使用DeepSeek与Dify搭建本地知识库指南

构建本地知识库的新选择，DeepSeek+Dify组合，性能与隐私兼顾！

之前聊过用 DeepSeek + Cherry 搭建本地知识库，基础功能够用，但文件上传限制不少，个性化定制空间也有限。今天换个思路，看看 DeepSeek + Dify 这个组合怎么玩。

Dify 本身也是一个开源的 AI 应用开发平台，支持完整的私有化部署方案。把本地部署的 DeepSeek 服务无缝集成到 Dify 平台上，企业可以在确保数据隐私的前提下，在本地服务器里构建能力更强的 AI 应用。

那么，私有化部署方案到底好在哪儿？

• 性能卓越：对话交互体验可以媲美商业模型，流畅度有保障。
• 环境隔离：完全离线运行，数据外泄的风险可以降到最低。
• 数据可控：所有数据资产都在自己手里，合规要求也能满足。

前置准备

动手之前，先确认硬件和软件环境是否到位。

硬件环境：

• CPU >= 2 Core
• 显存/RAM ≥ 16 GiB（推荐）

软件环境：

• Docker
• Docker Compose
• Dify 社区版

开始部署

1. 安装 Dify

先从仓库拉取 Dify 代码：

git clone https://github.com/langgenius/dify.git
# 如果速度太慢，可以用这个 gitee 镜像
git clone https://gitee.com/dify_ai/dify
cd dify/docker
cp .env.example .env  # 创建配置文件

更新上传文件大小配置（非必须）

默认情况下，上传图片上限 10MB，视频 100MB，文件 50MB。如果需要调整，打开刚才复制出来的 .env 文件，找到下面这些参数修改即可：

# Upload image file size limit, default 10M.
UPLOAD_IMAGE_FILE_SIZE_LIMIT=10
# Upload video file size limit, default 100M.
UPLOAD_VIDEO_FILE_SIZE_LIMIT=100
# Upload audio file size limit, default 50M.
UPLOAD_AUDIO_FILE_SIZE_LIMIT=50

启动 Dify

docker compose up -d
# 如果版本是 Docker Compose V1，使用以下命令：
docker-compose up -d

如果 Docker 拉取镜像太慢，可以配置镜像加速地址，加到 Docker 配置文件的 registry-mirrors 里：

"registry-mirrors": [
   "https://hub.rat.dev",
   "https://dockerhub.icu",
   "https://docker.wanpeng.top",
   "https://register.librax.org"
]

访问 Dify

设置管理员并登录。Dify 社区版默认使用 80 端口，本地访问：

http://localhost/install

登录后就能看到 Dify 的控制界面了。

2. 将 DeepSeek 接入至 Dify

接入在线 API 模型配置

如果本地没有部署 DeepSeek，可以先通过在线 API 接入。设置好 API Key 后，可以看到模型列表里有很多选择。

接入本地部署的 DeepSeek

如果本地已经部署了 DeepSeek，直接接入本地的模型即可。点击 Dify 平台右上角头像 → 设置 → 模型供应商，选择 Ollama，点击安装。这里用 Ollama 客户端，前提是本地已经部署了 DeepSeek，Base URL 填写 http://本机IP:11434 即可。

添加向量模型

点击保存，模型就配置好了。

最终系统模型设置

配置完成后，在系统模型设置里选择即可。

到这里，DeepSeek 就成功接入到 Dify 了。

知识库

创建知识库

来到知识库页面，开始创建。

分段选择

Dify 的分段功能有个很实用的地方：设置分段后可以实时预览，根据预览效果随时调整分段策略。对于首次创建知识库，建议使用父子分段模式。

通用模式

系统按照用户自定义的规则将内容拆分为独立的分段。当用户输入问题后，系统自动分析问题中的关键词，并计算关键词与知识库中各内容分段的相关度。根据相关度排序，选取最相关的内容分段并发送给 LLM，辅助其处理与更有效地回答。

在该模式下，需要根据不同的文档格式或场景要求，手动设置文本的分段规则：

• 分段标识符，默认值为 \n，即按照文章段落进行分块。
• 分段最大长度，指定分段内的文本字符数最大上限，超出该长度时将强制分段。默认值为 500 Tokens，上限 4000 Tokens。
• 分段重叠长度，指的是在对数据进行分段时，段与段之间存在一定的重叠部分。这种重叠可以帮助提高信息的保留和分析的准确性，提升召回效果。建议设置为分段长度 Tokens 数的 10-25%。
• 文本预处理规则，过滤知识库内部分无意义的内容。提供以下选项：
  • 替换连续的空格、换行符和制表符
  • 删除所有 URL 和电子邮件地址

父子模式

与通用模式相比，父子模式采用双层分段结构来平衡检索的精确度和上下文信息，让精准匹配与全面的上下文信息二者兼得。

其中，父区块（Parent-chunk）保持较大的文本单位（如段落），提供丰富的上下文信息；子区块（Child-chunk）则是较小的文本单位（如句子），用于精确检索。系统首先通过子区块进行精确检索以确保相关性，然后获取对应的父区块来补充上下文信息，从而在生成响应时既保证准确性又能提供完整的背景信息。你可以通过设置分隔符和最大长度来自定义父子区块的分段方式。

其基本机制包括：

• 子分段匹配查询：
  • 将文档拆分为较小、集中的信息单元（例如一句话），更加精准地匹配用户所输入的问题。
  • 子分段能快速提供与用户需求最相关的初步结果。
• 父分段提供上下文：
  • 将包含匹配子分段的更大部分（如段落、章节甚至整个文档）视作父分段并提供给 LLM。
  • 父分段能为 LLM 提供完整的背景信息，避免遗漏重要细节，帮助 LLM 输出更贴合知识库内容的回答。

选择父子模式后，可以看一下预览效果——与通用模式相比，区别不算特别明显，但底层逻辑差异不小。

继续选择索引方式和检索设置，这里都采用推荐设置。这样知识库就创建成功了，等待嵌入处理完成即可。

使用

创建应用

点击工作室，可以看到 Dify 提供了很多应用类型：聊天助手、Agent、工作流等。先选最简单的——聊天助手，点击进入。

添加知识库

创建好应用后，在应用设置里添加知识库。点击召回设置，将 Score 阈值设为 0.7，这是文本片段的相似度门槛，低于这个分数就不会被召回。

调试与预览

配置完成后，可以在调试界面测试效果。满意后直接发布，返回工作室就能看到刚刚创建的应用了。

总结

DeepSeek + Dify 的知识库构建能力确实很强，多种分段索引模式可选，里面还有不少值得深挖的东西。后续会慢慢整合更新，持续优化这个组合的使用体验。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：使用DeepSeek与Dify搭建本地知识库指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题