大模型Dify案例分享-知识库检索整合Ragflow_dify+ragflow

脱泥不tony

985人浏览 · 2025-06-12 23:00:56

脱泥不tony · 2025-06-12 23:00:56 发布

今天给大家介绍一下关于dify和ragflow知识库整合案例，顺便给大家介绍一下ragflow。

话不多说，下面给大家演示一下效果。

我们首先看一下ragflow测试效果

在这里插入图片描述

上面是使用ragflow 自己的知识库检索获得查询结果。

dify上使用外部知识库（ragflow）效果

在这里插入图片描述

这里它也是通过知识库获取萧瑟这人物的信息。效果感觉和上面有点差异，这里可能是用的大语言模型总结能力的差异。另外还有模型温度等设置有差异。这里我们就不纠结它了，本文主要教会大家如何使用。

通过上述方式我们就已经实现了dify通过外部接口实现知识库检索增强。下面介绍一下这块是如何实现的。

2.ragflow 安装（简介）

关于ragflow 安装比较复杂，大家可以去开源github上查看它的安装，本次就不带大家安装了。

项目开源地址：https://github.com/infiniflow/ragflow

项目文档: https://ragflow.io/docs/dev/

在这里插入图片描述

目前这个项目用到的组件比较多，用到Elasticsearch、Kibana、MySQL、MinIO、Redis、RAGFlow等，大家可以参考官方文档部署好应用程序。

这里我们需要注意的几点。RAGFlow 对外提供3个端口服务 80 、443 、9380 其中接口用到了9380 后面和dify整合会用到。

在这里插入图片描述

我们使用docker ps 也可以看到占用的端口情况

安装好后，配置好模型，创建好知识库。

配置好模型

这个配置和其他工具模型配置类似，这里就不详细展开。

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

3.ragflow 创建知识库

创建好知识库，点击ragflow 创建知识库。

进入模型设置界面选择好嵌入模型和解析方法

这里解析方法比较多，我们这里就选择general 大家可以自己摸索其他的解析方法。ragflow 这块做的比较强大。点击确定进入数据集页面

我们点击新增加文件。上传我们要解析的私有化知识库文档，然后点击解析完成文档向量化。

程序提供单个文件解析，同时也提供批量解析，大家可以根据自己的需要选择使用。

4.ragflow 知识库检索

回到聊天窗口界面

聊天窗口配置有3个选项面板（助理设置、提示引擎、模型设置）

助理设置，这里最关键就是填写助理姓名和选择指定的知识库

提示引擎如果大家没有 Rerank模型可以默认不选。

模型设置，这里需要填写选择一个LLM大语言模型作为推理模型使用。

以上设置完成后就可以进行聊天对话了。

以上设置我们完成了ragflow相关设置。

5.ragflow API 设置

我们接下来是需要dify调用这个ragflow ，所以我们需要设置一下ragflow api key.

点击系统右上角，选择 API

API 服务器显示ragflow 对外提供的IP. 我的显示是192.168. XXX.XX

点击上面key生成ragflow 对外提供的API

下面就是ragflow 对外提供的HTTP 请求API接口文档，这里就不详细展开。

6.dify配置外部知识库

我们回到dify 工作流管理界面，点击上面知识库。点击链接外部知识库。

我们也可以点击右边的外部知识库API 先把外部知识库API 配置好。

这里我需要添加3个值

1: name 这个可以随便写一个名字

2: API Endpoint 这个就是和ragflow 整合的地址

因为我们的RAGflow 对外提供的是192.168.xx.xx 我这里填写
http://192.168.XX.XXX:9380/api/v1/dify

api key 就是上面ragflow-开头的api KEY

连接外部知识库

外部知识库 API 从我们刚才配置的下拉选择，

这个外部知识库 ID 如何获取呢？我们回到RAGflow 知识库画面,浏览器F12把调试画面打开，查看list 接口返回，我们找到少年歌行的知识库找到这个ID=5c93a392f8a411ef96e60242ac120004.把这个值记录下来。

把刚才抓取的ID 复制到dify 配置外部知识库 ID

点击链接完成dify 和ragflow知识库连接整合。

通过上图我们看到dify 和ragflow已经实现整合了。

7.dify ai agent使用外部知识库

进入ai Agent 聊天界面，在上下文添加外部知识库。

后面就可以进行知识库检索了，检索的是调用通过工具调用知识库。

以上我们就完成了dify +ragflow 的整合了。

8.总结

今天主要带大家介绍了 Dify 与 ragflow 知识库检索整合的案例。首先回顾了之前 Dify 知识库检索存在的不足，引出了 ragflow 在知识库检索方面的优势。关于 ragflow 部分，介绍了其安装（因复杂未详细展开，给出了开源地址和文档），说明了用到的组件及对外提供的端口服务，讲述了创建知识库的流程（包括模型设置、选择解析方法、上传文档解析向量化等），还介绍了 ragflow 知识库检索的相关设置（助理设置、提示引擎、模型设置）以及 API 设置（获取 API 服务器 IP、生成 API key 等）。对于 Dify 部分，介绍了配置外部知识库的操作（添加 name、API Endpoint、api key 等），以及如何获取外部知识库 ID 完成连接整合，最后还提到了 Dify ai agent 如何使用外部知识库进行检索。

通过上述一系列介绍，我们完成了 Dify 和 ragflow 的整合，实现了 Dify 通过外部接口实现知识库增强。今天的分享就到这里，希望能帮助大家更好地理解和运用 Dify 与 ragflow 知识库检索整合的方法，我们下次分享再见。

RAGFlow系统架构图：

317212466-d6ac5664-c237-4200-a7c2-a4a00691b485