github： https://github.com/langgenius/dify/blob/main/README_CN.md
介绍文档：https://docs.dify.ai/getting-started/readme

Dify 介绍

Dify 笔记

  • Dify 是什么？
    • 开源的大语言模型（LLM）应用开发平台
    • 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
  • 为什么使用 Dify？
    • 易用性：即使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
    • 灵活性：支持各种类型的 LLM，并提供了丰富的插件，可以满足各种需求
    • 可扩展性：可以部署在云端或本地，可以满足不同规模的应用需求
  • Dify 能做什么？
    • 创业：快速将 AI 应用创意变成现实
    • 将 LLM 集成至已有业务：增强现有应用的能力
    • 作为企业级 LLM 基础设施：加速 GenAI 技术在企业内的推广
    • 探索 LLM 的能力边界：实践 Prompt 工程和 Agent 技术

Dify 的优势

  • 易用性：Dify 的使用门槛较低，即使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。
  • 灵活性：Dify 支持各种类型的 LLM，并提供了丰富的插件，可以满足各种需求。
  • 可扩展性：Dify 可以部署在云端或本地，可以满足不同规模的应用需求。

Dify 的应用场景

  • 创业：快速将 AI 应用创意变成现实。
  • 将 LLM 集成至已有业务：增强现有应用的能力。
  • 作为企业级 LLM 基础设施：加速 GenAI 技术在企业内的推广。
  • 探索 LLM 的能力边界：实践 Prompt 工程和 Agent 技术。

部署与使用

方法一：使用云服务

https://cloud.dify.ai/apps
使用云服务就无需本地部署了

    1. 登录 Dify 云服务，创建一个或加入已有的 Workspace
  • 2.配置你的模型供应商，或使用我们提供的托管模型供应商
    1. 创建应用

方法二：本地部署

这里使用 Docker 部署，安装前确定已经部署好 Docker、Docker-compose。
将项目 clone 下来：

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

进入 dify 源代码的 docker 目录，使用 docker 启动：
cd dify/docker
docker-compose up -d
下载好镜像启动后，可以看到相关服务：

NAMEIMAGECOMMANDSERVICE CREATED STATUSPORTSdocker-api-1langgenius/dify-api:0.3.2"/entrypoint.sh" api 4 seconds ago Up 2 seconds80/tcp, 5001/tcpdocker-db-1 postgres:15-alpine "docker-entrypoint.s…" db4 seconds ago Up 2 seconds0.0.0.0:5432->5432/tcpdocker-nginx-1nginx:latest "/docker-entrypoint.…" nginx 4 seconds ago Up 2 seconds0.0.0.0:80->80/tcpdocker-redis-1redis:6-alpine "docker-entrypoint.s…" redis 4 seconds ago Up 3 seconds6379/tcpdocker-weaviate-1 semitechnologies/weaviate:1.18.4 "/bin/weaviate --hos…" weaviate4 seconds ago Up 3 secondsdocker-web-1langgenius/dify-web:0.3.2"/entrypoint.sh" web 4 seconds ago Up 3 seconds80/tcp, 3000/tcpdocker-worker-1 langgenius/dify-api:0.3.2"/entrypoint.sh" worker4 seconds ago Up 2 seconds80/tcp, 5001/tcp

如果有防火墙需要放行 80、5432 端口。
下面在浏览器访问 http://部署服务ip ，即可进入到 dify ，刚开始需要设置邮箱、用户名密码信息：

设置完成并登录后即可来到主页面：

构建私有化知识库问答应用

构建本地知识库

现在我们定义下课程信息，将内容放入一个 txt 文本中：
周一课程：上午：JAVA，下午：Python。周二课程：上午：机器学习，下午：机器视觉。周三课程：上午：NLP，下午：HTML。周四课程：上午：微服务，下午：大数据。周五课程：上午：android，下午：历史文化。
下面点到数据集下，点击创建数据集：

下面将上面的 txt 文本拖入或选中进来：

下面进行文本的分段与清洗，由于内容不多，可以分到一个段中：

下面点击保存就成功创建了一个知识库：

构建问答应用

下面构建一个问答的应用：

由于是使用 ChatGPT 下面先给它指定一个 API key：

对于 ChatGPT 的版本，这里以 gpt-3.5-turbo 为例：

下面在 提示词编排 中使用上面的知识库：

此时可以在右侧进行调试：

我们已经成功实现了我们希望看到的效果，如果您感觉满意，请不要忘记点击右上角的“发布”按钮。接下来，我们将介绍如何通过API来使用这个功能。访问API时，您可以看到API接口地址，同时也会给出访问示例，方便您更好地理解和使用。

访问前需要生成 API 秘钥，可以点击 API 秘钥 生成：

下面我们就可以使用 PostMan 进行访问了。

效果测试

这里使用自带的预览：

下面就可以进行一些针对性的问答了：