本文详细介绍了如何将Dify与RAGFlow深度集成，通过RAGFlow优秀的知识库构建能力和Dify强大的工作流功能相结合，实现更可靠的知识检索。文章从创建知识库、设置API KEY到在Dify中连接外部知识库并测试召回效果，提供了完整操作步骤，展示了这种集成方式能实现强强联合，提高应用构建的准确性，适合想要提升大模型应用知识检索能力的开发者学习和收藏。

---

我们精心打磨每一篇文章：深度思考、精准测试，坚持用严谨的创作流程确保每篇内容都经得起实践检验。这是我们的****创作准则，更是对读者时间的庄严承诺——让您花费的每一分钟，都能收获解决实际问题的真知灼见。

在智能体构建和工作流等模型应用编排平台中，dify，ragflow、n8n和目前开源的Coze这几个工具各有其优势。但是，在实际使用中，为了追求更符合个人或者单位要求的效果，通常会将这些工具或者平台的优势集成起来，以便充分发挥各自的优势，今天这篇文章，就是在主要使用Dify的基础上，集成RAGFlow的知识召回能力，从而实现更可靠的知识检索能力。

一、创建知识库

首先部署好RAGFlow应用程序，然后创建知识库，点击知识库–创建知识库–填写知识库名称（更具个人需求自定义）–点击确定创建完成：

刚刚创建的知识库上传文档，点击打开刚刚创建的知识库–点击创建文件–上传准备好的知识库文档–点击文档对应的运行按钮进行解析（之后解析后的文档才能用作知识库检索）–等到检索完成方可使用。

二、设置知识库API KEY

2.1、获取RAGFlow的API KEY

在RAGFlow界面中，点击自己的头像–选择左侧的API菜单–点击API KEY–点击创建秘钥（用于后期对接Dify外部知识库）。

2.2、获取RAGFlow的知识库ID

选择自己的知识库，然后点击打开，在浏览器地址栏可以看到id=后面的内容即为知识库ID。

三、Dify连接外部知识库

虽然Dify本身就带有知识库能力，而且在使用中也还不错，但是相对于RAGFlow，其自身的文档解析能力就显得相对不足了，而RAGFlow在这方面的表现却显得格外出色。既然这样，我们完全可以使用Dify优秀的工作流和其他方面的能力，借助其提供的对接外部知识库的API，对接RAGFlow优秀的知识库构建和召回能力，完成我们的应用构建准确性和完整性，取长补短，使其可以从RAGFlow的知识库中进行知识检索和召回，让效果达到理想的状态。具体设置过程如下：
在Dify主界面，选择知识库，点击外部知识库API:

在弹出的界面选择添加外部知识库API：

Name选项随便，根据自己的定义随便起名即可，API Endpoint处填写：http://实际ip:80/api/v1/dify/,
需要将端点（endpoint）设置为本地IP地址，并加上/api/v1/dify作为后缀，dify会在应用程序中自动添加retrieval，从而形成完整的路径/api/v1/dify/retrieval，API KEY选项填写刚刚RAGFlow生成的API KEY，最好复制粘贴，手动容易敲错！完成之后点击保存即可。

经过上述操作，已经将外部知识库RAGFlow与Dify进行了集成，此时只需要连接外部知识库即可完成正常使用。

3.1、连接外部知识库

在Dify知识库主页，点击“连接外部知识库”，将进入连接设置界面：

在设置界面填写连接名称，根据需要自行填写，然后选自外部知识库API（因前期已经集成，所有这里直接选择即可），输入外部知识库ID（同样建议复制粘贴，以免错误），然后设置召回个数和阈值，点击连接：

3.2、测试召回

完成之后，自动进入测试界面，或者在知识库主界面就能看到刚刚连接的知识库，点击也可进入测试界面，在这里可以测试召回准确性了，下图是在Dify中进行“标准”两个字测试召回的内容：

下图是在RAGFlow中对该知识库同样进行“标准”二字的测试效果，可以看到，在阈值和召回个数完全相同的情况下，召回的内容一模一样：

经过上述操作，就在Dify中深度集成了RAGFlow知识库了，实现了强强联合的工作方式。

聊一聊

在智能体构建的过程中，需要不断学习与总结，RAGFlow对知识库的构建确实很不错，近期也比对了一些其他平台，最终选择Dify+RAGFlow进行应用构建，结合自研前端，实现部分功能！

大模型未来如何发展？普通人能从中受益吗？

在科技日新月异的今天，大模型已经展现出了令人瞩目的能力，从编写代码到医疗诊断，再到自动驾驶，它们的应用领域日益广泛。那么，未来大模型将如何发展？普通人又能从中获得哪些益处呢？

通用人工智能（AGI）的曙光：未来，我们可能会见证通用人工智能（AGI）的出现，这是一种能够像人类一样思考的超级模型。它们有可能帮助人类解决气候变化、癌症等全球性难题。这样的发展将极大地推动科技进步，改善人类生活。

个人专属大模型的崛起：想象一下，未来的某一天，每个人的手机里都可能拥有一个私人AI助手。这个助手了解你的喜好，记得你的日程，甚至能模仿你的语气写邮件、回微信。这样的个性化服务将使我们的生活变得更加便捷。

脑机接口与大模型的融合：脑机接口技术的发展，使得大模型与人类的思维直接连接成为可能。未来，你可能只需戴上头盔，心中想到写一篇工作总结”，大模型就能将文字直接投影到屏幕上，实现真正的心想事成。

大模型的多领域应用：大模型就像一个超级智能的多面手，在各个领域都展现出了巨大的潜力和价值。随着技术的不断发展，相信未来大模型还会给我们带来更多的惊喜。赶紧把这篇文章分享给身边的朋友，一起感受大模型的魅力吧！

那么，如何学习AI大模型？

在一线互联网企业工作十余年里，我指导过不少同行后辈，帮助他们得到了学习和成长。我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑。因此，我坚持整理和分享各种AI大模型资料，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频。

学习阶段包括：

1.大模型系统设计
从大模型系统设计入手，讲解大模型的主要方法。包括模型架构、训练过程、优化策略等，让读者对大模型有一个全面的认识。

2.大模型提示词工程
通过大模型提示词工程，从Prompts角度入手，更好发挥模型的作用。包括提示词的构造、优化、应用等，让读者学会如何更好地利用大模型。

3.大模型平台应用开发
借助阿里云PAI平台，构建电商领域虚拟试衣系统。从需求分析、方案设计、到具体实现，详细讲解如何利用大模型构建实际应用。

4.大模型知识库应用开发
以LangChain框架为例，构建物流行业咨询智能问答系统。包括知识库的构建、问答系统的设计、到实际应用，让读者了解如何利用大模型构建智能问答系统。

5.大模型微调开发
借助以大健康、新零售、新媒体领域，构建适合当前领域的大模型。包括微调的方法、技巧、到实际应用，让读者学会如何针对特定领域进行大模型的微调。

6.SD多模态大模型
以SD多模态大模型为主，搭建文生图小程序案例。从模型选择、到小程序的设计、到实际应用，让读者了解如何利用大模型构建多模态应用。

7.大模型平台应用与开发
通过星火大模型、文心大模型等成熟大模型，构建大模型行业应用。包括行业需求分析、方案设计、到实际应用，让读者了解如何利用大模型构建行业应用。

学成之后的收获👈

• 全栈工程实现能力：通过学习，你将掌握从前端到后端，从产品经理到设计，再到数据分析等一系列技能，实现全方位的技术提升。

• 解决实际项目需求：在大数据时代，企业和机构面临海量数据处理的需求。掌握大模型应用开发技能，将使你能够更准确地分析数据，更有效地做出决策，更好地应对各种实际项目挑战。

• AI应用开发实战技能：你将学习如何基于大模型和企业数据开发AI应用，包括理论掌握、GPU算力运用、硬件知识、LangChain开发框架应用，以及项目实战经验。此外，你还将学会如何进行Fine-tuning垂直训练大模型，包括数据准备、数据蒸馏和大模型部署等一站式技能。

• 提升编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握将提升你的编码能力和分析能力，使你能够编写更高质量的代码。

学习资源📚

1. AI大模型学习路线图：为你提供清晰的学习路径，助你系统地掌握AI大模型知识。
2. 100套AI大模型商业化落地方案：学习如何将AI大模型技术应用于实际商业场景，实现技术的商业化价值。
3. 100集大模型视频教程：通过视频教程，你将更直观地学习大模型的技术细节和应用方法。
4. 200本大模型PDF书籍：丰富的书籍资源，供你深入阅读和研究，拓宽你的知识视野。
5. LLM面试题合集：准备面试，了解大模型领域的常见问题，提升你的面试通过率。
6. AI产品经理资源合集：为你提供AI产品经理的实用资源，帮助你更好地管理和推广AI产品。

👉获取方式： 😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】