xiaoqi270620903的专栏
02-10 1134
无论是已有的模型，还是新训练的定制模型，Dify 都能通过简单的配置与其进行连接，并提供一致的 API 接口来访问这些模型的推理能力。Dify 的核心目标是为开发者提供一个统一的平台，能够快速集成各种大模型，并将它们与企业的实际需求（如客户服务、文档生成、数据分析等）无缝对接。提供了一个强大的平台，专注于大模型的集成与应用，特别是在知识库构建、智能问答、自动化流程等领域具有广泛的应用前景。作为一个新的集成平台，凭借其强大的功能和灵活的架构，成为了构建大规模智能应用和知识库的理想工具。
大模型（deepseek）之运用Dify构建智能体和工作流应用
热门推荐
qq_31400983的博客
11-17 3万+
完成设置后回到主页面，可以看到顶部的4个页面。“探索”页面提供了模板应用程序，用户可参考模板定制自己的应用程序。“工作室”页面用户可创建自己的应用，包括聊天助手、智能体、工作流。“知识库”页面用户可以通过上传自己的文本数据创建知识库增强 LLM 的上下文。“工具”页面是Dify本身集成第三方工具，用户也可自定义工具。
【实践案例】使用Dify构建企业知识库
发现问题，面对问题，分析问题，解决问题，总结问题
01-29 5268
在自然语言处理（NLP）中，文本的“几维表示方式”指的是将文本转换为向量时，向量的维度数，也就是这些数字表示的“空间”有多少个维度。在混合检索中，系统会先建立关键词索引和向量索引，在用户查询时，分别利用这两种检索方式获取最相关的文档，再将结果进行结合，以提供更加准确和全面的检索结果。RAG的核心思想是通过结合信息检索模型（通常是基于搜索引擎或者专门的检索模型）与生成模型（通常是基于Transformer的生成模型），使得生成模型在生成答案时能够利用外部知识库或文档，增强其生成能力和准确性。
Dify中的RAG和知识库
NLP工程化
07-11 5804
向量检索优势：复杂语义的文本查找，相近语义理解，多语言理解，多模态理解，容错性。传统关键词搜索优势：精确匹配，少量字符的匹配，倾向低频词汇的匹配。向量检索和关键词检索在检索领域各有其优势。混合检索通过多个检索系统的组合，实现了多个检索技术之间的互补。
Dify知识库优化实战：分段与数据清洗，提升LLM检索效率与回答精准性
2401_85343303的博客
03-15 4811
将内容上传至知识库后，要对内容进行分段与数据清洗。
dify案例分享-知识库检索整合Ragflow
Python_cocola的博客
03-06 3262
关于ragflow 安装比较复杂，大家可以去开源github上查看它的安装，本次就不带大家安装了。项目开源地址：https://github.com/infiniflow/ragflow项目文档: https://ragflow.io/docs/dev/目前这个项目用到的组件比较多，用到Elasticsearch、Kibana、MySQL、MinIO、Redis、RAGFlow等，大家可以参考官方文档部署好应用程序。这里我们需要注意的几点。
dify怎么检索知识库
03-28
<think>好的，用户想了解如何使用Dify进行知识库检索。首先，我需要回忆一下Dify的相关知识库功能。根据提供的引用内容，有几个关键点需要注意。 首先，引用[1]提到创建知识库的步骤，包括上传文档和预处理。用户需要先创建知识库，上传本地文档，并进行分段和清洗。这一步是基础，所以应该作为第一步来介绍。 接下来，引用[2]详细说明了知识库检索的两种模式：N选1召回和多路召回。这说明Dify支持不同的检索策略，用户需要根据场景选择合适的方式。这里需要解释这两种模式的区别和应用场景，比如知识库隔离时用N选1，联合查询用多路召回。 引用[3]提到上传文件并创建默认知识库的方法，特别是save_document_without_dataset_id这个函数。这可能涉及到API的使用，但用户可能更关注界面操作，所以需要强调界面上的直接上传方式。 然后，引用[4]提到图片检索的注意事项，比如使用HTTPS图床或结合MinIO。如果用户需要处理图文混合的内容，这部分信息也很重要，应该单独说明。 用户的问题是关于使用方法，所以回答需要步骤清晰，按流程介绍创建、配置、检索应用等环节。同时，用户可能想知道如何选择不同的检索模式，以及如何处理不同类型的内容，比如图片。 需要确保回答覆盖所有关键步骤，并引用相关的引用来源。此外，生成的相关问题应该引导用户深入了解优化方法、调试异常和图文检索等，这些都在引用中有涉及。 最后，要检查是否符合格式要求，比如数学表达式的正确使用，但在这个问题中可能涉及较少。主要确保结构清晰，引用正确，语言自然。</think>### Dify知识库检索使用方法 Dify知识库检索的实现分为三个核心步骤，结合系统源码和操作流程说明如下： 1. **知识库创建与预处理** - 在Dify界面切换到"知识库"模块，点击"创建知识库"，支持两种创建方式： * 方式一：新建空知识库后上传本地文档[^3] * 方式二：直接上传文件自动生成默认知识库（调用`save_document_without_dataset_id`方法） - 上传文档后系统自动执行"分段和清洗"预处理，将长文本分割为可检索的语义单元[^1] 2. **检索模式配置** 在`knowledge_retrieval_node.py`中实现两种核心检索策略： ```python # 伪代码展示多知识库检索判断逻辑 if 检索模式 == "N选1召回": 根据用户意图选择最相关单个知识库 执行单库检索 else: # 多路召回 并行检索多个关联知识库 对结果进行混合排序[^2] ``` - **N选1召回**：适用于知识库内容隔离场景（如不同产品文档库） - **多路召回**：适用于需要跨知识库联合查询场景（如技术知识库+案例库） 3. **检索应用集成** - 在Workflow中配置"知识库检索"节点，支持设置： $$相似度阈值 = \frac{\text{相关段落数}}{\text{总段落数}} \times 100\%$$ - 图文混合检索需注意： - 图片链接必须使用HTTPS协议[^4] - 推荐使用MinIO等对象存储服务托管图片资源
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值