搭建知识库问答助手

• 在模型和知识库都准备完成后，就可以搭建一个智能助手了；
• 在 Dify 里，可以使用 工作流 的形式来搭建智能助手；
• 打开 工作室 -> 创建空白应用 ，选择 Chatflow 来创建一个应用

  

• 最简单的知识库助手是使用 聊天助手 来创建应用，但它太单一，无法进行复杂一点的操作，所以这里选择 Chatflow 来创建助手；
• 创建完成后会来到编排界面

  

• 整个流程由多个 节点 组成， Dify 支持多种类型的节点，他们功能不同，本例中使用以下几种类型
  • LLM ：配置大语言模型
  • 知识检索 ：配置知识库
  • 直接回复 ：显示输出结果
• 为了更精准的匹配到知识库里的内容，首先添加一个 LLM 节点，命名为 拆词 ，目的是借用大模型的语言处理功能来对用户的问题进行拆解，这里模型选择 qwen2.5:14b ，因为经过多轮测试后 qwen2.5:14b 速度和表现达到预期，配置如下：

  

  • SYSTEM 提示词参考

    - 你的任务是生成用于检索增强生成（RAG）的关键词；
    - 首先你需要直接记住用户的问题作为一个关键词；
    - 其次，用户为公司员工，他的问题和公司制度有关，你需要根据用户的问题推测他的真实需求，进行深度思考后给出RAG关键词，关键词总数量控制在10个以内；
    - 最后你只需将两组关键词合并后返回，每个关键词以“，”分隔，不需要其他说明和解释；
    - 你需要使用用户的语言来回复；
    

• 然后添加一个 知识检索 节点，将他和 拆词 节点进行连接，查询变量设置为 拆词 节点的输出，知识库添加已配置好的知识库

  

• 其次再添加一个 LLM 节点，将 知识检索 节点作为入口和它进行连接，模型选择 qwq ，上下文设置为 知识检索 节点的输出结果，点击 添加消息 ，将 USER 类型改为 ASSISTANT 用来指定模型的 提示词 ，配置如下：

  

  • SYSTEM 提示词参考

    仅基于上下文和以下内容作为授权知识库来回答用户问题，严格隔离外部知识源
    
    {{#context#}}
    

  • ASSISTANT 提示词参考

    - 如果用户提的问题超出授权知识库范围，你可以委婉回答：已超出知识范围，让用户提供更多的信息；
    - 有明确定义的名词，不能用相近的词代替；
    - 公式等内容在输出时不能有格式错误；
    - 回复信息时能够表明意思且没遗漏信息的情况下尽可能简短；
    - 如果授权知识库中有公式和数字等，不要对它进行四舍五入操作，保持原来的内容；
    - 如果用户提的问题和上次提的问题没有很强的关联性，不需要考虑之前的问题；
    

• 最后将这个节点和 直接回复 节点进行连接，回复内容修改为上一节点的输出结果，最终节点连接图如下：

  

• 这样一个智能助手就配置完成了，可以点击 预览 进行测试，输入一个问题后按回车，如果配置正确，整个工作流将逐步进行，效果如下：

  

• 测试完成没有问题后就可以发布了，Dify 可以支持将应用嵌入到其他 HTML 页面。

结语

通过三篇内容将最近学的内容梳理了一遍，从基本概念理解，到动手搭建，再到参数调整，最终达到一个基本可用的状态，所有数据都在内网流转；效果没有想像中的那么完美，但是用于知识库是可行的。

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​