引言

上次我发了一篇5min了解RAG，真的非常非常简单，这篇文章讲述了RAG的基本原理，通俗易懂，但是存在一个问题——用户可能很难自己搭建一个可用的RAG，它能让大家了解RAG的原理，但是还不够应用层面，如果真的想应用，你需要具备一定的代码能力，你需要具备知识库的清洗切片等，难度相对较大，所以，为了让大家把所学变成应用，“他”来了，一个零代码经验也可以搭建一个可用的大模型知识库，他来了，注意了，是零代码+可用，零代码+可用，零代码+可用……(重要的事情说三遍)

通过学习能得到什么？

• • 可以得到一个简单的应用
• • 可以更深入了解大模型知识库的工作流
• • 大家有兴趣，可以跳到文末先看效果

重要的工具

我们先来看下今天这个小项目需要的概念和工具：

• • Dify：Dify是一个开源的大语言模型（LLM）应用开发平台，它融合了后端即服务（Backend as a Service，BaaS）和LLMOps的理念，旨在帮助开发者快速搭建生产级的生成式AI应用。Dify提供了丰富的功能和友好的界面，即使非技术人员也能通过简单的操作快速构建AI应用。
  • • 问题：使用Dify，需要梯子。
• • 知识库：准备一个比较垂类的文档，最好是公开信息比较难找到的信息，方便后续观察大模型的效果。
• • LLM的 API key：简单说，就是某个大模型的钥匙，这个很简单，deepseek，通义千问等等各种平台上注册一个账号，就能获得API key。

核心任务

今天我们核心任务是通过Dify搭建一个大模型知识库，所以，关于如何使用梯子，如何准备API key，这些我们就不多赘述了，如果大家真的有需要，我可以再出其他教程。

任务流程

非常类似在《5min了解RAG，真的非常非常简单》这篇文章里的内容，流程如下：

• • 用户输入：输入一个问题，随便什么。
• • 大模型提取关键内容：通过大模型，对用户的提问进行归纳，总结成关键字或者关键句子。
• • 知识检索：用关键字或关键句子在知识库中检索，获得相关内容。
• • 大模型输出：将检索到的知识给大模型，并让大模型输出最终问题的答案。

在这个流程中，我们需要这样几个节点，大家理解即可，接下来会详细介绍如何操作。

实操过程

1.登录Dify

首先自然是登录Dify了，地址是：https://dify.ai/zh

2.创建应用模板

3.流程配置

先看配置之后的样子：

3.1 节点1:开始

这个环节没什么，大家看下右侧的输入字段就行，每次提问，都会有这些字段信息。

3.2 节点2:提取关键内容

这个节点是一个大模型，在这里我用了DeepSeek-R1-Distill——Qwen-14B，你用什么都行，只要注册了api key，自己在平台上配置就行了。

添加了大模型后，主要关注下右侧的内容：

• • SYSTEM中，我们写的内容，他约束了这个节点的输出，其实就是之前我们提到，先用大模型提取关键字，为了避免大模型直接给你答案，所以给了一些约束。
• • 记忆：这个打开就好了，就是会记录之前每次的提问，让回答更连贯。

3.3 节点3:知识检索

这个节点是一个知识检索节点，也没什么特殊的，核心在于知识库本身上，这就是Dify的强大，他在背后完成了其他的工作，你只需要用就行了：

再回来到工作室，在知识检索节点，选择知识库即可：

3.4 节点4:回答问题

这个节点也是一个大模型：

3.5 节点5:直接回复

这个节点没什么，可开始节点一样。

效果

最后

关于Dify的演示，这只是一个非常简单的小的项目，而且使用到的功能都是特别基础的，Dify支持很多的创意，具备很强大的功能，大家可以慢慢研究。