Dify 搭建 RAG 知识库

Dify 一词源自 Define + Modify，意指定义并且持续的改进你的 AI 应用，它是为你而做的（Do it for you）

Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，可以快速从原型到生产

RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索与大语言模型生成的技术架构，旨在解决传统大模型在知识时效性、事实准确性以及私有数据利用方面的不足。

Dify 核心功能：

1. 强大的AI工作流构建与测试

• 用户可以直观地设计和构建 AI 工作流，根据不同的业务需求和场景进行定制化操作
• 能够对构建的工作流进行全面测试，确保其在实际应用中的稳定性和准确性

2. 全面的模型支持

• 无缝集成了数百种来自数十个推理提供商和自托管解决方案的专有 / 开源大型语言模型（LLM）
• 涵盖了多种不同类型的模型，为用户提供了丰富的选择，以满足不同的任务需求

3. 便捷的提示 IDE

• 提供了一个集成开发环境（IDE），方便用户编写和优化提示（prompt）
• 帮助用户更好地与语言模型进行交互，提高提示的质量和效果

4. 强大的 RAG（检索增强生成）管道

• 具备高效的检索增强生成功能，能够从大量的文本数据中检索相关信息，并结合语言模型生成更加准确和丰富的内容
• 提升了语言模型的输出质量和实用性

5. 灵活的代理能力

• 允许用户设置代理，以满足不同的网络环境和访问需求
• 增强了系统的灵活性和可扩展性

6. 有效的 LLMOps

• 提供了一系列针对语言模型的操作和管理工具，包括模型部署、监控、优化等
• 帮助用户更好地管理和维护语言模型的运行，提高工作效率

7. 后端即服务

• 可以作为后端服务提供给其他应用程序使用，方便集成和扩展
• 为开发者提供了便捷的接口和工具，降低了开发成本和难度

# 下载并部署 dify

git clone https://github.com/langgenius/dify.git

cd dify/docker/

cp .env.example .env

docker compose up -d 或 docker-compose up -d

# 确保 docker 容器都正常启动后访问 web 界面，设置邮箱、账户名、密码

# 配置模型供应商