夜雨聆风
告别低效沟通!使用Dify把公司文档变成智能问答库
Tip
友情提示： 文章有点长，但是很干货，建议仔细阅读，有问题的可以后台留言一起交流
前言
随着大模型应用的普及，如何将通用 AI 能力与私有知识结合，成为企业与个人落地 AI 的关键。Dify 作为一款开源的 LLMOps 平台，提供了可视化、低代码的方式，帮助用户快速构建基于知识库的智能应用。
本文将详细介绍如何在 ** Linux 系统上部署 Dify 1.12.0**，并创建一个基于知识库的聊天助手，实现精准问答、拒绝发散，适用于文档查询、产品手册、内部知识库等场景。
一、环境准备与 Dify 部署
1. 系统要求
-
• 操作系统： Linux：Ubuntu 20.04 LTS 或 CentOS 7+ -
• 硬件： -
• 内存：≥ 8GB（推荐 16GB） -
• 存储：≥ 50GB 可用空间 -
• 依赖软件： -
• Docker -
• Docker Compose -
• Git
**2. 安装 Docker
Linux 安装步骤（以 Ubuntu 为例）
# 更新软件源
sudo apt update
# 安装依赖
sudo apt install -y docker.io docker-compose git curl
# 将当前用户加入 docker 组，避免每次使用 sudo
sudo usermod -aG docker $USER
# 重启终端或执行：
newgrp docker✅ 验证：docker --version 应输出版本信息（如 Docker version 24.0.6）
Centos 系统使用 yum 工具安装 yum install -y docker.io docker-compose git curl 其他操作类似
3. 部署 Dify 1.12.0
项目代码获取
可以使用git clone进行克隆拉取
mkdir -p /opt/app/Dify && cd/opt/app/Dify
git clone -b v1.12.0 https://github.com/langgenius/dify.git
cd dify或者直接从github上下载对应zip包进行解压，下载地址 https://github.com/langgenius/dify/archive/refs/tags/1.12.0.tar.gz
配置并启动服务
# 复制环境配置文件
cp .env.example .env
# 调整配置 vim .env
# 修改默认端口号 EXPOSE_NGINX_PORT
EXPOSE_NGINX_PORT=8088
# 修改如下两个URL地址，默认是空
CONSOLE_API_URL=http://172.31.7.31:8088
APP_API_URL=http://172.31.7.31:8088
# 启动容器（后台运行）
docker compose up -dTip
重要提醒
🕒 首次启动需拉取镜像，耗时较长，请耐心等待。
🕒 如果你的80端口已经被占用（一般是Nginx占用），建议修改.env中的EXPOSE_NGINX_PORT参数，比如修改成 8081
🕒 修改 CONSOLE_API_URL 和 APP_API_URL地址，默认为空，不修改的话再第一次打开页面自动install的时候浏览器console会报错，无法正常打开
验证服务状态
docker compose ps确保 api、web、worker 等服务状态为 running。
4. 初始化与访问
-
• 打开浏览器访问：
http://192.168.100.101:8081
– 注意这里是修改之后的端口和地址，目前是测试就没有配置 域名+ 反向代理（如 Nginx） -
• 首次使用需注册账号，该账号为管理员账户，请妥善保管。 -
• 登录后进入 Dify 工作台。
界面大概长这个样子
目前我们主要使用知识库和工作室 两个菜单下的能力。
但是在进入实际使用之前，我们需要配置两个特殊的模型：
-
• embedding模型 就是把人类能理解的文字，翻译成计算机能看懂的“数学语言” 存入到 向量数据库中 -
• LLM模型 这就是我们常说的deepseek/千文等 -
• 此外可能还会涉及到reranker模型
这里我们直接配置教你如何配置
二、模型选择和配置
选择了基于Dify本地部署的话，一般也会基于GPU机型部署本地LLM大模型和Embedding模型，这里先不讲本地部署的方案。
1、模型选择
这里是以第三方云厂商提供的免费额度来配置，大家可以通过这个连接 阿里云百炼平台 https://www.aliyun.com/benefit/ai/aistar?clubBiz=subTask..12407165..10263.. 来获取免费额度
然后在API参考页面进入页面（https://bailian.console.aliyun.com/cn-beijing/?tab=model#/api-key 国内一般都是北京区）创建一个API Key 即可
阿里云的百炼提供了上面提到的LLM（比如最新的qwen3.5-plus）、embedding、reranker模型
2、Dify配置
点击右上角的个人头像图标，点击”设置“进入之后选择 模型供应商， 搜索 ”通义“，找到之后直接点击安装按钮，安装之后如下
然后点击模型右侧的 ”添加模型“ ，在弹出的面板中填入上一步申请的 API KEY 即可，名称随便填
然后就看到”显示模型“ 打开以后有122个模型，其中就有我们需要的三个模型
三、创建知识库：构建专属知识中枢
1. 创建知识库
-
• 进入 Dify 工作台 → 点击「知识库」→「创建知识库」 -
• 填写名称（如：公司产品手册） -
• 上传文档（支持 PDF、TXT、Markdown、Excel、CSV 等）
这里我们选择 “导致已有文件的方式创建”， 当然你也可以先创建个空知识库 然后进入知识库在上传文件一样的。
Tip
最佳实践建议将文档整理为 Q&A 格式的 CSV/Excel，提升检索准确率。
进过自己的各种实测 基于向量数据库的方案，对于文档格式有一定的要求
2. 配置分段与解析策略
分段可以选择默认的“通用”即可。关于“通用” 和 “父子模式” 的区别大家自行查阅资料哈
这里截全屏给展示下配置
点击下一步进入知识库看到文件的状态是”可用“ 就代表文件已经存入到向量数据库中
3. 召回测试
在知识库页面点击「召回测试」，输入问题验证是否能准确召回相关内容。
从截图看到找回的阶段后面有个打分，分值越高代表匹配度越高，因为向量查询是”相似度查询“ 和传统的关系型数据库查询的精确结果是不同的
四、创建基于知识库的聊天助手
1. 创建应用
-
• 进入「工作室」→「创建空白应用」 -
• 选择「聊天助手」 -
• 填写应用名称（如：测试知识库）
2. 配置模型与知识库
-
• 选择大模型（如： qwen3.5-plus） -
• 关联已创建的知识库
3. 核心提示词（Prompt）设计
✅ 目标： 严格基于知识库回答，不编造、不发散
# 角色设定
你是一个严谨的知识库问答助手，仅根据提供的知识库内容回答用户问题。
# 核心指令
1. 回答必须且只能使用知识库中的信息，禁止自由发挥或检索外部知识。
2. 若问题在知识库中无明确答案，统一回复：“我不知道。”
3. 回答尽量简洁，直接给出关键信息，避免冗长解释。
4. 不要添加任何假设性、推测性内容。
5. 所有回答使用中文，保持专业、客观语气。
# 输出规范
- 问答形式：直接回答，不重复问题
- 列表类问题：使用数字编号或项目符号清晰列出
- 涉及步骤：按顺序分点说明4. 调试与测试
在「调试与预览」面板中测试以下问题：
-
• PostgreSQL 如何创建新用户并授权？ -
• （原问题）PostgreSQL 时区如何设置？ （可以变成提问 `在PostgreSQL数据库如何设置时区？） -
• “太阳为什么是圆的？”（问个不相关的应返回“我不知道。”）
测试结果如下，看到是否我们预期的。
Tip
恭喜你至此一个完整的基于Dify构建企业内部知识库的流程就跑通了；但实际在长期测试验证的过程中发现，基于csv/xls格式的 ”问题&答案“ 格式效果是最好的
这里也把测试过程中用到的 csv 文件共享出来 https://gitee.com/colin5063/public-share-files/blob/master/knowledge_demofiles/PostgreSQL%E9%97%AE%E9%A2%98%E6%B1%87%E6%80%BB.csv
最后再多说两句
1、Dify 的核心价值：
-
• 低代码： 无需编程即可构建 AI 应用 -
• 可控性： 通过提示词与知识库约束行为 -
• 可扩展： 支持 API、Webhook、多应用集成
2、后续方向：
-
• 将助手接入企业微信、钉钉 -
• 定期更新知识库内容 -
• 结合日志分析优化问答效果
3、Windows 用户部署建议
Windows 用户可通过 WSL2（Windows Subsystem for Linux） 实现与 Linux 一致的体验：
-
1. 安装 WSL2： -
• 启用“适用于 Linux 的 Windows 子系统”功能 -
• 安装 Ubuntu 20.04 发行版（从 Microsoft Store） -
• 设置默认版本为 WSL2 -
2. 安装 Docker Desktop： -
• 下载并安装 Docker Desktop for Windows -
• 在设置中启用 “Use WSL 2 based engine” -
• 配置资源：内存 ≥ 4GB -
3. 在 WSL2 中操作： -
• 打开 Ubuntu 终端 -
• 按照 Linux 步骤部署 Dify
✅ 优势：避免 Windows 原生环境兼容性问题，性能更优。
参考资料：
-
• Dify 官方文档：https://docs.dify.ai -
• 阿里云百炼平台 https://www.aliyun.com/benefit/ai/aistar?clubBiz=subTask..12407165..10263..
感谢你阅读文档，如有收获可以点赞、关注加收藏^_^ ，谢谢
有问题请后台留言，看到后会第一时间回复您。
预告: 后续出一个基于 qwen-code客户端构建个人本地知识库问答系统，
