正式开始之前我们还要解决一个小问题，安装好的Dify，忽然就不能加载了。通过分析，应该是我们当时装RAGflow的时候，删除了Docker。这里应该也包含着Dify的docker。

那进入Dify的Docker目录下，执行docker compose up -d, 重新进行加载，然后再访问Dify，这次没有问题了。

那下面我们正式开始这次的正式介绍了。

RAGflow 添加模型

1. 首先来创建知识库。

2. 首次使用提示我们先添加嵌入模型和LLM。

3. 通过配置Siliconflow的API key，添加上模型。

4. 设置默认模型，选择硅基内的一个LLM。

嵌入模型，包括有bge-large-zh/en 1.5, bge-m3, 还包括有网易有道的bce Embedding。

默认的图像转文字模型，内置的有Janus-pro，有优秀的文本生成图像和多模态理解能力。还有Qwen的QVQ-72B。

Rerank模型，默认选择bge-reranker-v2-m3即可。

RAGflow 新增知识库

我们可以看到在添加的知识库中，所需要的配置还是比较多的，我们这里先进行Dify与RAGflow的关联调取。后面再详细的来介绍具体RAGflow的参数配置的含义。

有关配置

我们在添加具体的文件，上传我们需要解析的知识库文档。

上传文件时，可同步进行解析。

同时提供单个文件解析，同时也提供批量解析

忘记选择也没有关系，上传后可在进行解析。

通过观察，发现整体的解析速度不是很快，然后等待了一段时间，发现整体文档的解析进度一点没有变。当时就怀疑肯定是有问题的，我们的文档10M都不到，不应该解析很慢。

在docker中查看运行日志，发现有exception。

通过日志的查看，发现是无法连接到 Redis 服务，导致任务队列系统崩溃。

通过查询，docker的状态是up的。应该没有问题。

查看Redis 容器的 IP 地址，将这个地址在配置文件中进行修改。

修改.env文件，一个是修改HOST，改为本地的IP，还有就是端口和dify的redis冲突了，这里也改为6380。

修改后，重新将docker重新加载，终于没问题了。

pdf文件的内容形式还是比较复杂的，有文字，有图片，有表格。解析的时间大概2分钟吧，不算很快。

*RAGflow API*

在RAGflow的设置中，我们创建一个新的秘钥。

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】