测试之家

研发效能 dify+rag+ 钉钉自动化助手搭建智能客服

难以怀瑾 · 2025年12月26日 · 78 次阅读

以下内容均在Ubuntu 24.04 LTS运行成功过
还未正式落地，只是 demo,主要参考洞窝那篇文章

主要参考文章：

洞窝基于 RAG+Dify+ 钉钉快速搭建智能问答工具的落地实践
货拉拉 RAG 优化实践：从原始数据到高质量知识库

1 dify 安装及其相关

1.1 dify 安装

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

1.2 当 dify 的端口被占用时

  • 部署时启动docker compose up -d提示 nginx 的 443 端口被占用，修改相应端口
cat .env

修改下列端口即可

NGINX_SSL_PORT
EXPOSE_NGINX_SSL_PORT

EXPOSE_NGINX_PORT这个是网址的端口号默认 80,若是改了就需要加上端口号,如改为了9999则需要访问http://192.168.110.232:9999/

1.3 注册 dify 时报错(os error 13)

解决办法：

chmod 777 dify/docker/volumes/app/storage

1.3 dify 追踪

输入一个问题，答案如何从知识库被检索出来，如何传给大模型，如何得到的答案

  • 1 可以查看工作室相应日志 路径如下图所示

  • 2 可以在工作室编排页面点击预览后在右侧输入答案，运行完成后也可以查看日志

1.4 dify 元数据

dify 元数据

1.5 dify 标注

标准化业务问答：如公司的报销政策、特定产品价格等需要 100% 准确的问题
一旦启用 (默认是关闭状态) 并创建了标注，系统处理用户输入的逻辑如下：
语义搜索：用户提出问题后，系统首先在标注库中搜索语义相似的问题。

匹配判断：
命中：如果找到分值超过相似度阈值的匹配项，则直接返回标注中的答案，不再消耗 Token 调用大模型或检索知识库。
未命中：如果未找到匹配项，则进入常规的 AI 生成或 RAG（知识库检索）流程。

2 模型

2.1 模型平台模型

  1. 以 “硅基流动” 模型平台为例 ，访问硅基流动官网地址 生成一个密钥

    1. 在 dify 上 右上角 -- 设置 -- 模型供应商下载，配置在第二部拿到的密钥
    2. 配置之后就可以使用硅基流动平台的模型了 注意：尽量使用免费的模型，大多模型需要收费，免费模型有 “免费字样”

2.2 手动安装模型

2.2.1 ollama 下载

ollama 用于运行和管理大模型

2.2.1 linux

linux 参考第四步
ollama 的 github 官网

2.2.2 windows

windows 参考

注意：要把 ollama 放在/usr/local/bin下，解压后ollama 可以在/bin下

2.2.3 ollama 服务启动（gemini3 编写 验证有效）

✅ 解决方案：手动创建 Systemd 服务文件

步骤一：创建 Ollama 用户和组（安全与规范）

为了让 Ollama 以非 root 用户的身份安全运行，我们需要创建专门的用户和组。

sudo useradd -r -s /bin/false -U -m -d /usr/share/ollama ollama
sudo usermod -a -G ollama $(whoami)
  • 说明：
    • 创建了一个名为 ollama 的系统用户 (-r)，禁止登录 shell (/bin/false)。
    • 将您当前的用户名 ($(whoami)) 加入到 ollama 组中，以便您有权限管理模型。
步骤二：创建 Systemd 服务配置文件

使用 nano 或 vi 等编辑器创建服务文件：

sudo vim /etc/systemd/system/ollama.service

将以下内容粘贴到文件中：

[Unit]
Description=Ollama Service
After=network-online.target

[Service]
# Ollama 可执行文件的路径，根据您之前移动的位置 (/usr/local/bin) 配置
ExecStart=/usr/local/bin/ollama serve
Environment="OLLAMA_HOST=0.0.0.0:11434"
User=ollama
Group=ollama
Restart=always
RestartSec=3

[Install]
WantedBy=multi-user.target
  • 注意： ExecStart 路径必须是您之前移动 Ollama 二进制文件的位置，即 /usr/local/bin/ollama serve。
步骤三：重载 Systemd 配置并启动服务

保存并退出文件后，执行以下命令使配置生效，然后启动 Ollama 服务：

sudo systemctl daemon-reload # 重载 systemd 配置
sudo systemctl enable ollama  # 设置开机自启动（推荐）
sudo systemctl start ollama   # 启动服务
步骤四：验证状态

现在，再次运行状态检查命令：

sudo systemctl status ollama

您应该能看到类似 Active: active (running) 的输出，表明 Ollama 服务已成功启动。

2.3 嵌入模型 bge-m3

  • 运行命令
ollama run bge-m3
  • 检查是否生效，返回向量即生效
curl http://localhost:11434/api/embeddings -d '{
  "model": "bge-m3",
  "prompt": "人工智能是未来的发展方向"
}'

2.4 重排序模型 bge-reranker-v2-m3

  • ollama 暂不支持 reranker 模型的 api/rerank，暂时使用硅基流动的模型 bash ollama run qllama/bge-reranker-v2-m3 --- 下面是使用 xinference 安装模型
  1. 安装必要依赖： ```bash sudo apt update sudo apt install python3-pip python3-venv -y
2. **创建并激活虚拟环境**：
```bash
cd /home/ubuntu
python3 -m venv xinf_env
source xinf_env/bin/activate
  1. 安装 Xinference： bash pip install --upgrade pip pip install "xinference[all]"

4.配置 Systemd 系统服务：

为了保证 Xinference 在后台持续运行并在重启后自动启动，需将其配置为系统服务。

4.1. 创建服务文件：sudo vim /etc/systemd/system/xinference.service
4.2. 写入以下配置（已加入国内 ModelScope 加速环境变量）：

[Unit]
Description=Xinference Service
After=network.target

[Service]
Type=simple
User=root
# 核心环境变量：强制使用 ModelScope 国内镜像加速下载
Environment="XINFERENCE_MODEL_SRC=modelscope"
ExecStart=/home/ubuntu/xinf_env/bin/xinference-local -H 0.0.0.0 -p 9997
WorkingDirectory=/home/ubuntu
Restart=always
RestartSec=3

[Install]
WantedBy=multi-user.target

4.3. 启动服务：

sudo systemctl daemon-reload
sudo systemctl enable xinference
sudo systemctl start xinference
  1. 加载 Reranker 模型

启动 Xinference 引擎后，需要手动 “指令” 它加载具体的重排序模型。

5.1. 执行 Launch 命令（需指定 endpoint 以连接正在运行的服务）：

source /home/ubuntu/xinf_env/bin/activate
xinference launch \
  --endpoint http://127.0.0.1:9997 \
  --model-name bge-reranker-v2-m3 \
  --model-type rerank \
  --model-uid bge-reranker-v2-m3

5.2. 验证模型状态：

xinference list --endpoint http://127.0.0.1:9997
  1. Dify 接入配置 在 Dify 的 “设置 -> 模型供应商 -> Xorbits Inference” 中添加模型
  2. 模型类型：Rerank
  3. 模型名称：bge-reranker-v2-m3
  4. 服务器 URL：http://你的服务器公网或内网IP:9997

* 模型 UID：bge-reranker-v2-m3

7.安全加固

由于 Ollama 和 Xinference 默认不带身份验证，直接暴露公网会导致 GPU 被盗用，使用内网访问。

配置 UFW 防火墙白名单：

  • 以 9997 接口为例
# 1. 默认拒绝所有公网访问 9997 端口
sudo ufw deny 9997/tcp
# 2. 仅允许 Dify 服务器 IP 访问 (假设 Dify IP 为 1.2.3.4)
sudo ufw allow from 1.2.3.4 to any port 9997 proto tcp
# 3. 如果 Dify 在本机 Docker 内，允许 Docker 网桥访问
sudo ufw allow from 172.17.0.1 to any port 9997 proto tcp

查看服务日志：sudo journalctl -u xinference -f
查看已加载模型：xinference list --endpoint http://127.0.0.1:9997
重启 Xinference：sudo systemctl restart xinference

2.5 向量数据库 Weaviate

安装 dify 自动安装的向量数据库

3 结合钉钉

  • 效果如下

  • 自动化助手流程如下
「原创声明：保留所有权利，禁止转载」
暫無回覆。
需要 登录 後方可回應，如果你還沒有帳號按這裡 注册。