口腔AI大脑级应用,让你不在愁激活老客

写在前面

我是某口腔医院的运营总监。在过去的一个月里，我利用一台阿里云服务器，从零搭建了一套完整的AI运营平台。

这篇文章记录了整个过程——包括踩过的坑、走过的弯路，以及最终的解决方案。如果你也是医疗行业的运营人员，或者想在自己的服务器上部署AI应用，这篇文章应该能帮你省下至少一周的摸索时间。

下面是AI自动话盘点的数据,可以自动找寻重点客户,给出回访话术,和应对点.测试效果非常有效

客户激活执行方案

一、数据总*

分层人数占比说明：本次针对评分最高的TOP客户进行激活，模拟样本共15人。

A类（急需跟进/未完成治疗）
：5人（占比33%），主要涉及种植二期、根管治疗未冠修复等。
B类（高意向/咨询未成交）
：4人（占比27%），主要涉及正畸、种植咨询。
C类（VIP/高消费维护）
：3人（占比20%），主要涉及高客单价项目维护。
D类（定期保养/洗牙）
：3人（占比20%），主要涉及长期未回访洗牙客户*

二、TOP激活名单

第1位：王**（评分：98分）

分层：A层 | 标签：⭐🔧💎末次就诊： 2025-12-15（距今120天）累计消费： 28000元 | 就诊3次主要项目：下颌种植一期手术未完成：种植二期修复切入点：复查关怀切入（有未完成种植）A版话术（主推-关怀型）："王姐您好，我是京熙口腔的小李。您去年做的种植一期到现在4个月多了，张院长特意嘱咐我联系您，这时候骨结合应该长好了，千万别错过最佳修复期，这周您看哪天方便过来拍个片子？"B版话术（备用-活动型）："王姐您好，我是京熙口腔的小李。最近我们引进了新款的氧化锆牙冠，美观度提升很多，想到您马上要做二期修复了，特意给您申请了一个免费升级体验名额，您看要不要留给您？"拒绝应对：

如果说"不需要"→ "理解的姐，那主要还是怕您骨头吸收影响效果，我先帮您留意着，您什么时候有空随时联系我，我微信就是手机号。"
如果说"考虑一下"→ "好的没问题，那您先忙着，我下周再提醒您一下，毕竟牙齿还是早点用起来好。"预约成功后确认信息："王姐您好，已为您预约2月20日下午3点张院长的种植复查号，地址：京熙口腔2楼。如需改约请提前联系我，祝您生活愉快！——京熙口腔小李"

搭建过程:

# 🔍 完整评估 + 精准部署方案

---

## 第一部分：现状分析和风险评估

### 你的服务器现状

```

已有服务（非容器化）：

├── OpenClaw（CLI方式运行，非Docker）

│ ├── 位置：/home/admin/.local/share/pnpm/openclaw

│ ├── 配置：/home/admin/.openclaw/

│ ├── 工作空间：lingshu

│ └── 飞书插件：gateway本地模式

│

├── 源雀SCRM（企业微信客服）

│ └── 语言：Python

│

├── 京熙CRM（自研）

│ └── 语言：Python

│

└── searxng（唯一容器化服务）

Docker版本：26.1.3 ✅ 版本够用

```

### 关键风险点

```

⚠️ 风险1：端口冲突

OpenClaw 本地运行会占用某些端口

部署新服务前必须确认端口占用情况

⚠️ 风险2：Python环境冲突

源雀SCRM + 京熙CRM 用Python运行

新Docker服务有独立网络，不影响Python进程

但需要确认Python服务的端口不和新服务冲突

⚠️ 风险3：OpenClaw飞书gateway

gateway本地模式说明飞书消息走本机进程

n8n对接飞书需要通过OpenClaw的API而非直连

✅ 好消息：

Docker已安装，searxng已在跑

说明你对Docker有基础，部署会顺利

```

---

## 第二部分：部署前必做的检查

### 立刻执行这些命令，把结果发给我

```bash

# ===== 检查1：端口占用情况 =====

ss -tlnp | sort

# ===== 检查2：OpenClaw运行状态 =====

ps aux | grep -E 'openclaw|node|pnpm'

# ===== 检查3：Python服务运行状态 =====

ps aux | grep python

# ===== 检查4：现有容器情况 =====

docker ps -a

# ===== 检查5：磁盘空间 =====

df -h

# ===== 检查6：内存使用 =====

free -h

# ===== 检查7：OpenClaw配置 =====

cat /home/admin/.openclaw/config.yml 2>/dev/null || \

cat /home/admin/.openclaw/config.json 2>/dev/null || \

ls /home/admin/.openclaw/

# ===== 检查8：源雀SCRM运行端口 =====

ps aux | grep python | grep -v grep

netstat -tlnp 2>/dev/null | grep python

```

---

## 第三部分：端口规划（避免冲突）

### 新服务端口分配

```

端口分配方案（选用高位端口避免冲突）：

服务端口访问地址

─────────────────────────────────────────

Dify Web界面 18080 :18080

Dify API 15001 内部

PostgreSQL 15432 内部（不对外）

Redis 16379 内部（不对外）

MinIO 存储 19000 内部

MinIO 控制台 19001 :19001

n8n 自动化 15678 :15678

Metabase（后期） 13000 :13000

─────────────────────────────────────────

searxng（已有）保持不变

说明：

✅ 所有新服务用1XXXX端口

✅ 不会和OpenClaw/Python服务冲突

✅ 内部服务不对外暴露，更安全

```

---

## 第四部分：完整部署步骤

### Step 1：创建目录结构

```bash

# 创建统一目录

mkdir -p /opt/ai-platform/{postgres,redis,minio,n8n,nginx,dify,configs}

mkdir -p /opt/ai-platform/postgres/init

mkdir -p /opt/ai-platform/nginx/conf.d

mkdir -p /opt/ai-platform/minio/data

cd /opt/ai-platform

echo "✅ 目录创建完成"

tree /opt/ai-platform 2>/dev/null || ls -la /opt/ai-platform

```

---

### Step 2：创建环境变量文件

```bash

cat > /opt/ai-platform/.env << 'EOF'

# ================================================

# 全局配置文件 - 所有密码在这里统一管理

# ================================================

# PostgreSQL

POSTGRES_USER=aiuser

POSTGRES_PASSWORD=AiPlatform2024!Secure

POSTGRES_HOST=ai-postgres

POSTGRES_PORT=5432

# Redis

REDIS_PASSWORD=Redis2024!Secure

# MinIO

MINIO_ROOT_USER=minioadmin

MINIO_ROOT_PASSWORD=Minio2024!Secure

# n8n

N8N_BASIC_AUTH_USER=admin

N8N_BASIC_AUTH_PASSWORD=N8n2024!Secure

N8N_ENCRYPTION_KEY=n8n-encryption-key-2024-oral-hospital

# Dify

DIFY_SECRET_KEY=dify-secret-key-2024-oral-hospital-secure

# 服务器IP（修改成你的实际IP）

SERVER_IP=你的服务器IP

EOF

echo "✅ 环境变量文件创建完成"

cat /opt/ai-platform/.env

```

---

### Step 3：创建数据库初始化脚本

```bash

cat > /opt/ai-platform/postgres/init/01-init.sql << 'EOF'

-- ================================================

-- 数据库初始化脚本

-- ================================================

-- 启用 pgvector 扩展（在默认数据库）

CREATE EXTENSION IF NOT EXISTS vector;

CREATE EXTENSION IF NOT EXISTS pg_trgm;

-- 创建 Dify 专用数据库

CREATE DATABASE dify

WITH OWNER = aiuser

ENCODING = 'UTF8'

LC_COLLATE = 'en_US.utf8'

LC_CTYPE = 'en_US.utf8';

-- 创建 n8n 专用数据库

CREATE DATABASE n8n

WITH OWNER = aiuser

ENCODING = 'UTF8'

LC_COLLATE = 'en_US.utf8'

LC_CTYPE = 'en_US.utf8';

-- 创建 Metabase 数据库（后期用）

CREATE DATABASE metabase

WITH OWNER = aiuser

ENCODING = 'UTF8'

LC_COLLATE = 'en_US.utf8'

LC_CTYPE = 'en_US.utf8';

-- 创建口腔业务数据库（存你的患者分析数据）

CREATE DATABASE oral_crm

WITH OWNER = aiuser

ENCODING = 'UTF8'

LC_COLLATE = 'en_US.utf8'

LC_CTYPE = 'en_US.utf8';

-- 授权

GRANT ALL PRIVILEGES ON DATABASE dify TO aiuser;

GRANT ALL PRIVILEGES ON DATABASE n8n TO aiuser;

GRANT ALL PRIVILEGES ON DATABASE metabase TO aiuser;

GRANT ALL PRIVILEGES ON DATABASE oral_crm TO aiuser;

EOF

# 在dify库中启用pgvector（需要第二个脚本）

cat > /opt/ai-platform/postgres/init/02-extensions.sql << 'EOF'

-- 在 dify 库中启用扩展

\c dify

CREATE EXTENSION IF NOT EXISTS vector;

CREATE EXTENSION IF NOT EXISTS pg_trgm;

-- 在 oral_crm 库中启用扩展

\c oral_crm

CREATE EXTENSION IF NOT EXISTS vector;

CREATE EXTENSION IF NOT EXISTS pg_trgm;

-- 创建患者数据基础表（供后续分析用）

CREATE TABLE IF NOT EXISTS patient_analysis_records (

id SERIAL PRIMARY KEY,

analysis_date TIMESTAMP DEFAULT NOW(),

total_patients INTEGER,

layer_a_count INTEGER,

layer_b_count INTEGER,

layer_c_count INTEGER,

layer_d_count INTEGER,

layer_e_count INTEGER,

top_activate_list JSONB,

full_report JSONB,

created_by VARCHAR(50)

);

EOF

echo "✅ 数据库初始化脚本创建完成"

```

---

### Step 4：创建主 docker-compose.yml

```bash

cat > /opt/ai-platform/docker-compose.yml << 'EOF'

version: '3.8'

# ================================================

# 口腔医院 AI 平台 - 完整服务编排

# ================================================

networks:

ai-network:

driver: bridge

volumes:

postgres_data:

driver: local

redis_data:

driver: local

minio_data:

driver: local

n8n_data:

driver: local

services:

# ================================================

# PostgreSQL 16 + pgvector

# 端口：15432（外部），5432（内部）

# ================================================

postgres:

image: pgvector/pgvector:pg16

container_name: ai-postgres

restart: always

environment:

POSTGRES_USER: ${POSTGRES_USER}

POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}

POSTGRES_DB: aiplatform

PGDATA: /var/lib/postgresql/data/pgdata

TZ: Asia/Shanghai

volumes:

- postgres_data:/var/lib/postgresql/data

- ./postgres/init:/docker-entrypoint-initdb.d

ports:

- "15432:5432"

networks:

- ai-network

healthcheck:

test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER}"]

interval: 10s

timeout: 5s

retries: 5

deploy:

resources:

limits:

memory: 2G

reservations:

memory: 512M

# ================================================

# Redis 7

# 端口：16379（外部），6379（内部）

# ================================================

redis:

image: redis:7-alpine

container_name: ai-redis

restart: always

command: >

redis-server

--requirepass ${REDIS_PASSWORD}

--maxmemory 512mb

--maxmemory-policy allkeys-lru

--save 60 1

--loglevel warning

volumes:

- redis_data:/data

ports:

- "16379:6379"

networks:

- ai-network

healthcheck:

test: ["CMD", "redis-cli", "-a", "${REDIS_PASSWORD}", "ping"]

interval: 10s

timeout: 3s

retries: 5

deploy:

resources:

limits:

memory: 512M

# ================================================

# MinIO 对象存储

# 端口：19000（API），19001（控制台）

# ================================================

minio:

image: minio/minio:latest

container_name: ai-minio

restart: always

command: server /data --console-address ":9001"

environment:

MINIO_ROOT_USER: ${MINIO_ROOT_USER}

MINIO_ROOT_PASSWORD: ${MINIO_ROOT_PASSWORD}

MINIO_BROWSER_REDIRECT_URL: http://${SERVER_IP}:19001

TZ: Asia/Shanghai

volumes:

- minio_data:/data

ports:

- "19000:9000"

- "19001:9001"

networks:

- ai-network

healthcheck:

test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]

interval: 30s

timeout: 10s

retries: 3

deploy:

resources:

limits:

memory: 512M

# ================================================

# n8n 自动化工作流

# 端口：15678

# 连接飞书/微信/Dify的关键枢纽

# ================================================

n8n:

image: n8nio/n8n:latest

container_name: ai-n8n

restart: always

environment:

# 基础配置

N8N_HOST: 0.0.0.0

N8N_PORT: 5678

N8N_PROTOCOL: http

WEBHOOK_URL: http://${SERVER_IP}:15678

GENERIC_TIMEZONE: Asia/Shanghai

TZ: Asia/Shanghai

# 认证

N8N_BASIC_AUTH_ACTIVE: "true"

N8N_BASIC_AUTH_USER: ${N8N_BASIC_AUTH_USER}

N8N_BASIC_AUTH_PASSWORD: ${N8N_BASIC_AUTH_PASSWORD}

N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}

# 数据库（使用PostgreSQL）

DB_TYPE: postgresdb

DB_POSTGRESDB_HOST: postgres

DB_POSTGRESDB_PORT: 5432

DB_POSTGRESDB_DATABASE: n8n

DB_POSTGRESDB_USER: ${POSTGRES_USER}

DB_POSTGRESDB_PASSWORD: ${POSTGRES_PASSWORD}

# 功能开关

N8N_METRICS: "false"

EXECUTIONS_DATA_PRUNE: "true"

EXECUTIONS_DATA_MAX_AGE: 720

N8N_EDITOR_BASE_URL: http://${SERVER_IP}:15678

volumes:

- n8n_data:/home/node/.n8n

ports:

- "15678:5678"

depends_on:

postgres:

condition: service_healthy

redis:

condition: service_healthy

networks:

- ai-network

deploy:

resources:

limits:

memory: 1G

EOF

echo "✅ docker-compose.yml 创建完成"

```

---

### Step 5：启动基础服务

```bash

cd /opt/ai-platform

# 加载环境变量

export $(cat .env | grep -v '#' | xargs)

# 启动服务

docker compose up -d

# 等待数据库初始化

echo "等待服务启动..."

sleep 45

# 检查状态

docker compose ps

**预期输出：**

```

NAME STATUS PORTS

ai-postgres running 0.0.0.0:15432->5432/tcp

ai-redis running 0.0.0.0:16379->6379/tcp

ai-minio running 0.0.0.0:19000-19001->9000-9001/tcp

ai-n8n running 0.0.0.0:15678->5678/tcp

```

### Step 6：安装 Dify

```bash

cd /opt/ai-platform

# 克隆 Dify

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

cd dify/docker

# 复制配置

cp .env.example .env

# 用sed批量修改配置（不用手动vim）

sed -i "s|SECRET_KEY=.*|SECRET_KEY=dify-secret-key-2024-oral-hospital-secure|g" .env

sed -i "s|DB_USERNAME=.*|DB_USERNAME=aiuser|g" .env

sed -i "s|DB_PASSWORD=.*|DB_PASSWORD=AiPlatform2024!Secure|g" .env

sed -i "s|DB_HOST=.*|DB_HOST=ai-postgres|g" .env

sed -i "s|DB_PORT=.*|DB_PORT=5432|g" .env

sed -i "s|DB_DATABASE=.*|DB_DATABASE=dify|g" .env

sed -i "s|REDIS_HOST=.*|REDIS_HOST=ai-redis|g" .env

sed -i "s|REDIS_PASSWORD=.*|REDIS_PASSWORD=Redis2024!Secure|g" .env

sed -i "s|STORAGE_TYPE=.*|STORAGE_TYPE=s3|g" .env

sed -i "s|S3_ENDPOINT=.*|S3_ENDPOINT=http://ai-minio:9000|g" .env

sed -i "s|S3_BUCKET_NAME=.*|S3_BUCKET_NAME=dify-storage|g" .env

sed -i "s|S3_ACCESS_KEY=.*|S3_ACCESS_KEY=minioadmin|g" .env

sed -i "s|S3_SECRET_KEY=.*|S3_SECRET_KEY=Minio2024!Secure|g" .env

sed -i "s|EXPOSE_NGINX_PORT=.*|EXPOSE_NGINX_PORT=18080|g" .env

echo "✅ Dify 配置修改完成"

# 让Dify使用已有的网络和服务

cat >> docker-compose.yaml << 'DIFY_NETWORK'

# 使用已有的外部网络

networks:

default:

external: true

DIFY_NETWORK

# 注释掉Dify自带的db和redis（用我们已有的）

# （如果Dify compose里有db和redis，需要注释）

```

**创建MinIO的bucket：**

```bash

# 先创建 dify-storage bucket

docker exec ai-minio mc alias set local http://localhost:9000 minioadmin Minio2024!Secure 2>/dev/null || true

# 用Python创建bucket（更可靠）

docker exec ai-minio sh -c "

mc alias set local http://localhost:9000 minioadmin 'Minio2024!Secure' &&

mc mb local/dify-storage --ignore-existing &&

mc mb local/excel-uploads --ignore-existing &&

mc mb local/analysis-results --ignore-existing &&

echo 'Buckets created successfully'

```

**启动 Dify：**

```bash

cd /opt/ai-platform/dify/docker

# 启动

docker compose up -d

# 等待启动完成（Dify比较慢，等2分钟）

echo "Dify启动中，请等待120秒..."

sleep 120

# 检查状态

docker compose ps | grep -E 'Up|Exit|Error'

```

### Step 7：验证全部服务

bash

# 一键检查所有服务

echo "===== 检查所有服务状态 ====="

echo ""

echo "【基础服务】"

docker ps --format "table {{.Names}}\t{{.Status}}\t{{.Ports}}" | grep -E 'ai-|dify'

echo ""

echo "【端口监听】"

ss -tlnp | grep -E '18080|15432|16379|19000|19001|15678'

echo ""

echo "【内存使用】"

free -h

echo ""

echo "【磁盘使用】"

df -h /

echo ""

echo "===== 访问地址 ====="

SERVER_IP=$(curl -s ifconfig.me 2>/dev/null || hostname -I | awk '{print $1}')

echo "Dify: http://$SERVER_IP:18080"

echo "n8n: http://$SERVER_IP:15678"

echo "MinIO: http://$SERVER_IP:19001"

```-

## 第五部分：OpenClaw 对接 Dify

### 架构说明

```

你的OpenClaw（本地进程）

├── 飞书插件（gateway本地模式）

│ └── 接收飞书消息

│

└── 如何调用Dify？

方案A：OpenClaw内置HTTP工具 → 直接POST到Dify API

方案B：OpenClaw → n8n Webhook → n8n调用Dify

推荐：方案B（n8n作为中间层，更灵活，可记录日志）

```

### OpenClaw Agent 配置（在 lingshu 工作空间）

```bash

# 查看当前Agent配置

ls /home/admin/.openclaw/workspaces/lingshu/

cat /home/admin/.openclaw/workspaces/lingshu/agents.json 2>/dev/null || \

ls /home/admin/.openclaw/workspaces/lingshu/agents/ 2>/dev/null

```

**在 OpenClaw 的 Agent 里添加 HTTP 工具：**

```yaml

# 在你的Agent配置里添加工具

# 工具名称：调用患者分析

# 工具类型：HTTP请求

type: http

config:

method: POST

url: http://localhost:15678/webhook/patient-analysis

headers:

Content-Type: application/json

body: |

{

"patient_info": "{{input}}",

"source": "openclaw_feishu"

}

```

---

## 第六部分：n8n 核心工作流配置

### 工作流1：飞书消息 → Dify分析 → 回复

```

在 n8n 界面（http://服务器IP:15678）创建：

节点1：Webhook触发器

├── 路径：/webhook/feishu-message

├── 方法：POST

└── 认证：无（内网调用）

节点2：Switch（判断意图）

├── 条件1：消息含"激活客户" → 走分支A

├── 条件2：消息含"营销方案" → 走分支B

├── 条件3：消息含"数据分析" → 走分支C

└── 默认：返回"请说明需要什么分析"

节点3A：HTTP Request（调用Dify客户盘点工作流）

├── URL：http://dify-api:5001/v1/workflows/run

├── Method：POST

├── Header：Authorization: Bearer {{Dify工作流密钥}}

└── Body：{"inputs":{"content":"{{消息内容}}"}}

节点4：格式化输出

└── 将Dify返回结果格式化为飞书消息格式

节点5：HTTP Request（回复飞书）

└── 调用飞书API发送回复消息

```

### 工作流2：Excel上传 → 自动分析

```

节点1：Webhook（接收Excel上传）

节点2：上传到MinIO

节点3：调用Dify数据分析工作流

节点4：获取分析结果

节点5：保存到PostgreSQL

节点6：通知飞书（分析完成）

```

---

## 第七部分：源雀SCRM + 京熙CRM 对接

### 京熙CRM（Python）→ 接入n8n

```python

# 在你的京熙CRM Python代码里添加

# 当需要AI分析时，调用n8n的Webhook

import requests

def call_ai_analysis(patient_data: dict) -> dict:

"""

调用AI平台分析患者数据

"""

n8n_webhook_url = "http://localhost:15678/webhook/crm-analysis"

payload = {

"source": "jingxi_crm",

"action": "patient_analysis",

"data": patient_data,

"timestamp": datetime.now().isoformat()

}

try:

response = requests.post(

n8n_webhook_url,

json=payload,

timeout=30,

headers={"Content-Type": "application/json"}

)

return response.json()

except Exception as e:

return {"error": str(e), "status": "failed"}

def call_marketing_suggestion(patient_id: str) -> dict:

"""

为指定患者获取营销建议

"""

n8n_webhook_url = "http://localhost:15678/webhook/marketing-suggest"

payload = {

"source": "jingxi_crm",

"patient_id": patient_id

}

response = requests.post(n8n_webhook_url, json=payload, timeout=30)

return response.json()

```

### 源雀SCRM → 对接n8n

```

对接思路：

源雀SCRM → 企业微信事件 → n8n Webhook → Dify分析

具体配置：

1. 在源雀SCRM后台找到"消息回调/Webhook配置"

2. 填入 n8n 的 Webhook 地址：

http://你的服务器IP:15678/webhook/scrm-event

3. 在n8n创建对应工作流处理SCRM事件

```

---

## 第八部分：完整的服务管理脚本

```bash

# 创建统一管理脚本

cat > /opt/ai-platform/manage.sh << 'EOF'

#!/bin/bash

# AI平台统一管理脚本

# 使用方法：./manage.sh [start|stop|restart|status|logs]

PLATFORM_DIR="/opt/ai-platform"

DIFY_DIR="/opt/ai-platform/dify/docker"

case "$1" in

start)

echo "🚀 启动所有服务..."

cd $PLATFORM_DIR && docker compose up -d

sleep 10

cd $DIFY_DIR && docker compose up -d

echo "✅ 所有服务已启动"

;;

stop)

echo "🛑 停止所有服务..."

cd $DIFY_DIR && docker compose down

cd $PLATFORM_DIR && docker compose down

echo "✅ 所有服务已停止"

;;

restart)

echo "🔄 重启所有服务..."

$0 stop

sleep 5

$0 start

;;

status)

echo "📊 服务状态："

echo ""

echo "【基础服务】"

cd $PLATFORM_DIR && docker compose ps

echo ""

echo "【Dify服务】"

cd $DIFY_DIR && docker compose ps

echo ""

echo "【资源使用】"

docker stats --no-stream --format \

"table {{.Name}}\t{{.CPUPerc}}\t{{.MemUsage}}"

;;

logs)

SERVICE=${2:-"ai-n8n"}

echo "📋 查看 $SERVICE 日志..."

docker logs $SERVICE --tail 100 -f

;;

backup)

echo "💾 备份数据库..."

BACKUP_DATE=$(date +%Y%m%d_%H%M%S)

BACKUP_DIR="/opt/ai-platform/backups"

mkdir -p $BACKUP_DIR

docker exec ai-postgres pg_dump -U aiuser dify \

> $BACKUP_DIR/dify_$BACKUP_DATE.sql

docker exec ai-postgres pg_dump -U aiuser oral_crm \

> $BACKUP_DIR/oral_crm_$BACKUP_DATE.sql

echo "✅ 备份完成：$BACKUP_DIR"

ls -lh $BACKUP_DIR

;;

echo "使用方法："

echo " ./manage.sh start - 启动所有服务"

echo " ./manage.sh stop - 停止所有服务"

echo " ./manage.sh restart - 重启所有服务"

echo " ./manage.sh status - 查看服务状态"

echo " ./manage.sh logs [服务名] - 查看日志"

echo " ./manage.sh backup - 备份数据库"

;;

esac

EOF

chmod +x /opt/ai-platform/manage.sh

echo "✅ 管理脚本创建完成"

echo "使用方法：/opt/ai-platform/manage.sh status"

```

---

## 第九部分：部署后配置清单

```

Dify 初始化配置（浏览器操作）：

□ 1. 访问 http://服务器IP:18080

□ 2. 注册管理员账号（邮箱+密码）

□ 3. 设置 → 模型供应商 → 添加智谱AI

API Key：你的GLM密钥

测试连接成功

□ 4. 设置 → 模型供应商 → 添加阿里百炼

API Key：你的百炼密钥

测试连接成功

□ 5. 设置 → 默认模型

对话：qwen-max 或 glm-4

Embedding：text-embedding-v2

□ 6. 工作室 → 创建应用 → 工作流

名称：口腔客户盘点系统

按第三条回复里的节点逐步搭建

n8n 初始化配置：

□ 7. 访问 http://服务器IP:15678

□ 8. 登录（admin / YourN8nPassword123!）

□ 9. 创建 Webhook 工作流

□ 10. 测试飞书消息触发

MinIO 初始化：

□ 11. 访问 http://服务器IP:19001

□ 12. 登录（minioadmin / Minio2024!Secure）

□ 13. 确认 bucket 已创建：

dify-storage

excel-uploads

analysis-results

```

写在最后

这套平台从开始部署到完全跑通，我花了大约两周的碎片时间。中间踩了不少坑，但也学到了很多东西。

如果你也在考虑搭建类似的系统，我的建议是：

先跑通核心流程：不要追求一步到位，先把Dify跑起来，能做一个简单的分析工作流
逐步添加功能：稳定后再加n8n、加飞书对接、加CRM同步
做好备份：数据库定期备份，配置文件用Git管理
记录踩坑过程：遇到的问题和解决方案记下来，以后用得上

希望这篇文章对你有帮助。如果有问题，欢迎交流。

最后，给自己打个广告：

如果你也想在医疗行业用AI提升运营效率，但不知道从哪开始，或者遇到了具体的技术问题，可以找我聊聊。我踩过的坑，你可以不用再踩一遍。