摘要
1) 一句话总结 本文介绍了如何使用零代码LLMOps平台Dify，通过配置OpenAI密钥和上传本地文档，快速搭建基于大语言模型的专属AI对话知识库。
2) 核心要点
- 知识库运行原理：将文档转换为向量存入数据库，用户提问时检索最相似的文本向量，并将其嵌入给大模型（如GPT）生成回答，而非直接输入全文。
- 平台简介：Dify是一个可视化的LLMOps平台（https://cloud.dify.ai/），支持零代码创建AI应用，提供开箱即用的网页分享链接或后端API服务。
- 创建应用：通过Google账号登录后，在控制台选择创建“对话型应用”。
- 配置模型：需要在平台设置的“模型供应商”中，填入个人的OpenAI API Key。
- 构建数据集：在“数据集”模块上传本地文档，进行分段与清洗（无代码基础用户可直接选择“自动”与“高质量”模式）。
- 编排与发布：在“提示词编排”页面编写预设Prompt（如设定客服或顾问角色）并关联已处理的数据集，点击发布即可完成搭建。
3) 风险/不足
- 数据格式限制：目前Dify的数据集仅支持文本类文件上传（明确支持的格式为TXT、HTML、Markdown、PDF、XLSX）。
正文
自从ChatGPT发布以来，已经过去了8个月了。
而基于知识库的问答产品，ChatPDF的发布，也过去很多个月了。
随着越来越多人的接触到AI， 基于ChatGPT和私有数据， 搭建专属知识库的诉求越来越强。
毕竟，这玩意，可不是玩玩而已，是真的生产力啊。
比如 智能AI客服， 7*24小时在线沟通，百问百答，没任何脾气，可同时服务数千客户咨询；
比如 企业内部知识库，大家都做了那么多文档那么多SOP对吧，看那么多文件，脑袋都大了，这下好了，一句话全部解决。
比如你的搭建你的数字分身，学习、咨询一站式服务；
当然，还能搞垂直行业的AI咨询师，比如律师、比如金融等等。
三头六臂，直接起飞。
话不多说，今天带大家搭自己的知识库，用的项目是Dify。
首先要理解一下搭知识库的基本原理。
知识库并不是将几百页的文档全灌给了GPT，而是将文档全部转成向量，存到向量数据库中，当用户发起提问时，就将这个问题的向量去向量数据库里查，找到最相近的文本，给它取出来，并 嵌入给GPT，让GPT根据这段取出来的文字进行回答。
这涉及到了很多知识，比如你要用API接入，你要做文本分割，你要做向量库，你要做嵌入等等…
你不会代码的话，直接就可以回家玩泥巴了。。。
而现在，Dify横空出世，无需代码，无需那些乱七八糟的知识，真正的实现，有手就行。
Dify 是一个易用的 LLMOps 平台，旨在让更多人可以创建可持续运营的原生 AI 应用。Dify 提供多种类型应用的可视化编排，应用可开箱即用，也能以“后端即服务”的 API 提供服务。
一进来是一个非常简单的登录页面，用Google登录就好。
然后你会发现，你现在没有任何应用，是空空如也的状态。我们点击左上角，创建应用。
在弹出的框中，选择对话型应用，毕竟我们是要做一个对话知识库嘛。然后名字按照真实场景随便填。
进入到一个数据统计页面后，说明我们的应用已经创建完成了，是不是很迅速？但是不急，我们还需要做两步操作，输入我们的OpenAI的Key，再上传我们的数据集。
我们先点头像右上角，点击设置。在弹窗里找到模型供应商，把OpenAI这块的Key，改成自己的账号的Key。
然后，我们点击数据集这个tab。再创建一个自己的数据集。
目前Dify的数据集只支持文本上传，已支持TXT，HTML，Markdown，PDF，XLSX。对本地的文档支持的很全面了。 你要是有多个文件，就一个一个传。
我随便弄了一个文档传上去了。
然后这个分段与清洗的设置页面，如果你不太懂文本切割，你就无脑选自动和高质量就行。
然后我们保存并处理，很快就好啦。
处理完成之后，我们回到刚才所创建的应用页面。点击提示词编排。
对话前的预设Prompt我就随便写了两句，大家可以根据自己的实际情况去写，比如智能客服跟法律顾问的Prompt肯定是不一样的。
在上下文关联那，把自己的数据集给添加进去。
我们点击发布！ 大功告成！
回到概览页，我们就可以把这个链接分享给朋友，或者懂代码的话，也可以直接接这个API。
我们打开网页，来问一下我上传的文档内容来试试看。
当然， Dify的功能还不止于此。知识库只是冰山一角。
大家对他们还感兴趣的话，以后可以慢慢写。
以上，