大模型笔记03--快速体验dify

介绍

Dify 是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。

dify平台用户体验好，配置简单，且内置了大量应用模板和工具，通过dify我们可以快速对接各种大模型，创建自己的知识库，按需选择工具构建形式多样的应用。除此之外，还能快速对接到第三方应用，将ai的能力赋能给其它场景和行业。

本文基于docker compose快速部署dify平台，对接ollama和阿里云千问大模型，并将生成的智能聊天机器人嵌入到业务网站中。

dify 官方提供了多种部署方式，我们直接用 docker compose的方式快速拉起服务

bash 复制代码

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env # 如果机器上有端口冲突，按需更改这个.env中的端口即可
docker compose up -d

部署成功后我们可以看到三个服务(api / worker / web) 和六个组件(weaviate / db / redis / nginx / ssrf_proxy / sandbox) 都正常运行，如下图:

初始界面，需要按需配置账号信息：

本地通过 http://localhost/install 配置，服务器直接通过 http://your_server_ip/install 配置即可.

登录界面	主界面

对比fastgpt，dify 已经内置了很多常见应用模板和通用工具:

通用模板	常用工具

需要在本地或者服务器上安装ollama，部署方式可以参考大模型笔记01--基于ollama和open-webui快速部署chatgpt，并拉起相关模型，笔者已经提前下载好 qwen2:7b 和 nomic-embed-text:v1.5 两个模型。

对接ollama	添加qwen2:7b模型

添加成功后可以发现 Ollama下有2个可用模型，如下图

模型准备就绪后可以参考官方步骤按需创建应用了

创建应用：

通过工作室->创建空白应用来创建一个聊天助手

对聊天助手限制提示词、配置可用的模型，也可以按需加上下午、知识库等功能，配置完成后点发布即可

发布成功后就可以开始聊天之旅了：

dify可以通过多种方式对接本地大模型，也可以直接对接云厂商的大模型，例如 openai,阿里云,aws,azure 等厂商的大模型。

此处以阿里云的通义千问为例，我们需要在阿里云百炼 -> apiKey -> 创建key，然后在dify中设置该key即可

百炼创建key

dify 上配置通义千问的key

配置好后，我们基于模板创建一个旅游规划助手

创建后我们将默认的gpt-4更换为qwen-max模型，然后发布即可

注意：这个agent应用了3个工具，大模型会理解我们的内容，然后调用api获取目标数据

进入应用初始界面，输入基础信息，然后可以按需通过聊天获取目标旅游规划了

如下图，当用户提出 "您好，我想去北京玩一周，帮我制定一份详细的攻略，需要推荐入住的酒店和知名景点，并给出交通路线"的需求后，机器人先搜索维基百科、然后搜索google，拿到目标数据后总结出5天的行程安排和攻略。

答案中包括酒店、景点和出行方式，比较符合预期。

在 tooplate 模板网站下载一个 Gotto Job 的案例网站。

在聊天助手中选择发布->嵌入网站->选择嵌入网站的方式，选择后将脚本代码添加到html网页中，然后刷新网页即可在网页中使用dify提供的智能聊天助手了。

将脚本添加到代码中

打开网站主页，把上述代码粘贴到html中，重新刷新网页就多出了一个聊天的按钮，点击后即可正常聊天了，如下图我们已经把智能聊天助手对接到个人网站了。

至此，我们已经能把智能聊天机器人挂到自己的网站了。

dify工包含了很多工具，通过这种方式我们可以在自己的ai机器人具备很多种能力，实际使用的时候按需填写各个产品的key即可。
dify可以对接很多种本地大模型，但良好的体验需要强大的机器资源来支持，因此如果没有足够的机器资源，推荐使用ai大模型厂商的服务即可(毕竟当前token已经相对比较便宜了).
dify能快速将智能应用嵌入到网站中，从而快速实现网站智能客户。对于网站客服类机器人，我们可以对接各类表格，将用户的需求数据拆机出来存到各种表格中，方便内部人员基于收集的数据回访或者开展相关业务。