企业级AI应用,Dify集成RAGFlow知识库保姆教程

第一部分:RAGFlow 端配置

在 Dify 能够调用之前,确保 RAGFlow 已经就绪并提供了可访问的 API。

步骤 1: 确保 RAGFlow 正常运行

具体可以参考:

https://blog.csdn.net/qq_35354529/article/details/151149191?spm=1001.2014.3001.5502

注意启动命令使用docker compose -p ragflow up -d

  • RAGFlow 服务应该已经通过 Docker 正常启动。
  • 通过浏览器访问 RAGFlow 的 Web 界面(通常是 http://你的服务器IP:80我这个访问的地址是http://服务器ID:8580),确保可以正常登录。
步骤 2: 创建知识库并上传文档
  1. 登录 RAGFlow 后,点击"知识库" -> "新建知识库",创建一个新的知识库。
  2. 进入该知识库,点击"上传文件",将包含复杂表格和图片的 PDF 文档上传。
步骤 3: 创建 API 密钥
  1. 点击页面右上角的"头像"图标。
  2. 创建API KEY

API KEY: ragflow-E5ZW***************************** 后续提供给Dify调用RAGFlow使用

  1. 记录RAGFlow知识库ID
步骤 4: 记录 API 端点信息
  • RAGFlow API 基地址(Base URL) :通常是 http://RAGFlow服务器IP:8580
  • 检索接口路径/api/v1/retrieve
  • 完整的检索端点 URLhttp://RAGFlow服务器IP:8580/api/v1/retrieve
  • RAGFlow知识库ID:581af2b2889a11f082420242ac1f0006

第二部分:Dify 端配置

现在,在 Dify 中创建一个应用,并通过工作流调用 RAGFlow知识库。

步骤 1: 在 Dify 中创建一个外部知识库
  1. 创建外部知识库API

  2. 召回测试

API Endpoint: http://RAGFlow服务器IP:8580/api/v1/dify

API KEY: RAGFlow提供的API KEY

步骤 2: 在 Dify 中创建新应用
  1. 登录你的 Dify 控制台。
  2. 点击"创建新应用",选择"ChatFlow"
步骤 3: 构建工作流

进入应用的工作流编辑界面,按以下顺序添加和配置节点:

节点 1: 开始

  • 拖入一个 "开始" 节点。它代表了用户输入的提问。

节点 2: 知识检索

  • 拖入一个 "知识检索" 节点。设置知识库。

节点 3: LLM(大语言模型)

  1. 拖入一个 "LLM" 节点。
  2. 设计系统提示词
  3. 可以根据需要调整温度和最大生成长度等参数。
python 复制代码
你是一个专业的问答助手。请严格根据<知识库内容>来回答用户的问题。

# 知识库内容:
{{#context#}}

# 用户问题:
{{#sys.query#}}

# 回答要求:
1.  **精准忠实**:答案必须完全源自上述<知识库内容>。严禁编造、演绎或使用外部知识。
2.  **清晰有条理**:组织你的答案,使其逻辑清晰、易于理解。可以使用列表、分点等方式。
3.  **引用溯源**:如果<知识库内容>中包含了明确的来源(如文件名、URL、章节名),请在答案末尾以"来源:[此处填写来源]"的格式注明。
4.  **不确定性处理**:如果<知识库内容>中**完全没有**与用户问题相关的信息,请明确告知用户"根据现有资料,我无法找到相关问题答案。"
5.  **完整性**:尽量提供完整的信息,如果问题涉及多个方面,请覆盖所有方面。

现在,请开始回答。

节点 4: 直接回复

  1. 拖入一个 "直接回复" 节点。

  2. 将其连接到"LLM"节点之后。这个节点会将 LLM 生成的最终答案返回给用户。

测试:

关键注意事项

  1. 使用 Docker 网络隔离:为每个项目创建独立的网络
  2. 使用环境变量文件 :为每个项目创建独立的 .env 文件
  3. 启动RAGFlow与Dify
python 复制代码
# 在 Dify 目录中,使用项目名 "dify"
cd /dify1.8/dify-1.8.0/docker
docker compose -p dify down
docker compose -p dify up -d

# 在 RAGFlow 目录中,使用项目名 "ragflow"
cd /path/to/ragflow
docker compose -p ragflow down
docker compose -p ragflow up -d
相关推荐
文心快码 Baidu Comate14 分钟前
您的前端开发智能工作流待升级,查收最新 Figma2Code!
人工智能·ai编程·文心快码·ai ide·comate ai ide
AIminminHu1 小时前
实战项目(十二:《AI画质增强与LED驱动控制:一场关于‘创造’与‘还原’的对话》):从LED冬奥会、奥运会及春晚等大屏,到手机小屏,快来挖一挖里面都有什么
人工智能·智能手机
skywalk81632 小时前
在Windows10 Edge浏览器里安装DeepSider大模型插件来免费使用gpt-4o、NanoBanana等AI大模型
人工智能
汽车仪器仪表相关领域2 小时前
工业安全新利器:NHQT-4四合一检测线系统深度解析
网络·数据库·人工智能·安全·汽车·检测站·汽车检测
有Li2 小时前
基于神经控制微分方程的采集无关深度学习用于定量MRI参数估计|文献速递-文献分享
论文阅读·人工智能·文献·医学生
taxunjishu3 小时前
DeviceNet 转 Profinet:西门子 S7 - 1500 PLC 与欧姆龙伺服电机在汽车焊装生产线夹具快速切换定位的通讯配置案例
人工智能·区块链·工业物联网·工业自动化·profinet·devicenet·总线协议转换网关
脑极体3 小时前
华为,让金融智能体月映千江
人工智能·华为·金融
万俟淋曦4 小时前
【ROS2】通讯机制 Topic 常用命令行
人工智能·ai·机器人·ros·topic·ros2·具身智能
武汉唯众智创4 小时前
基于边缘计算的智能家居综合实训室设计方案
人工智能·智能家居·边缘计算·智能家居实训室·智能家居综合实训室·智能家居实验室·智能家居综合实验室
倔强青铜三4 小时前
苦练Python第52天:一口气吃透Python的“七脉神剑”:生命周期+字符串魔术方法全解析
人工智能·python·面试