第一部分：RAGFlow 端配置

在 Dify 能够调用之前，确保 RAGFlow 已经就绪并提供了可访问的 API。

步骤 1: 确保 RAGFlow 正常运行

具体可以参考：

https://blog.csdn.net/qq_35354529/article/details/151149191?spm=1001.2014.3001.5502
注意启动命令使用docker compose -p ragflow up -d

• RAGFlow 服务应该已经通过 Docker 正常启动。
• 通过浏览器访问 RAGFlow 的 Web 界面（通常是 http://你的服务器IP:80，我这个访问的地址是http://服务器ID:8580），确保可以正常登录。

步骤 2: 创建知识库并上传文档

1. 登录 RAGFlow 后，点击“知识库” -> “新建知识库”，创建一个新的知识库。
2. 进入该知识库，点击“上传文件”，将包含复杂表格和图片的 PDF 文档上传。

步骤 3: 创建 API 密钥

1. 点击页面右上角的“头像”图标。
   
2. 创建API KEY
   
   

API KEY: ragflow-E5ZW***************************** 后续提供给Dify调用RAGFlow使用

3. 记录RAGFlow知识库ID
   

步骤 4: 记录 API 端点信息

• RAGFlow API 基地址（Base URL）：通常是 http://RAGFlow服务器IP:8580
• 检索接口路径：/api/v1/retrieve
• 完整的检索端点 URL：http://RAGFlow服务器IP:8580/api/v1/retrieve
• RAGFlow知识库ID：581af2b2889a11f082420242ac1f0006

---

第二部分：Dify 端配置

现在，在 Dify 中创建一个应用，并通过工作流调用 RAGFlow知识库。

步骤 1: 在 Dify 中创建一个外部知识库

1. 创建外部知识库API
   
   
2. 召回测试
   

API Endpoint: http://RAGFlow服务器IP:8580/api/v1/dify
API KEY: RAGFlow提供的API KEY

步骤 2: 在 Dify 中创建新应用

1. 登录你的 Dify 控制台。
2. 点击“创建新应用”，选择“ChatFlow”
   

步骤 3: 构建工作流

进入应用的工作流编辑界面，按以下顺序添加和配置节点：

节点 1: 开始

• 拖入一个 “开始” 节点。它代表了用户输入的提问。

节点 2: 知识检索

• 拖入一个 “知识检索” 节点。设置知识库。
  

节点 3: LLM（大语言模型）

1. 拖入一个 “LLM” 节点。
2. 设计系统提示词
3. 可以根据需要调整温度和最大生成长度等参数。
   

你是一个专业的问答助手。请严格根据<知识库内容>来回答用户的问题。# 知识库内容：
{{#context#}}# 用户问题：
{{#sys.query#}}# 回答要求：
1.  **精准忠实**：答案必须完全源自上述<知识库内容>。严禁编造、演绎或使用外部知识。
2.  **清晰有条理**：组织你的答案，使其逻辑清晰、易于理解。可以使用列表、分点等方式。
3.  **引用溯源**：如果<知识库内容>中包含了明确的来源（如文件名、URL、章节名），请在答案末尾以“来源：[此处填写来源]”的格式注明。
4.  **不确定性处理**：如果<知识库内容>中**完全没有**与用户问题相关的信息，请明确告知用户“根据现有资料，我无法找到相关问题答案。”
5.  **完整性**：尽量提供完整的信息，如果问题涉及多个方面，请覆盖所有方面。现在，请开始回答。

节点 4: 直接回复
6. 拖入一个 “直接回复” 节点。
7. 将其连接到“LLM”节点之后。这个节点会将 LLM 生成的最终答案返回给用户。

测试：

关键注意事项

1. 使用 Docker 网络隔离：为每个项目创建独立的网络
2. 使用环境变量文件：为每个项目创建独立的 .env 文件
3. 启动RAGFlow与Dify：

# 在 Dify 目录中，使用项目名 "dify"
cd /dify1.8/dify-1.8.0/docker
docker compose -p dify down
docker compose -p dify up -d# 在 RAGFlow 目录中，使用项目名 "ragflow"
cd /path/to/ragflow
docker compose -p ragflow down
docker compose -p ragflow up -d