Dify保姆级教程：部署、智能体、工作流到后端API

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

         Dify是一个开源的大型语言模型（LLM）应用开发平台，旨在简化AI应用的创建、部署和管理过程。它提供了一个直观的可视化界面，让开发者甚至非技术人员都能快速构建基于大语言模型的应用。包括可视化工作流、多模型支持、RAG引擎、API快速集成、可观测性与运维、开源与自托管等。

该篇博客从本地部署到Dify平台使用都有介绍，并且通过MCP Agent连接MySQL实现基于数据库真实数据进行问答。

Dify在github上给出了硬性要求需要满足条件

任务管理器》性能》虚拟化（开启）

控制面板》程序》启用或关闭程序：勾选：

Virtual Machine Platform

Windows虚拟机监控程序平台

适用于Linux 的 Windows子系统

命令行安装wsl

检查wsl版本

wsl --status

没有安装过会显示

进行安装

wsl.exe --install

置默认版本为wsl2

wsl --set-default-version 2

点击进入官网

选择AMD64进行下载

而后直接双击安装包下载即可，新版的docker无需勾选任何选项直接下载也无需下载Docker Compose

测试docker安装，最后运行出： Hello from Docker！表示运行成功

# docker版本 docker --version # docker compose版本 docker-compose --version # 测试运行 docker run hello-world

安装好docker后需要进行登录（邮箱也行），然后进行一个配置，点击右上角的设置按钮

选择Docker Engine，在其中配置Docker的镜像

 "registry-mirrors": [ "https://docker.m.daocloud.io", "https://hub-mirror.c.163.com" ]

在github上下载dify的文件

下载好后，在docker-main 》 docker 路径下，将.env.example的文件后缀名该文.env

修改好后在该路径下进行下载安装

docker-compose up -d

配置好后在浏览器中输入以下网址即可进入本地部署的Dify（端口默认80）

localhost:80/install

随后进行一个用户配置即可（注意：在使用Dify前确保Docker是在运行的）

在Ollama官网下载windows版本，下载好后直接install即可

在安装包下载好后，在导航栏输入，即可进入，若显示running则表示安装成功（端口默认11434）

http://localhost:11434/

现在开始在ollama中下载部署本地模型，在ollama官网点击 Models

进入模型搜索选择页面，选择自己所需模型即可，这里博主选择的是ChatGLM3-6B模型是 ChatGLM 系列最新一代的开源模型，保留了前两代模型对话流畅、部署门槛低等众多优秀特性

复制命令在命令行中回车下载即可

2.1.1 使用ollama本地部署模型

首先在docker文件夹的.env文件中添加，接受模型调用地址

# 启用自定义模型 CUSTOM_MODEL_ENABLED=true

指定 Ollama 的API地址

OLLAMA_API_BASE_URL=host.docker.internal:11434

在点击右上角个人头像框》设置》模型供应商》安装Ollama

下载好ollama后选择添加模型，模型名称处要与ollama下载时的名称一致，基础url即为Ollama指定的API地址

http://host.docker.internal:11434

配置成功

2.1.2 调用API模型

下载通义插件，选择添加模型，点击进入阿里云百炼

选择密钥管理，创建API Key，并复制（记得开启：免费额度用完即停）

将复制好的API Key输入，模型选择qwen-max（自己选择即可）

对API 密钥进行授权配置，重复操作即可

2.1.3 Dify中创建agent

将模型配置好后（本地/API任选其一），我们开始在Dify中创建Agent智能体应用，回到Dify首页，点击Agent（如果直接在全部中创建不会显示agent和聊天助手选项），点击创建空白应用

这里我们选择Agent创建

此时，会自动匹配好调用模型，可以供用户自主选择

配置好之后就能使用了

返回首页，选择知识库》创建知识库

选择导入已有文本，选择文件，然后点击下一步

对文本进行分段与清洗，选择自己所需参数，其中Top K标识对在排名前x名的数据进行引用，Score阈值则为当大于该阈值的才进入筛选进行排名引用，保存并处理

当状态显示为可以时，即成功

在实际使用中更多的是需要一些流程判断以及MCP插件来支持业务逻辑的实现，所以选择直接通过ChatFlow工作流编排来实现业务效果，此处博主将直接使用毕设案例进行操作

直接进行创建ChatFlow工作流，成功后如图，而后直接删除LLM和直接问答，自主根据需求编排

现在博主要编排一个功能包括病虫害防治/生长预测和建议/用户问答功能的工作流，实现在用户输入处编写一些变量，name表示病虫害/作物名称，type表示当前类型（用于判断是防治还是生长），相关参数如下

变量参数设置好后，开始编排逻辑，选择逻辑：条件分支

通过type值来判断工作流走向何处，此处我们设定当type是1时为病虫害防治，type是2时为农作物生长预测与建议，都不满足时进入用户问答

2.3.1 智能问答

由于是用户直接进行问答对话，所以在后面直接添加LLM模型，直接回复即可

2.3.2 病虫害防治

从这里开始，我们需要用到MCP进行数据库内容的调用了，点击右上角插件》探索Marketplace 》搜索sql 》安装数据库查询

用于连接本地数据库，对所属数据进行查询

再下载一个Agent策略通过MCP对mysql进行调用

全部安装好后，回到ChatFlow工作流中，在type是1的后面添加Agent

在Agent中，选择AGENT策略》Agent 》FunctionCalling

选择模型，在工具列表点击+号，添加工具》插件》数据库查询》SQL查询

配置MySQL相关参数，填写指令（SQL查询时的指令）和查询（智能体的指令）

在Agent后添加知识检索节点，添加所需要的引用知识库

在知识检索后添加LLM，在上下文处，选择知识检索的result

在LLM处，选择上下文后需要在SYSTEM中引用，在其中编写提示词，将Agent查询数据表的数据与Dify知识库的数据相结合

最后添加直接输出，在回复中点击 {x} ，选择LLM2的text即可

text为模型生成内容，reasoning_content为模型推理内容，usage为模型用量信息

2.3.3 农作物生长

在此部分重复上述操作即可，取决于是否需要查询本地数据库表内内容以及引用Dify知识库

最终得到（注意：在编排好后记得点击右上角发布，发布更新）

ChatFlow会根据用户输入的参数进行对应路径的流转，如图所示

在智能体中选择右上角发布，选择访问API

在目录中选择发送对话消息，点击直接copy复制

这里博主使用Apifox进行演示操作，选择导入curl，将复制内容填入

导入后对相关参数进行修改，在Body处将user改为用户名，在Headers处将Authorization中{api_key}值替换为当前密钥

点击右上角 API密钥》创建密钥》复制

将相关参数修改后就能使用了，query为用户提问，效果如图

同上，点击右上角》访问API 》选择发送对话消息》复制粘贴于Apifox中

同样的，修改相关参数即可

可以参考官网内容

但是官网内容粘贴后无法直接使用，缺少必要参数，博主也是浏览了其他帖子才API请求成功，现在给出完整参数。

首先配置密钥，知识库的密钥不在具体数据库内，而在首页进行选择

3.3.1 新增知识库

修改网址、密钥、模型参数后即可使用

curl –location –request POST ‘http://xxx/v1/datasets'; –header ’Authorization: Bearer xxx‘ –header ’Content-Type: application/json‘ –data-raw ’{ “name”: “ ”, “description”: “ ”, “indexing_technique”: “high_quality”, “permission”: “all_team_members”, “provider”: “vendor”, “external_knowledge_api_id”: “”, “external_knowledge_id”: “”, “embedding_model”: “multimodal-embedding-v1”, “embedding_model_provider”: “tongyi”, “retrieval_model”: {

"search_method": "hybrid_search", "reranking_enable": true, "reranking_mode": "reranking_model", "reranking_model": { "reranking_provider_name": "tongyi", "reranking_model_name": "gte-rerank-v2" }, "top_k": 3, "score_threshold_enabled": true, "score_threshold": 0.5, "weights": {"model_name": 0.5}

} }‘

注意在新增后，记住新增知识库的id，因为在Dify平台是看不见知识库id的。也可以选择使用查询知识库列表来查看每个知识库的详细信息，其中就包含id

3.3.2 删除知识库

curl –location –request DELETE ’http://xxx/v1/datasets/知识库id'; –header ‘Authorization: Bearer xxx’

3.3.3 更新知识库

curl –location –request PATCH ‘http://xxx/v1/datasets/知识库id'; –header ’Authorization: Bearer xxx‘ –header ’Content-Type: application/json‘ –data-raw ’{ “name”: “ ”, “description”: “ ”, “indexing_technique”: “high_quality”, “permission”: “all_team_members”, “embedding_model_provider”: “tongyi”, “embedding_model”: “multimodal-embedding-v1”, “retrieval_model”: {

"search_method": "hybrid_search", "reranking_enable": true, "reranking_mode": "reranking_model", "reranking_model": { "reranking_provider_name": "tongyi", "reranking_model_name": "gte-rerank-v2" }, "top_k": 3, "score_threshold_enabled": true, "score_threshold": 0.5, "weights": {"model_name": 0.5}

}, “partial_member_list”: [

] }‘

3.3.4 查询知识库列表

curl –location –request GET ’http://xxx/v1/datasets?page=1&limit=20'; –header ‘Authorization: Bearer xxx’

3.3.5 新增文件

在对应数据库下新增文件

curl –location –request POST ‘http://xxx/v1/datasets/知识库id/document/create-by-file'; –header ’Authorization: Bearer dataset-hzKxz6vnM21UqRQtL0FLppiu‘ –form ’data=“{

"name": "测试文档", "indexing_technique": "high_quality", "doc_form": "hierarchical_model", "process_rule": { "mode": "hierarchical", "rules": { "pre_processing_rules": [ { "id": "remove_extra_spaces", "enabled": true } ], "segmentation": { "separator": "\n\n", "max_tokens": 2000 }, "parent_mode": "paragraph", "subchunk_segmentation": { "separator": "\n", "max_tokens": 200 } } }, "retrieval_method": { "search_method": "hybrid_search", "hybrid_search": { "semantic_weight": 0.7, "full_text_weight": 0.3 }, "top_k": 3 }

}”‘ –form ’file=@“”‘

注意将file的类型改为file

3.3.6 修改文件

curl –location –request POST ’https://xxx/v1/datasets/知识库id/documents/文件id/update-by-file'; –header ‘Authorization: Bearer xxx’ –form ‘data=“{ ”doc_form“: ”hierarchical_model“, ”process_rule“: {

"mode": "hierarchical", "rules": { "pre_processing_rules": [ { "id": "remove_extra_spaces", "enabled": true } ], "segmentation": { "separator": "\n\n", "max_tokens": 2000 }, "parent_mode": "paragraph", "subchunk_segmentation": { "separator": "\n", "max_tokens": 200 } }

} }”’ –form ‘file=@“D:\Desktop\附件5安全责任书(1).docx”’

3.3.7 删除文件

同样需要知识库和文件的id

curl –location –request DELETE ‘http://xxx/v1/datasets/知识库id/documents/文件id'; –header ’Authorization: Bearer xxx‘

3.3.8 获取知识库的文档列表

curl –location –request GET ’http://xxx/v1/datasets/知识库id/documents?page=1&limit=20'; –header ‘Authorization: Bearer xxx’

自此Dify的本地部署、工作流编排和API基础使用就已经介绍完毕，后续发现Dify的其余新用法后进行更新