技术分享 | 用Dify搭建个人AI知识助手

​
对技术人员而言，知识资产常陷入“碎片化散落 + 低效复用”的恶性循环：技术分享邮件躺卧邮箱、产品文档散落Notion 等平台，面对产品使用、技术追溯等问题时，常因记不清过往解决方案或找不到相关资料重复踩坑，“写了找不到、找得到要花很多时间去理解阅读”成为常态。

基于 Dify 平台，我们设计了 AI 知识助手，让技术人员通过一个统一的入口来获取不同地方的知识—— 它整合了 Notion 文档检索汇总、邮箱干货提取等能力，通过语义检索和工具能力，将分散的技术资料、产品手册、行业干货汇集成可随时调用的“知识中枢”，无需手动翻找即可快速获取精准答案，让知识复用效率翻倍，为工作学习提供智能助力。

整体方案流程图如下，方案入口会有一个判断节点，通过用户的输入决定流程走向：

下面将拆分流程，结合其解决的场景逐一说明：

场景1：邮件内容检索总结
技术人员日常需处理海量邮件，其中夹杂着厂商推送的技术分享、行业干货等有价值内容，但这类邮件常被淹没在收件箱中，后续想追溯学习时，仅凭记忆查找效率极低。借助 Dify 搭建的 AI 知识助手，无需手动翻阅邮箱，只需输入发件人、邮件标题等关键信息，即可快速定位目标邮件并提取核心正文，其核心操作步骤如下：

1.首先创建 ChatFlow 应用：
添加邮件节点，LLM 节点，代码执行节点等，串通从数据获取到数据分析的全流程：

2.授权 Gmail 的 OAuth 认证：
让工具能够获取到邮件的正文，具体配置步骤可参考下面的链接：https://docs.dify.ai/zh/develop-plugin/dev-guides-and-walkthroughs/tool-oauth

3.配置主要数据处理节点
获取邮件 id 节点：
通过代码执行器提取邮件唯一 id 标识符，用于后续工具的内容提取

获取邮件正文节点：
为了获取到邮件内容，我们可以使用以下 Python 代码从 input_dict 变量中拆分出正文 Body

LLM 节点：
使用 LLM 来分析获取邮件正文节点抓取的结果，以下是一个提示词示例。

效果
我们只需提供邮箱，就可以让大模型帮我们总结出邮件中的技术内容。

场景2：Notion文档智能检索总结
伊克罗德自有 AIGC 方案-imAgine 提供给客户用于文生图和图生图。售前在服务客户的过程中经常需要去解决客户提出的很多 imAgine 使用问题，关于此方案的大量产品文档都放在 Notion 中进行维护，为了处理客户的问题，售前往往需要花费大量时间去查阅不同的手册，然后给到客户解决方法或者可参考的建议，通过构建的 AI 助手，我们只需要问问题就能得到方案，具体做法如下：

1.Notion 授权验证：在创建知识库，选择数据源时，点击同步自 Notion 内容—去绑定，根据提示完成授权验证或者进入设置 — 数据来源—添加数据源中点击 Notion 来源绑定 ，完成授权验证。

2.创建知识库，索引方式选择高质量，保证检索内容的准确度：

3.选择 Notion 数据源，将产品文档导入到知识库中：

4.编排 Chatflow，在 IF/ELSE 节点后接入我们创建好的知识库，然后连接 LLM 节点选择合适的大语言模型并填写提示词。

效果
当客户提出问题时，例如：“生图人物手部和背景不协调怎么办？”，售前只需要通过自然语言将问题描述给 AI，大模型就会检索你 Notion 中的所有关联文档，像从《培训手册》中提取出“手部修正专用 Negative Prompt 组合”，从《技术方案》中提取出：“针对背景一致性的环境光影参数设置”等，然后结合这些内容给出对应的方案和建议。

结语
信息不该在角落蒙尘，而该在你需要时，以秒级速度应声而来。海量碎片不可怕，可怕的是手握万千知识，却始终找不到高效取用的路径。

​