之前讲过 DeepSeek + Cherry 搭建本地知识库，这样的知识库比较初级，上传的文件限制较多。无法满足更多个性化需求。今天我们来看看 DeepSeek + dify 如何搭建自己的知识库。
Dify 作为同样开源的 AI 应用开发平台，提供完整的私有化部署方案。通过将本地部署的 DeepSeek 服务无缝集成到 Dify 平台，企业可以在确保数据隐私的前提下，在本地服务器环境内构建功能强大的 AI 应用。
以下是私有化部署方案的优势：
性能卓越：提供媲美商业模型的对话交互体验
环境隔离：完全离线运行，杜绝数据外泄风险
数据可控：完全掌控数据资产，符合合规要求
硬件环境：
CPU >= 2 Core
显存/RAM ≥ 16 GiB（推荐）
软件环境：
Docker
Docker Compose
Dify 社区版
gitclone https://github.com/langgenius/dify.git
# 速度太慢可以用这个 git clone https://gitee.com/dify_ai/dify
cddify/docker
cp.env.example .env# 创建配置文件
默认上传图片大小是10MB,上传视频大小是100MB,文件默认是50MB,如果有需要修改下面对应的参数。
打开上面复制出来的 .env 文件，修改如下参数：
# Upload image file size limit, default 10M.
UPLOAD_IMAGE_FILE_SIZE_LIMIT=10
# Upload video file size limit, default 100M.
UPLOAD_VIDEO_FILE_SIZE_LIMIT=100
# Upload audio file size limit, default 50M.
UPLOAD_AUDIO_FILE_SIZE_LIMIT=50
dockercomposeup-d#如果版本是DockerComposeV1，使用以下命令：docker-composeup-d
如果 docker 拉取镜像太慢，可以设置镜像，加到后面即可：
"registry-mirrors": [
"https://hub.rat.dev",
"https://dockerhub.icu",
"https://docker.wanpeng.top",
"https://register.librax.org"
]
设置管理员与登录，Dify 社区版默认使用 80 端口。
# 本地环境
http://localhost/install
登录后
如果本地没有部署 DeepSeek ，可以直接用硅基流动的 API 接入。
没有硅基流动 API Key 可以参考我之前的文章申请。DeepSeek太卡了？三种满血替代方案等你查收
设置好后可以看到有很多模型可以选择：
如果本地部署了 DeepSeek，可以接入本地的模型。点击 Dify 平台右上角头像 → 设置 → 模型供应商，选择 Ollama，点击安装。
这里用 Ollama 客户端，则需要在本机上部署 DeepSeek，Base URL 填写 http://本机IP:11434 即可。
点击保存即可。
我这里直接使用硅基流动的了。
现在 DeepSeek 就正常接入到 Dify 啦。
dify的分段有个好处，设置分段以后，可以实时预览，可以根据预览效果，自己实时调整分段策略。dify 建议首次创建知识库使用父子分段模式。
系统按照用户自定义的规则将内容拆分为独立的分段。当用户输入问题后，系统自动分析问题中的关键词，并计算关键词与知识库中各内容分段的相关度。根据相关度排序，选取最相关的内容分段并发送给 LLM，辅助其处理与更有效地回答。
在该模式下，你需要根据不同的文档格式或场景要求，参考以下设置项，手动设置文本的分段规则。
分段标识符，默认值为\n，即按照文章段落进行分块。
分段最大长度，指定分段内的文本字符数最大上限，超出该长度时将强制分段。默认值为 500 Tokens，分段长度的最大上限为 4000 Tokens；
分段重叠长度，指的是在对数据进行分段时，段与段之间存在一定的重叠部分。这种重叠可以帮助提高信息的保留和分析的准确性，提升召回效果。建议设置为分段长度 Tokens 数的 10-25%；
文本预处理规则，过滤知识库内部分无意义的内容。提供以下选项：
替换连续的空格、换行符和制表符
删除所有 URL 和电子邮件地址
这里选择通用模式看看效果：
与通用模式相比，父子模式采用双层分段结构来平衡检索的精确度和上下文信息,让精准匹配与全面的上下文信息二者兼得。
其中，父区块（Parent-chunk）保持较大的文本单位（如段落），提供丰富的上下文信息；子区块（Child-chunk）则是较小的文本单位（如句子），用于精确检索。系统首先通过子区块进行精确检索以确保相关性，然后获取对应的父区块来补充上下文信息，从而在生成响应时既保证准确性又能提供完整的背景信息。你可以通过设置分隔符和最大长度来自定义父子区块的分段方式。
其基本机制包括：
子分段匹配查询：
将文档拆分为较小、集中的信息单元（例如一句话），更加精准的匹配用户所输入的问题。
子分段能快速提供与用户需求最相关的初步结果。
父分段提供上下文：
将包含匹配子分段的更大部分（如段落、章节甚至整个文档）视作父分段并提供给大语言模型（LLM）。
父分段能为 LLM 提供完整的背景信息，避免遗漏重要细节，帮助 LLM 输出更贴合知识库内容的回答。
选择父子模式看看效果：
这么看区别不是很大。
继续选择索引方式和检索设置，都采用推荐设置：
这样知识库就创建成功了，等待嵌入处理完成。
点击工作室，我们可以看到有很多丰富的应用，包括聊天助手、Agent、工作流等 我们选择最简单的应用，聊天助手，点击聊天助手。
创建好后添加知识库
点击召回设置：
Score 阈值是设置本文片段的相似度阈值，这里设置 0.7 。
这样我们就可以发布了，发布之后返回工作室就可以看到刚刚创建的应用啦。
DeepSeek + Dify 的知识库构建功能确实强大，有多种分段索引模式可选，里面还有不少可以深入研究的东西，后续会慢慢整合更新～
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |