10min让你用Dify零代码搭建一个属于你的大模型知识库

Dify学习笔记-知识库(六) Dify学习笔记-知识库 阅读详情

通过学习能得到什么?

  • 可以得到一个简单的应用
  • 可以更深入了解大模型知识库的工作流
  • 大家有兴趣,可以跳到文末先看效果

重要的工具

我们先来看下今天这个小项目需要的概念和工具:

  • Dify:Dify是一个开源的大语言模型(LLM)应用开发平台,它融合了后端即服务(Backend as a Service,BaaS)和LLMOps的理念,旨在帮助开发者快速搭建生产级的生成式AI应用。Dify提供了丰富的功能和友好的界面,即使非技术人员也能通过简单的操作快速构建AI应用。

  • 问题:使用Dify,需要梯子。

  • 知识库:准备一个比较垂类的文档,最好是公开信息比较难找到的信息,方便后续观察大模型的效果。

  • LLM的 API key:简单说,就是某个大模型的钥匙,这个很简单,deepseek,通义千问等等各种平台上注册一个账号,就能获得API key。

核心任务

今天我们核心任务是通过Dify搭建一个大模型知识库,所以,关于如何使用梯子,如何准备API key,这些我们就不多赘述了,如果大家真的有需要,我可以再出其他教程。

任务流程

这篇文章里的内容,流程如下:

  • 用户输入:输入一个问题,随便什么。
  • 大模型提取关键内容:通过大模型,对用户的提问进行归纳,总结成关键字或者关键句子。
  • 知识检索:用关键字或关键句子在知识库中检索,获得相关内容。
  • 大模型输出:将检索到的知识给大模型,并让大模型输出最终问题的答案。

在这个流程中,我们需要这样几个节点,大家理解即可,接下来会详细介绍如何操作。

实操过程

1.登录Dify

首先自然是登录Dify了,地址是:https://dify.ai/zh

img

完成登录注册后,进入到了工作室界面:

img

(整个过程需要使用梯子,请注意)

2.创建应用模板

• 创建空白应用—>选择Chatflow—>起个好听的应用名称—>点击创建:

img

img

3.流程配置

先看配置之后的样子:

img

我们逐个解释。

3.1 节点1:开始

这个环节没什么,大家看下右侧的输入字段就行,每次提问,都会有这些字段信息。

img

3.2 节点2:提取关键内容

这个节点是一个大模型,在这里我用了DeepSeek-R1-Distill——Qwen-14B,你用什么都行,只要注册了api key,自己在平台上配置就行了。

添加了大模型后,主要关注下右侧的内容:

img

  • • SYSTEM中,我们写的内容,他约束了这个节点的输出,其实就是之前我们提到,先用大模型提取关键字,为了避免大模型直接给你答案,所以给了一些约束。
  • • 记忆:这个打开就好了,就是会记录之前每次的提问,让回答更连贯。

3.3 节点3:知识检索

这个节点是一个知识检索节点,也没什么特殊的,核心在于知识库本身上,这就是Dify的强大,他在背后完成了其他的工作,你只需要用就行了:

img

这里我们对知识库再展开一下,我们这里在海康的平台上下载了一份他们的操作手册来作为知识库:

• 上传文档:

img

• 知识库分段:

img

• 完成处理:

img

再回来到工作室,在知识检索节点,选择知识库即可:

img

3.4 节点4:回答问题

这个节点也是一个大模型:

img

我们在SYSTEM内做了这样的限制,这段文本约束了大模型的输出。

3.5 节点5:直接回复

这个节点没什么,可开始节点一样。

效果

img

可以看到,这里输出的结果,基本就是知识库的内容中检索到的内容了,这非常有用,试想一下,如果你在本地电脑部署一个,你的所有工作文档可以直接通过和大模型对话的方式得到汇总和整理,效率很高。如果把它部署在团队的服务器上,那么整个部门的培训成本、学习成本会大幅度降低。这个工具非常有意思的地方在于:他不但给了你结果,还能让你看到过程:

img

每个环节做了什么,输入输出是什么,很清楚,你可以更清楚的了解整个过程的细节,也便于你去查看整个工作流的什么环节出错了。

最后

关于Dify的演示,这只是一个非常简单的小的项目,而且使用到的功能都是特别基础的,Dify支持很多的创意,具备很强大的功能,大家可以慢慢研究。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

Dify平台部署全攻略:快速上手的终极教程! Dify 是 苏州语灵人工智能科技公司的一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员,也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈,包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排,并同时提供了一套易用的界面和 API。 阅读详情

相关推荐

Dify使用教程(创建知识库)

Dify的应用创建在上一篇已经说过了,这一篇我们来聊聊【知识库】怎么创建。

wal1314520的博客 8350

一文彻底搞懂大模型 - Dify(Agent + RAG)

该平台结合了后端即服务(Backend as Service, BaaS)和LLMOps的理念,为开发者提供了。

m0_59163425的博客 27万+

Dify实战:从零搭建AI智能体工作流与知识库应用

在人工智能应用开发中,工作流引擎与知识库检索是构建智能体的核心技术底座。理解LLM编排、RAG检索增强生成等基础概念,是让AI系统真正落地业务的关键。Dify作为一款开源AI应用开发平台,通过可视化节点拖拽,将模型调用、知识检索、工具接入和条件分支整合为统一工作流,显著降低了智能体开发门槛。从本地Docker Compose部署,到商品推荐、简历筛选等典型场景,开发者可快速搭建具备理解、记忆与工具调用能力的智能应用。本文从部署细节、节点设计、知识库优化到生产环境调优,系统梳理了Dify实战中的核心要点与常见

weixin_34198881的博客 249

Dify: 轻松助你创建基于 GPT-4 的 AI 原生应用

公众号关注「奇妙的 Linux 世界」设为「星标」,每天带你玩转 Linux !Dify是一个易用的LLMOps平台,旨在让更多人可以创建可持续运营的原生 AI 应用。Dify 提供多种类型应用的可视化编排,应用可开箱即用,也能以后端即服务的 API 提供服务。LLMOps(Large Language Model Operations)是一个涵盖了大型语言模型(如 GPT 系列)开发、部...

easylife206的专栏 3万+

本地部署大模型+知识库实战指南:Dify+Ollama+PostgreSQL落地全流程

本地大模型与知识库系统是面向制造业、医疗、金融等强合规、低延迟场景的关键技术基础设施,其核心在于RAG(检索增强生成)架构的私有化实现。它通过将大语言模型、向量数据库与业务文档知识库深度耦合,在不依赖公网的前提下完成语义检索与精准问答。技术价值体现在数据不出内网、响应可控、满足等保与GDPR类合规要求;典型应用场景包括设备维修手册问答、医疗器械说明书检索、内部制度智能查询等。本文聚焦真实工程落地,覆盖dify本地部署教程、ragflow知识库搭建全流程、ollama部署本地大模型等高频需求,提供Window

aaa1231722的博客 447

Dify构建企业级RAG知识库的实战解析

检索增强生成技术(RAG)通过结合信息检索与生成模型,显著提升知识库的响应效率与准确性。其核心原理是将非结构化文档转化为可检索的知识单元,利用稠密检索与稀疏检索的混合策略优化结果。Dify作为开源LLM应用开发平台,实现了文档智能处理、精准检索与上下文优化的全流程解决方案,特别适用于处理海量企业文档。在客服场景中,该技术可将平均响应时间从8分钟缩短至23秒,同时支持动态上下文构建与多知识库联动,有效解决语义断层与专业术语匹配等工程难题。典型应用包括智能客服、内部知识管理等领域,是企业实现知识数字化转型的关键

weixin_33895695的博客 415

10min让你用Dify零代码搭建一个属于你的大模型知识库(附教程)

关于Dify的演示,这只是一个非常简单的小的项目,而且使用到的功能都是特别基础的,Dify支持很多的创意,具备很强大的功能,大家可以慢慢研究。想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!👇👇扫码免费领取全部内容👇👇​。

2401_82469710的博客 963

【JESD79-5之】8 AC & DC 输入测量标准(AC & DC Input Measurement Levels)

时钟被驱动到DRAM,可以通过L/RDIMM模块的RCD来实现,也可以通过U/SODIMM模块的主机来实现(图184)。接收机DQS(脉冲)输入电压灵敏度测试提供了在没有码间干扰(ISI),抖动(Rj, Dj, DCD)和串扰噪声的情况下测试接收机对不同输入电压的灵敏度的方法。接收机数据输入电压灵敏度测试提供了在没有符号间干扰(ISI),抖动(Rj, Dj, DCD)和串扰噪声的情况下测试接收机对不同输入电压的灵敏度的方法。

m0_61126667的博客 1707

10min让你用Dify零代码搭建一个属于你的大模型知识库,零基础小白收藏这一篇就够了!!

这篇文章讲述了RAG的基本原理,通俗易懂,但是存在一个问题——用户可能很难自己搭建一个可用的RAG,它能让大家了解RAG的原理,但是还不够应用层面,如果真的想应用,你需要具备一定的代码能力,你需要具备知识库的清洗切片等,难度相对较大,所以,为了让大家把所学变成应用,“他”来了,一个零代码经验也可以搭建一个可用的大模型知识库,他来了,注意了,是零代码+可用,零代码+可用,零代码+可用…(重要的事情说三遍)

Gaga246的博客 804

基于FSL的DTI数据预处理流程

最近在学习处理DTI数据,总结了一份应用FSL做DTI数据预处理的流程与大家交流交流。如果有错误的地方欢迎大家指正!        我用的数据是Philips的数据,如果是GE或者西门子的数据可能会有所不同。   原始数据:包括3DT1数据和高分辨率DTI数据,均是dicom格式。 工具:MRICRON和FSL,所有的命令均在Linux的终端中运行。   1.格式转换:将后缀名为dcm

zaza_zaza的博客 2万+

昇腾910B多卡环境下hccl-test性能调优实战

本文详细介绍了昇腾910B多卡环境下hccl-test性能调优的实战经验,包括环境搭建、CANN工具链配置、性能测试与高级调优技巧。通过优化缓冲区、PCIe拓扑和中断亲和性设置,显著提升多卡通信效率,为AI训练提供稳定高效的计算支持。

weixin_29216049的博客 849

Dify+RAG+Agent零代码打造专属游戏助手,从部署到API调用全流程指南

在AI应用开发中,RAG(检索增强生成)通过连接外部知识库提升模型回答准确性,Agent则赋予模型工具调用与任务决策能力。Dify作为开源低代码平台,将两者可视化编排为可对话的智能助手。这一组合的技术价值在于,无需编写复杂代码,即可将分散的文档构建为可检索的知识库,并通过Agent实现上下文理解与权威信息引用。若将此类技术应用于游戏攻略问答场景,例如为《三角洲行动》搭建专属助手,就能让玩家用自然语言获取武器配装、地图点位等结构化信息,同时通过API无缝集成到社区或网页。本文以该场景为例,系统讲解从Dify部

weixin_34121304的博客 379

学Simulink——基于直流电机的建模与控制场景实例:他励直流电机的起动与制动过程仿真

直流电机在工业控制、电动车辆、自动化设备中广泛应用。其中,他励直流电机(Separately Excited DC Motor)因其励磁绕组与电枢绕组分别供电,具有良好的调速性能和启动特性,常用于需要平稳启动和精确控制的场合。在实际应用中,电机的启动过程和制动过程对电网、机械系统以及电机本身都具有重要影响。因此,仿真分析他励直流电机的启动与制动特性,是电机控制设计的重要环节。本文将详细介绍如何使用构建一个他励直流电机的启动与制动过程仿真模型,并通过仿真分析其动态响应。本文详细介绍了如何使用构建一个。

xiaoheshang_123的博客 228

Dify 知识库文件上传一直处于“排队中”问题的解决方案

摘要: 在Dify 1.9.1知识库中发现1000个文件上传后全处于"排队中"状态,经排查发现是Celery worker进程数不足导致任务积压。通过检查Redis队列、Worker日志和配置文件,发现关键问题在于.env中未配置足够的worker进程。解决方案包括:修改.env文件增加worker数量(4-8个)、启用自动扩展、重启worker服务,并提供了监控命令和预防措施。最后强调服务器性能不足时避免批量上传文件。

qq_21648251的博客 6211

EM的理论与实践(基础篇)

EM理论与实践

m0_61544122的博客 2383

手把手教您同花顺如何设置大盘分时均价线

本文将手把手教你如何在同花顺PC端开启大盘指数分时图📈

XiaoqiangClub的博客 4429

0代码!教会你用Doris+DeepSeek+Dify搭建ChatBI系统(附完整DSL)

Doris ChatBI的魅力不仅在于简化数据获取,更在于能够非常直观地改变了人与数据的交互方式。从"

youmaob的博客 3416

Open3D 计算点云的倒角距离(Chamfer Distance)【2025最新版】

;Chamfer Distance距离可以计算生成点云数据与标签点云数据之间的平均最短点距离。Open3D可以直接用来计算点云的Chamfer Distance距离。博客长期更新,本文最近一次更新时间为:2025年2月18日。

点云侠的博客 3254

从零开始:在本地搭建一个带知识库的 AI 助手(Ollama + Open WebUI)

本文介绍如何在本地搭建一个AI助手,使用Ollama+Open WebUI组合实现类ChatGPT功能。本地部署能解决数据隐私、网络依赖和费用问题,支持上传文档构建知识库(RAG)。架构包含Ollama模型服务、本地大模型(如Qwen2.5)、嵌入模型和向量数据库。推荐配置需16GB+内存和8GB+显存,支持Windows/macOS/Linux系统。部署步骤包括:1)安装Ollama并运行模型;2)用Docker部署Open WebUI;3)连接本地模型;4)通过RAG搭建知识库。该方案提供开箱即用的We

热爱技术与前沿创新,深耕科技领域,在科创中精进自我;探索技术乐趣,分享技术干货与成长心得,以技术为伴,热爱生活,在科创与生活中双向成长。 3896

OceanBase备租户创建(二):通过BACKUP DATABASE PLUS ARCHIVELOG

OceanBase数据库备租户创建方法二:通过BACKUP DATABASE PLUS ARCHIVELOG功能实现,特别适用于社区版和单机版部署模式。

Sebastien23的博客 543

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

docker部署dify结合deepseek构建知识库

本文主要研究一下本地docker部署dify结合deepseek构建知识库。

go4it 866

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Hermes智能体对接Dify知识库的完整部署与调优指南

RAG(检索增强生成)是当前企业构建AI知识助手的核心技术范式,其本质是将大语言模型的泛化能力与结构化知识库的精准性相结合。实现稳定RAG的关键在于智能体与知识库之间的语义对齐、上下文协同与token流控——这直接决定了系统能否准确响应‘上季度客户投诉TOP3’这类业务查询。Hermes作为轻量级可编程智能体,配合Dify提供的开箱即用中文知识管理能力,显著降低了RAG工程落地门槛。本文聚焦实际部署中的四大卡点:知识切片粒度控制、嵌入模型语义一致性、API级token预估机制、以及多跳推理容错设计,覆盖从环

weixin_34176694的博客 934

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 一键式训练端到端Agent,Qwen3+MCP工具集高效集成!
下一篇: 工业维护新趋势:生成式 AI 六阶段框架落地指南
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2839原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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