DeepSeek+Dify 构建知识库的流程，通过 Dify 提供的分段和检索，可以将导入的文件生成知识库供 DeepSeek 进行查询和引用。这次我们来看看 Dify 的高级功能，通过知识库等功能实现更复杂的工作流。

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。

Dify 工作流分为两种类型：

• Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
• Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。

今天我们会以一个 Chatflow 的例子来一步步看工作流是如何构建使用的。

工作流

创建知识库

由于该样例工作流依赖知识库，所以我们先创建两个知识库，分别用 DeepSeek 指导手册和 DeepSeek 赋能职场的文档来创建：

创建工作流

现在来创建一个工作流，在工作室模块，点击从应用模版创建

点击工作流，选择一个问题分类+知识库+聊天机器人的模板，创建。

创建完成后会自动打开该工作流，进行编辑，点击开始节点，右边出现一堆字段：

这些字段是变量，Dify 的变量一共有三种、分别是系统变量、环境变量和用户变量。

变量

*系统变量*

系统变量指的是在 Chatflow / Workflow 应用内预设的系统级参数，可以被其它节点全局读取。系统级变量均以 sys开头。

主要有：

• sys.user_id:每个用户在使用工作流应用时，系统会自动向用户分配唯一标识符，用以区分不同的对话用户
• sys.app_id：系统会向每个 Workflow 应用分配一个唯一的标识符
• sys.workflow_id用于记录当前 Workflow 应用内所包含的所有节点信息
• sys.workflow_run_id用于记录 Workflow 应用中的运行情况

*环境变量*

环境变量用于保护工作流内所涉及的敏感信息，例如运行工作流时所涉及的 API 密钥、数据库密码等。它们被存储在工作流程中，而不是代码中，以便在不同环境中共享。如下图所示可以添加环境变量：

*用户变量*

当我们需要用户传入一些特定的信息的时候，可以通过添加变量来实现。比如这里我们添加2个变量 use1、use2，用于给用户提问：

设置完用户变量之后，后面的节点就可以使用了。

这里介绍下各个节点的功能。

节点

节点是工作流中的关键构成，通过连接不同功能的节点，执行工作流的一系列操作。在dify的工作流中一共有下面几种类型的节点。

开始节点

刚刚已经看过了，开始节点主要是可以添加用户变量供后续节点使用。

问题分类器

可以使用创建的知识库。问题分类器可以作为知识库检索的前置步骤，对用户输入问题意图进行分类处理，分类后导向下游不同的知识库查询相关的内容，以精确回复用户的问题。

比如这个工作流的第二个节点就是，我们可以这样配置：

1. 选择推理模型，问题分类器基于大语言模型的自然语言分类和推理能力，选择合适的模型将有助于提升分类效果；

2. 选择输入变量，指用于分类的输入内容，支持输入文件变量。问答场景下一般为用户输入的问题 sys.query;这里我们也选择 sys.query。

3. 编写分类标签/描述，你可以手动添加多个分类，通过编写分类的关键词或者描述语句，让大语言模型更好的理解分类依据。这里我们选择两个分类，分别是使用问题和赋能职场。

   分类里还可以使用变量，输入 / 即可弹出之前设置的变量。

4. 高级设置，可以酌情使用，比如：

5. • 指令：你可以在 高级设置-指令里补充附加指令，比如更丰富的分类依据，以增强问题分类器的分类能力。
   • 记忆：开启记忆后问题分类器的每次输入将包含对话中的聊天历史，以帮助 LLM 理解上文，提高对话交互中的问题理解能力。
   • 图片分析：仅适用于具备图片识别能力的 LLM，允许输入图片变量。

*知识检索*

从知识库中检索与用户问题相关的文本内容，可作为下游 LLM 节点的上下文来使用。比如工作流下一步节点：

这里有两个知识检索节点，分别引用不同的知识库。点击召回设置可以设置知识库的召回策略：

• TopK代表按相似分数倒排时召回分段的最大个数。TopK 值调小，将会召回更少分段，可能导致召回的相关文本不全；TopK 值调大，将召回更多分段，可能导致召回语义相关性较低的分段使得 LLM 回复质量降低。
• 召回阈值（Score）代表允许召回分段的最低相似分数。 召回分数调小，将会召回更多分段，可能导致召回相关度较低的分段；召回分数阈值调大，将会召回更少分段，过大时将会导致丢失相关分段。

这里先使用默认值。

LLM 节点

调用大语言模型的能力，处理用户在 “开始” 节点中输入的信息（自然语言、上传的文件或图片），给出有效的回应信息。

这里测试工作流的 LLM 节点配置成硅基流动的 DeepSeek：

该测试工作流主要使用的节点就是以上这些，还有一些比较常用的节点，这里也介绍一下：

条件分支

主要用于流程节点中的逻辑判断。功能也很丰富，自主性特别高。

可以设置 IF ELIF ELSE 的条件变量，这里的意思就是 if sys.user_id == 1，else if sys.user_id == 2, else 这三种条件满足，分别会走到不同的节点。

HTTP 请求

允许通过 HTTP 协议发送服务器请求，适用于获取外部数据、webhook、生成图片、下载文件等情景。它让你能够向指定的网络地址发送定制化的 HTTP 请求，实现与各种外部服务的互联互通。

这里可以暴露接口给工作流使用，比如到了某一步调用一个接口设置状态或者插入数据库等。

直接回复

定义一个 Chatflow 流程中的回复内容。

这个就很简单了，我们工作流最后的节点就是这个，不需要设置，直接使用默认的即可。

测试工作流

现在我们完整的工作流已经构建完成，现在来预览测试一下：

问一个简单的问题：

可以看出工作流正常完成，且通过知识库检索完成且引用到了知识库。

然后点击发布，就可以直接使用啦。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】