20分钟Dify部署实战：手把手构建RAG知识库

大家好，我是周小码。做后端8年，最近带团队接了不少AI项目，最大的感受是：现在的AI开发门槛越来越低，但要从零搭一个靠谱的、能对接业务系统的AI应用平台，还是得折腾大半天。如果你也遇到过这些场景：

• 想快速给业务线做个智能客服，但团队没有专门的前端和算法同学
• 想基于公司内部的PDF/Word文档做个知识库问答，但不想从头写RAG管线
• 老板让你「尽快看看大模型能不能用上」，你需要一个能演示、能快速迭代的方案

这篇教程就是为你准备的。接下来会带你用Docker Compose在本机部署Dify平台，然后从零创建一个基于私有文档的RAG知识库应用。整个过程不需要写一行代码，全部通过可视化界面完成。

前置条件

开始前，确认机器满足以下最低要求（Dify官方给出）：

• CPU ≥ 2 核
• 内存 ≥ 4 GiB
• 已安装 Docker（20.10+）和 Docker Compose（2.0+）

为什么要4GiB起步？因为Dify本地部署会同时拉起后端API服务、前端Web服务、PostgreSQL、Redis、Weaviate（向量库）等多个容器，内存吃紧的话容器会被OOM Kill。

第一步：获取代码并启动

打开终端，克隆仓库并进入docker目录：

git clone https://github.com/langgenius/dify.git
cd dify/docker

复制环境变量模板、一键启动：

cp .env.example .env
docker compose up -d

.env文件包含了数据库密码、服务端口等关键配置。cp .env.example .env生成默认配置，大部分场景无需修改。docker compose up -d在后台拉起所有依赖容器。

首次启动会拉取镜像，根据网络情况可能需要2-5分钟。启动完成后，确认所有容器运行正常：

docker compose ps

所有容器状态应为running或Up（至少应看到api、web、db、redis、weaviate等）。

第二步：初始化平台

启动成功后，浏览器访问http://localhost/install，进入Dify初始化页面。按提示创建管理员账户并设置初始工作空间。

初始化完成后会自动跳转到仪表盘，左侧导航栏包含探索、工作室、知识库、工具、模型等模块，这里是后续操作的「主战场」。

第三步：实战演示——搭建RAG知识库问答应用

假设你手上有一份公司的《员工手册.pdf》，想让AI自动回答员工提出的政策问题。

1. 配置模型

进入「模型」页面 → 选择「OpenAI」（或其他已接入的模型提供商）→ 填入API Key。国内用户可选择兼容OpenAI接口的通义千问、智谱等大模型，在Dify模型供应商列表中均可找到。

配置模型是后续所有AI能力的基础，相当于给系统「插电」。

2. 创建知识库

左侧点击「知识库」→「创建知识库」→ 上传PDF/Word/TXT文件。

上传后Dify引导完成分段设置和嵌入模型选择。分段决定文档切成多长的文本块，推荐先用默认的「自动」模式。嵌入模型用于将文本转为向量，选择与知识库同厂商的即可。

处理完成后，文档就变成「可被检索」的知识库了。

3. 搭建问答应用

回到「工作室」→「创建应用」→ 选择「聊天型应用」。

进入编排界面后，可视化工作流画布操作：

• 添加「知识库检索」节点，选择刚创建的知识库
• 添加「LLM回答」节点，配置Prompt上下文为$knowledge#
• 调整节点连线：用户输入 → 知识库检索 → LLM回答 → 输出

点击「保存」→「发布」，右侧测试对话窗口即可试用。

试着问上传文档里的问题，Dify会从知识库检索相关内容，再让LLM生成回答。典型RAG管线操作全在图形界面拖拽完成。

4. 获取API接入业务系统

应用发布后，在「概览」页面查看API地址和密钥。Dify提供标准REST API，可用Python/Java/Go等直接调用，将AI能力嵌入现有OA、客服、CRM系统中。这就是「Backend-as-a-Service」的价值。

踩坑提醒

1. 端口冲突：Dify默认使用80/443端口。本机已跑Nginx或其他服务时，可在.env中修改EXPOSE_NGINX_PORT。
2. 模型Key无效：国内网络访问OpenAI需代理或镜像站。建议先用智谱、通义等兼容接口测试，跑通后再换正式模型。
3. 容器启动失败：运行docker compose logs -f查看报错。最常见是PostgreSQL首次初始化时间过长，等待1-2分钟刷新页面即可。
4. 知识库检索为空：检查嵌入模型配置和分段设置。文档过小（<500字符）时检索效果会大打折扣。

总结

步骤回顾：

1. git clone + docker compose up -d 一键部署
2. 浏览器访问http://localhost/install初始化
3. 配置模型 → 上传文档创建知识库 → 可视化编排问答应用 → 发布上线

整个过程从部署到上线不超过20分钟。Dify最吸引人的是把RAG管线、Agent配置、LLMOps监控全部产品化，无需写胶水代码、不用担心向量库选型，精力可专注业务逻辑。

下一步探索方向：

• 创建Agent工作流，接入Google Search、代码执行等50+内置工具
• 通过API对接Spring Boot或Express项目
• 配置LLMOps监控面板，追踪Token消耗和延迟

Dify的GitHub Issues和社区Discord活跃，常见问题都能找到答案。动手试试吧，有问题随时交流。