#Dify #知识库 #RAG #AI部署 #零代码
零基础也能搞定的 AI 知识库搭建指南，全程实操级讲解，跟着做就行。
写在前面
你有没有遇到过这些场景：
• 公司内部文档堆积如山，找个制度流程要翻半天
• 客服每天回答的都是重复问题，效率低下
• 想让 AI 帮你读文档，但它总在"一本正经地胡说八道"
Dify + RAG 知识库，就是解决这些问题的终极方案。
简单来说：把你的文档喂给 AI，让它基于你的文档精准回答——不胡说、不瞎编、还带引用来源。
这篇教程，我会带你从零开始：安装部署 Dify → 配置模型 → 搭建知识库 → 创建智能问答应用，每一步都有详细说明，照着做就能跑通。
📋 本文目录
— 正文开始 —
一、Dify 是什么？为什么选它？
Dify 是一个开源的 LLM（大语言模型）应用开发平台，核心能力包括：
🚀 核心能力
可视化编排：拖拽式搭建 AI 应用，不用写代码
知识库（RAG）：上传文档，AI 基于文档内容精准回答
多模型兼容：支持 OpenAI、DeepSeek、通义千问、Ollama 本地模型等 20+ 模型
一键部署：Docker Compose 启动，几分钟搞定
一句话总结：Dify 让你不用写一行代码，就能搭出一个"懂你业务"的 AI 助手。
二、环境准备（10分钟）
2.1 你需要什么？
| 操作系统 | Windows / macOS / Linux | — |
| 内存 | 4GB | 8GB+ |
| 磁盘空间 | 10GB | 20GB+ |
| Docker | 20.10+ | 最新版 |
| Docker Compose | v2+ | 最新版 |
2.2 安装 Docker
Windows 用户：
1
确认虚拟化已开启：打开任务管理器（Ctrl+Shift+Esc）→ 性能 → CPU，查看"虚拟化"是否显示"已启用"
2
如果显示"已禁用"，需要重启进入 BIOS 开启虚拟化
3
安装 WSL2（以管理员身份打开 PowerShell）：
wsl –install
4
前往 Docker 官网下载 Docker Desktop，双击安装
5
验证安装：
docker –version
docker compose –version
macOS / Linux 用户：
macOS 直接下载 Docker Desktop 安装；Linux 使用官方一键脚本：
curl -fsSL https://get.docker.com | bash
2.3 避坑指南
⚠️ 坑1：WSL2 安装失败（错误码 0x80370102）
执行以下命令修复：
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
wsl –install -d Ubuntu
⚠️ 坑2：Docker 拉取镜像超时
在 Docker Desktop 的 Settings → Docker Engine 中添加国内镜像加速：
{
"registry-mirrors": [
"https://docker.1ms.run",
"https://docker.xuanyuan.me"
]
}
⚠️ 坑3：内存不足导致服务崩溃
Windows 用户编辑 ~/.wslconfig 文件：
[wsl2]
memory=6GB
三、部署 Dify（5分钟）
3.1 克隆代码 & 启动
# 克隆 Dify 官方仓库
git clone https://github.com/langgenius/dify.git
# 进入 Docker 部署目录
cd dify/docker
# 复制环境配置文件
cp .env.example .env
# 一键启动所有服务
docker compose up -d
首次运行会下载多个镜像（约 2-3GB），耐心等待。看到所有服务状态显示 Running 即成功。
3.2 验证部署
# 查看服务状态
docker compose ps
# 查看日志（如遇问题可排查）
docker compose logs -f api
浏览器访问：http://localhost
✅ 首次访问会进入管理员初始化页面，设置账号和密码即可登录。
3.3 常用启停命令
cd dify/docker
# 启动
docker compose up -d
# 停止
docker compose down
# 查看状态
docker compose ps
# 更新到最新版
docker compose pull
docker compose up -d
四、配置模型（关键步骤）
搭建知识库需要两类模型：
| LLM（大语言模型） | 理解问题、生成回答 | 🧠 大脑 |
| Embedding（嵌入模型） | 把文档转成向量，用于检索 | 🫀 海马体 |
你有两种选择：云端 API（推荐新手）或 本地模型（推荐有显卡的用户）。
方案 A：云端模型（推荐新手，即开即用）
以 DeepSeek 为例：
1
访问 DeepSeek 开放平台注册并申请 API Key
2
进入 Dify → 右上角头像 → 设置 → 模型供应商
3
找到 DeepSeek，填入 API Key，保存
4
点击 系统模型设置，选择推理模型和 Embedding 模型
💡 省钱提示：DeepSeek API 价格极低，百万 token 仅 1-2 元，个人练手成本几乎为零。通义千问也有免费额度可白嫖。
方案 B：本地模型（数据不出本地，隐私安全）
第一步：安装 Ollama
前往 Ollama 官网下载安装，验证：
ollama –version
第二步：下载模型
# 下载 LLM 对话模型
ollama pull deepseek-r1:7b
# 下载 Embedding 嵌入模型（知识库必需）
ollama pull bge-m3
🎮 配置推荐
8GB 显存：deepseek-r1:7b + bge-m3
16GB+ 显存：deepseek-r1:14b + bge-m3
无独立显卡：建议用云端 API 方案
第三步：在 Dify 中接入
1
Dify → 设置 → 模型供应商 → 找到 Ollama → 安装插件
2
点击 添加模型，依次添加 LLM 和 Embedding 模型
模型名称：deepseek-r1:7b（通过 ollama list 命令查看）
基础 URL：http://host.docker.internal:11434
模型类型：LLM 选"对话"，Embedding 选"Text Embedding"
⚠️ 关键提醒：Dify 在 Docker 中运行，URL 不能填 localhost，必须填 host.docker.internal，否则连不上！
3
在 系统模型设置 中选好推理模型和 Embedding 模型
五、搭建知识库（核心环节）
模型配好了，现在开始搭建知识库。这是整篇教程的重头戏。
5.1 创建知识库
1
进入 Dify 主界面，点击顶部导航栏的 知识库
2
点击 创建知识库，输入名称和描述
5.2 上传文档
支持的格式：PDF、Word(.docx)、TXT、Markdown(.md)、HTML、CSV
✅ 上传前建议：删除页眉页脚等干扰内容；确保 PDF 是文本可选的（扫描版需先 OCR）；格式越整洁检索效果越好。
5.3 配置分段策略
| 分段模式 | 自动（通用） | 按段落和标题自动切分 |
| 分段最大长度 | 500-800 tokens | 太短信息不完整，太长精度下降 |
| 分段重叠长度 | 50-100 tokens | 避免上下文断裂 |
5.4 选择索引方式
务必选"高质量索引"，使用 Embedding 模型生成向量，检索精度高。
5.5 选择 Embedding 模型
选择你在第四步配置的嵌入模型（bge-m3 / text-embedding-v3 等）。
5.6 配置检索设置
| 检索方式 | 混合检索 | 语义检索 + 关键词检索，效果最好 |
| Top K | 3-5 | 每次检索返回的文档片段数量 |
| Score 阈值 | 0.5 | 过滤低相关性结果 |
| Rerank 模型 | bge-reranker | 结果重排序，准确率↑40% |
💡 为什么选混合检索？
纯语义检索：擅长理解意思，但可能漏掉精确匹配的专有名词
纯关键词检索：精确匹配强，但理解不了同义词
混合检索：两者结合，取长补短，是最优解 ✅
5.7 保存并处理
点击 保存并处理，Dify 自动完成：文本提取 → 分段处理 → 向量化 → 存储索引。处理时间 1-5 分钟，状态变为"已处理"即完成。
六、创建智能问答应用
6.1 创建应用
1
点击 工作室 → 创建空白应用 → 选择 聊天助手
2
填写应用名称和描述，点击创建
6.2 关联知识库
在应用编辑页左侧找到 上下文 → 点击 添加 → 选择你创建的知识库
6.3 编写系统提示词
你是一个专业的知识库问答助手。请严格遵守以下规则：
1. 只基于知识库中的内容回答问题，不要编造信息
2. 回答时请引用具体的来源文档或条款
3. 如果问题超出知识库范围，明确告知"该问题不在当前知识库覆盖范围内"
4. 回答简洁明了，使用友好但专业的语气
5. 如果用户的问题不清晰，可以请求澄清
6.4 调试与发布
在右侧 调试与预览 面板测试，满意后点击右上角 发布：
- 运行：直接在 Dify 内使用
- API 模式：提供 RESTful 接口，可对接企业微信、钉钉
- 嵌入网页：生成 JavaScript 代码，嵌入你的网站
七、进阶优化技巧
7.1 检索调优经验表
| 检索不到相关内容 | Score 阈值太高 | 降低到 0.3-0.4 |
| 回答包含无关信息 | Top K 太大 | 减少到 3 |
| 专有名词匹配不到 | 只用了语义检索 | 切换为混合检索 |
| 排序不合理 | 没开 Rerank | 添加 Rerank 模型 |
| 回答不完整 | 分段太短 | 增大到 800-1000 |
八、完整架构总结
用户提问
↓
问题向量化（Embedding 模型）
↓
检索知识库（向量数据库）
↓
Rerank 重排序
↓
拼接上下文 + 用户问题
↓
送入 LLM 生成回答
↓
返回精准回答（带引用来源）
✨ 核心优势
✓ 不需要微调模型，上传文档即可生效
✓ 知识库随时更新，AI 立刻"学会"新内容
✓ 数据可控，敏感信息不出本地
✓ 成本极低，个人也能玩转
九、常见问题 FAQ
Q：没有显卡能用吗？
A：可以！用云端 API 方案（DeepSeek/通义千问），不需要本地算力，几块钱就能跑很久。
Q：知识库支持多少文档？
A：Dify 本身没有硬限制，取决于向量数据库。内置 Weaviate 足够个人和小团队使用。
Q：支持图片/表格吗？
A：支持图片识别（需多模态模型），表格建议转成 CSV 或 Markdown 格式上传。
Q：能商用吗？
A：Dify 采用 Apache 2.0 开源协议，可以商用。
