1. 背景与核心概念在游戏开发与运营中玩家和开发者常常面临海量、零散的文档信息比如游戏背景设定、角色技能、装备属性、任务攻略、更新日志等。当需要快速查询某个特定信息时传统的文档搜索或社区问答效率低下且难以保证信息的准确性和上下文关联性。这正是 RAG检索增强生成技术大显身手的场景。通过将外部知识库与大型语言模型LLM结合RAG 能够根据用户问题实时从知识库中检索最相关的信息片段并以此为基础生成精准、可靠的回答。然而对于游戏公司或独立开发者而言将核心的游戏资料、玩家数据或内部文档上传到公有云 AI 服务存在数据安全和隐私泄露的风险。同时公有 API 的调用成本、速率限制和模型可控性也是需要考虑的问题。因此一个能够私有化部署、支持 RAG、且无需编写复杂代码的平台成为了构建专属 AI 助手如“三角洲专属AI助手”的理想选择。Dify正是这样一个开源的 LLM 应用开发平台。它提供了可视化的界面允许开发者通过拖拽和配置的方式快速构建基于 RAG 的智能体Agent、聊天机器人或工作流。其核心优势在于“零代码”或“低代码”极大地降低了 AI 应用开发的门槛。你可以将 Dify 部署在自己的服务器上完全掌控数据、模型和流程实现安全、可控的私有化 AI 助手。本文将围绕“使用 Dify 零代码搭建一个基于 RAG 的游戏智能体”这一目标提供从环境准备、私有化部署、知识库构建到智能体配置的完整实操教程。无论你是游戏社区的运营者、独立游戏开发者还是对 AI 应用感兴趣的技术爱好者都能跟随本文一步步搭建出属于你自己的“三角洲行动 AI 知识库助手”。2. 环境准备与版本说明在开始部署之前请确保你拥有一台满足以下基本要求的服务器或本地开发环境。本文将以 Linux 系统Ubuntu 22.04 LTS为例进行演示其他系统如 CentOS、Windows via Docker步骤类似但命令和路径可能有所不同。2.1 系统与硬件要求操作系统: Linux (推荐 Ubuntu 20.04/22.04, CentOS 7/8), macOS, 或 Windows (通过 Docker Desktop)。CPU: 至少 2 核。如果计划本地运行大语言模型如 Qwen、ChatGLM等则需要更强的 CPU 和 GPU 支持。内存: 至少 4 GB。建议 8 GB 或以上尤其是运行本地模型时。磁盘空间: 至少 20 GB 可用空间用于存放 Docker 镜像、数据库和知识库文档。网络: 能够访问互联网以下载 Docker 镜像和模型如果使用在线 API如 OpenAI则需要能访问相应服务。2.2 核心依赖软件部署 Dify 最推荐的方式是使用 Docker 和 Docker Compose这能最大程度地简化环境配置和依赖管理。Docker Engine: 版本 20.10.0 或更高。Docker Compose: 版本 v2.0.0 或更高。在较新版本的 Docker Desktop 中已包含 Compose V2。2.3 安装 Docker 与 Docker Compose如果你的系统尚未安装 Docker请执行以下命令进行安装以 Ubuntu 为例# 更新软件包索引 sudo apt-get update # 安装必要的依赖包以便 apt 可以通过 HTTPS 使用仓库 sudo apt-get install -y \ ca-certificates \ curl \ gnupg \ lsb-release # 添加 Docker 的官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置 Docker 稳定版仓库 echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null # 更新 apt 包索引并安装 Docker Engine、Docker Compose sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 验证 Docker 和 Docker Compose 是否安装成功 docker --version docker compose version # 可选将当前用户加入 docker 组避免每次使用 sudo sudo usermod -aG docker $USER # 执行此命令后需要退出当前终端并重新登录或执行 newgrp docker 使更改生效2.4 获取 Dify 部署文件Dify 官方提供了标准的 Docker Compose 部署文件。我们将其下载到本地一个专用目录。# 创建一个用于存放 Dify 的目录 mkdir -p ~/dify cd ~/dify # 从 GitHub 下载 docker-compose.yaml 和 .env 配置文件 curl -o docker-compose.yaml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml curl -o .env.example https://raw.githubusercontent.com/langgenius/dify/main/docker/.env.example cp .env.example .env现在你的~/dify目录下应该有两个关键文件docker-compose.yaml和.env。.env文件包含了所有可配置的环境变量我们接下来需要根据实际情况修改它。3. 配置与启动 Dify 服务3.1 配置环境变量 (.env 文件).env文件是 Dify 服务配置的核心。使用文本编辑器如nano或vim打开它nano ~/dify/.env你需要关注并修改以下几个关键配置项数据库密码: 为 PostgreSQL 和 Redis 设置强密码。# PostgreSQL POSTGRES_PASSWORDdifyai123456 # 请修改为复杂密码 # Redis REDIS_PASSWORDdifyai123456 # 请修改为复杂密码外部访问地址: 这是最重要的配置之一决定了你如何访问 Dify 控制台。# 将 your-domain.com 替换为你的服务器 IP 地址或域名。 # 例如如果你通过服务器IP访问且未使用反向代理可以设置为 CONSOLE_API_URLhttp://你的服务器IP:3000 CONSOLE_WEB_URLhttp://你的服务器IP:3000 # 如果你使用域名并通过 Nginx 反向代理可以设置为 # CONSOLE_API_URLhttps://dify.your-domain.com # CONSOLE_WEB_URLhttps://dify.your-domain.com注意: 这里的端口3000是 Dify 前端服务默认映射的端口我们将在docker-compose.yaml中确认。模型供应商配置可选: 如果你打算使用 OpenAI、Azure OpenAI 或 Anthropic 的在线 API需要在此配置 API Key。对于完全私有化部署我们通常先使用 Dify 自带的“Mock”模型进行测试或者配置本地部署的模型如通过 Ollama、vLLM 或 OpenLLM 部署的模型。这部分我们稍后在 Dify 界面中配置更直观。# 例如配置 OpenAI (非必须可留空) # OPENAI_API_KEYsk-xxx修改完成后保存并退出编辑器。3.2 检查并修改 Docker Compose 文件端口映射打开docker-compose.yaml文件查看服务端口映射情况cat ~/dify/docker-compose.yaml | grep -A5 -B5 “ports”通常默认配置如下services: api: ... web: ... ports: - “3000:3000” # 前端服务端口 ...这表示将容器内的 3000 端口映射到了宿主机的 3000 端口。确保宿主机的 3000 端口未被占用或者你可以修改左边的端口号例如“8080:3000”这样你就可以通过http://服务器IP:8080来访问。3.3 启动 Dify 服务一切就绪后使用 Docker Compose 启动所有服务。-d参数表示在后台运行。cd ~/dify docker compose up -d这个命令会拉取 PostgreSQL、Redis、Dify API 和 Dify Web 等多个镜像并启动相应的容器。首次执行可能需要几分钟时间取决于你的网络速度。你可以使用以下命令查看服务启动状态和日志# 查看所有容器状态 docker compose ps # 查看实时日志按 CtrlC 退出 docker compose logs -f # 仅查看 web 服务日志 docker compose logs -f web当看到所有容器状态均为running并且日志中没有持续报错时说明服务已成功启动。3.4 访问 Dify 控制台在浏览器中打开你配置的CONSOLE_WEB_URL例如http://你的服务器IP:3000。首次访问你需要创建一个管理员账户。按照页面提示输入邮箱和密码即可完成注册并登录。至此Dify 平台已经成功私有化部署在你的服务器上接下来我们将进入核心环节为“三角洲行动”游戏构建知识库和智能体。4. 构建 RAG 知识库导入游戏资料登录 Dify 控制台后左侧菜单栏找到“知识库”并点击进入。我们将在这里创建和管理游戏专属的知识库。4.1 创建知识库点击右上角“创建知识库”按钮。填写知识库名称例如“三角洲行动游戏百科”。索引方法这是 RAG 的核心设置。高精度索引检索精度高适合问答、摘要等对准确性要求高的场景。这是我们构建游戏助手的主要选择。高召回率索引检索范围广适合创意写作、头脑风暴等需要丰富素材的场景。混合索引平衡精度和召回率。对于游戏百科首次创建建议选择“高精度索引”。嵌入模型用于将文本转换为向量Embedding。Dify 内置了多种选择。本地模型如BAAI/bge-small-zh-v1.5这是一个优秀的中文开源模型无需 API Key完全在本地运行数据不出私域是私有化部署的首选。OpenAI 等云服务需要配置 API Key数据会发送到第三方。建议选择BAAI/bge-small-zh-v1.5或BAAI/bge-large-zh-v1.5。如果遇到下载问题可以在部署 Dify 的服务器上提前下载好模型。点击“创建”知识库即创建成功。4.2 导入游戏文档知识库支持多种格式的文档上传文本TXT、MarkdownMD、PDF、WordDOC/DOCX、Excel、PowerPoint、纯文本等。准备工作将你的游戏资料整理成文件。例如三角洲行动背景故事.md全角色技能详解.docx地图点位与战术指南.pdf最新版本更新日志.txt上传步骤进入刚创建的“三角洲行动游戏百科”知识库。点击“上传文件”或直接将文件拖入上传区域。数据处理方式选择“分段处理”。Dify 会自动将长文档按语义切分成多个片段Chunks这是构建向量索引的基础。分段规则可以自定义分段的最大长度和重叠长度。一般保持默认即可Dify 的默认规则对中文文档有较好的支持。点击“确认上传”。系统将开始解析文件、生成文本片段、调用嵌入模型为每个片段生成向量并存入向量数据库Dify 默认使用 Weaviate。上传后你可以在“文档”列表中看到所有文件并点击进入查看被切分成的具体文本片段。这有助于你理解 RAG 检索的基本单元。4.3 配置知识库的检索参数在知识库设置中有几个关键参数影响后续智能体问答的效果检索模式向量检索基于语义相似度查找片段。最常用。全文检索基于关键词匹配。混合检索结合两者效果通常更好但计算开销稍大。推荐选择“混合检索”。相似度阈值仅返回相似度高于此值的片段。值越高要求越严格返回结果可能越少但更相关。可以保持默认或微调如 0.8。Top K每次检索返回的最相关片段数量。通常设置在 3-8 之间。数量太少可能信息不全太多可能引入噪声。保存设置后知识库就进入了“可用”状态。你可以点击“测试”按钮输入一个游戏相关问题如“突击兵‘猎鹰’的技能是什么”查看系统检索到的文本片段验证知识库是否构建成功。5. 创建并配置游戏智能体AI助手知识库准备就绪后我们就可以创建智能体了。在 Dify 中智能体可以通过“应用”来创建。5.1 创建应用点击左侧菜单“应用”然后点击“创建新应用”。选择“智能体Agent”类型。输入应用名称如“三角洲行动AI助手”点击创建。5.2 配置大语言模型LLM进入应用编排界面首先需要配置智能体的“大脑”——大语言模型。在“模型”区域点击“添加模型”。对于私有化部署我们有几种选择使用在线 API需网络如 OpenAI GPT-4/3.5 Anthropic Claude 国内的通义千问、DeepSeek等。需要输入对应的 API Key 和 Base URL。使用本地模型推荐这是完全私有化的关键。你需要通过其他方式在本地或内网部署一个 LLM 服务然后通过“自定义模型提供商”接入 Dify。示例接入本地 Ollama 模型假设你已在同一服务器上用 Ollama 运行了qwen2.5:7b模型服务地址为http://localhost:11434。在 Dify 模型配置中选择“自定义模型提供商”。模型类型选择“OpenAI-Compatible”。模型名称自定义如local-qwen2.5-7b。API 密钥可以留空或填写任意非空字符如ollama。模型类型选择chat/completions。请求地址填写http://host.docker.internal:11434/v1。注意由于 Dify 运行在 Docker 容器内要访问宿主机的服务需使用特殊的域名host.docker.internalMac/Windows Docker Desktop 支持Linux 需额外配置网络或使用宿主机 IP。模型 ID填写qwen2.5:7b。保存后即可在模型下拉列表中选择这个本地模型。选择或配置好模型后可以设置温度Temperature、最大生成长度等参数。对于知识问答温度可以设低一些如 0.1-0.3让回答更确定。5.3 添加知识库检索工具这是将 RAG 能力赋予智能体的关键一步。在应用编排界面的“工具”区域点击“添加工具”。选择“知识库”。在弹出的知识库列表中勾选我们之前创建的“三角洲行动游戏百科”。配置工具参数查询模式通常选择“自动”或“向量检索”。选择“自动”时智能体会根据问题自动决定是否使用以及如何使用知识库。返回条数对应知识库中的 Top K可以覆盖知识库的全局设置。添加后你可以在“提示词编排”区域看到系统自动在提示词Prompt中插入了一个变量{{#knowledge}} ... {{/knowledge}}。这表示智能体在回答时会先使用用户问题去检索知识库并将检索到的内容填充到这个位置再交给 LLM 生成最终答案。5.4 编排提示词Prompt提示词是引导智能体行为的“指令”。Dify 提供了可视化的编排界面。角色设定在“提示词”开头明确告诉 AI 它的身份。例如你是一个专业的《三角洲行动》游戏助手精通游戏的所有设定、角色、地图、模式和战术。你的回答必须基于提供的游戏知识库准确、简洁、有用。如果知识库中没有相关信息请如实告知“根据现有资料我无法回答这个问题”不要编造信息。上下文变量{{#knowledge}} ... {{/knowledge}}和{{query}}是系统自动管理的变量分别代表检索到的知识和用户当前问题。你无需修改它们但需要理解它们在流程中的作用。回答要求可以进一步细化如“请用分点列举的方式回答关于角色技能的问题”、“引用关键数据时请注明出处如来自哪个版本更新日志”。5.5 配置对话开场白与用户输入建议为了让助手更友好可以在“开场白”中设置一段欢迎语如“你好我是《三角洲行动》专属AI助手可以为你解答游戏背景、角色技能、地图战术等问题请问有什么可以帮您”在“用户输入建议”中预设几个常见问题如“突击兵有哪些角色”、“‘黑鹰坠落’地图怎么玩”方便用户快速提问。5.6 发布与测试应用完成所有配置后点击右上角的“发布”按钮。选择发布版本可以创建一个新的版本如v1.0。发布渠道选择“WebApp”这样会生成一个可分享的聊天网页。发布成功后点击“访问应用”即可打开一个独立的网页与你的“三角洲行动AI助手”进行对话测试。尝试问一些知识库中明确记载和未记载的问题观察它的回答是否符合预期。例如“介绍一下游戏的世界观背景。”应有详细回答“‘幽灵’这个角色有什么技能”应基于文档回答“下个版本什么时候更新”如果知识库没有应如实告知未知6. 高级功能与优化6.1 工作流编排可视化流程设计除了简单的“问答”型智能体Dify 的“工作流”功能允许你设计更复杂的 AI 应用逻辑。例如你可以设计一个流程用户输入一个角色名。自动从知识库检索该角色的技能和背景。调用另一个 LLM 或工具根据角色特点生成一份战术推荐。将检索结果和生成内容整合后返回给用户。通过拖拽节点知识库检索、LLM、条件判断、代码执行等你可以构建出功能强大的自动化流程而无需编写代码。6.2 使用 OnlyOffice 进行文档预览与同步如果你上传了 Word、Excel 等文档Dify 支持集成 OnlyOffice 来实现在线预览和协同编辑。这需要额外部署 OnlyOffice Document Server并在 Dify 的.env文件中配置ONLYOFFICE_URL等参数。这对于需要频繁更新游戏文档并希望助手知识库能同步更新的团队非常有用。6.3 多租户与权限管理社区版从 Dify 社区版 1.10 开始支持了多租户功能。这意味着你可以为不同的团队如游戏策划组、客服组、玩家社区管理组创建独立的工作空间隔离他们的知识库和应用实现更精细的权限管理。6.4 RAG 效果优化技巧文档预处理上传前尽量保证文档格式清晰、结构完整。混乱的 PDF 或扫描件可能解析效果差。分段策略调优如果发现回答总是遗漏关键信息或上下文断裂可以回到知识库调整该文档的分段规则减小最大长度增加重叠长度。重排序Rerank在混合检索后可以引入一个重排序模型如BAAI/bge-reranker对检索结果进行二次精排进一步提升最相关片段的位置。这需要在部署时配置额外的服务。提示词工程在 Prompt 中明确要求 LLM “严格基于以下上下文回答”并设定惩罚机制如“如果答案未在上下文中找到请说‘我不知道’”能有效减少模型幻觉。7. 常见问题与排查思路在部署和使用过程中你可能会遇到以下问题问题现象常见原因解决思路访问http://IP:3000连接被拒绝或超时1. Docker 服务未成功启动。2. 防火墙未开放 3000 端口。3..env中的CONSOLE_WEB_URL配置错误。1. 执行docker compose ps检查容器状态docker compose logs web查看日志。2. 检查服务器防火墙/安全组规则放行 3000 端口。3. 确认.env中 URL 的 IP 和端口与访问地址一致。知识库文件上传后一直显示“处理中”1. 嵌入模型下载失败或加载慢。2. 服务器资源CPU/内存不足。3. 向量数据库Weaviate连接异常。1. 查看api容器的日志docker compose logs api看是否有模型下载错误。2. 检查服务器资源使用情况htop。3. 重启相关服务docker compose restart api weaviate。智能体回答“未找到相关知识”或回答内容与知识库无关1. 检索模式或相似度阈值设置不当。2. 知识库分段不合理导致检索不到关键信息。3. 提示词未强制要求模型基于上下文回答。1. 在知识库设置中尝试“混合检索”并调低相似度阈值。2. 检查知识库文档片段调整分段规则重新处理文档。3. 强化提示词中的指令如“你必须且只能根据以下上下文信息回答问题”。接入本地模型如 Ollama时报错“连接失败”1. Docker 容器网络无法访问宿主机服务。2. 本地模型服务未运行或端口不对。3. Dify 配置的请求地址错误。1. Linux 下在docker-compose.yaml的api服务中添加extra_hosts: [“host.docker.internal:host-gateway”]或直接使用宿主机内网 IP。2. 在宿主机上执行curl http://localhost:11434/v1/models测试 Ollama 服务。3. 确认 Dify 中配置的“请求地址”和“模型 ID”正确。应用发布后公开链接无法访问1. 服务器未配置域名或公网 IP 直接访问受限。2. 需要配置反向代理如 Nginx并启用 HTTPS。1. 对于测试确保使用正确的http://IP:端口。2. 对于生产环境建议使用 Nginx 将域名代理到 Dify 的 3000 端口并配置 SSL 证书。8. 生产环境最佳实践与安全建议将 Dify 用于实际业务时请遵循以下建议数据安全第一务必为 PostgreSQL 和 Redis 设置强密码并定期更换。确保.env配置文件不被泄露不要将其提交到代码仓库。如果使用云服务商模型 API妥善保管 API Key并在 Dify 环境变量中配置而非硬编码。定期备份数据库。Dify 的数据主要存储在 PostgreSQL 中可以使用pg_dump命令进行备份。资源隔离与监控为 Docker 容器设置资源限制CPU、内存防止单个应用耗尽服务器资源。使用docker compose的resources配置项。部署监控工具如 Prometheus Grafana监控服务器和容器状态。高可用与持久化默认的docker-compose.yaml已将数据库和向量数据库的数据卷映射到宿主机确保容器重建后数据不丢失。检查volumes配置。对于生产环境考虑将 PostgreSQL 和 Redis 部署为高可用集群。版本升级升级前务必完整备份数据库和上传的文档文件。查阅 Dify 官方 GitHub 仓库的 Release Notes了解版本变更和升级步骤。通常步骤是拉取新版本镜像 - 停止旧服务 - 备份数据 - 使用新的docker-compose.yaml启动服务。注意.env配置可能有变化。模型选择对于中文游戏资料优先选择对中文理解好的开源模型如 Qwen、ChatGLM、Baichuan 等。在效果和成本间权衡。7B 参数量的模型在足够清晰的指令下通常能很好地完成基于知识库的问答任务。通过以上步骤你已经成功完成了一个从零开始的、私有化部署的 RAG 游戏智能体项目。它不仅是一个技术 demo更是一个可以随时扩展、持续运营的 AI 助手原型。你可以继续丰富它的知识库优化提示词甚至结合工作流开发出更复杂的游戏内客服、攻略自动生成等高级功能。 零代码私有化部署RAG游戏智能体：基于Dify构建专属AI知识库助手
1. 背景与核心概念在游戏开发与运营中玩家和开发者常常面临海量、零散的文档信息比如游戏背景设定、角色技能、装备属性、任务攻略、更新日志等。当需要快速查询某个特定信息时传统的文档搜索或社区问答效率低下且难以保证信息的准确性和上下文关联性。这正是 RAG检索增强生成技术大显身手的场景。通过将外部知识库与大型语言模型LLM结合RAG 能够根据用户问题实时从知识库中检索最相关的信息片段并以此为基础生成精准、可靠的回答。然而对于游戏公司或独立开发者而言将核心的游戏资料、玩家数据或内部文档上传到公有云 AI 服务存在数据安全和隐私泄露的风险。同时公有 API 的调用成本、速率限制和模型可控性也是需要考虑的问题。因此一个能够私有化部署、支持 RAG、且无需编写复杂代码的平台成为了构建专属 AI 助手如“三角洲专属AI助手”的理想选择。Dify正是这样一个开源的 LLM 应用开发平台。它提供了可视化的界面允许开发者通过拖拽和配置的方式快速构建基于 RAG 的智能体Agent、聊天机器人或工作流。其核心优势在于“零代码”或“低代码”极大地降低了 AI 应用开发的门槛。你可以将 Dify 部署在自己的服务器上完全掌控数据、模型和流程实现安全、可控的私有化 AI 助手。本文将围绕“使用 Dify 零代码搭建一个基于 RAG 的游戏智能体”这一目标提供从环境准备、私有化部署、知识库构建到智能体配置的完整实操教程。无论你是游戏社区的运营者、独立游戏开发者还是对 AI 应用感兴趣的技术爱好者都能跟随本文一步步搭建出属于你自己的“三角洲行动 AI 知识库助手”。2. 环境准备与版本说明在开始部署之前请确保你拥有一台满足以下基本要求的服务器或本地开发环境。本文将以 Linux 系统Ubuntu 22.04 LTS为例进行演示其他系统如 CentOS、Windows via Docker步骤类似但命令和路径可能有所不同。2.1 系统与硬件要求操作系统: Linux (推荐 Ubuntu 20.04/22.04, CentOS 7/8), macOS, 或 Windows (通过 Docker Desktop)。CPU: 至少 2 核。如果计划本地运行大语言模型如 Qwen、ChatGLM等则需要更强的 CPU 和 GPU 支持。内存: 至少 4 GB。建议 8 GB 或以上尤其是运行本地模型时。磁盘空间: 至少 20 GB 可用空间用于存放 Docker 镜像、数据库和知识库文档。网络: 能够访问互联网以下载 Docker 镜像和模型如果使用在线 API如 OpenAI则需要能访问相应服务。2.2 核心依赖软件部署 Dify 最推荐的方式是使用 Docker 和 Docker Compose这能最大程度地简化环境配置和依赖管理。Docker Engine: 版本 20.10.0 或更高。Docker Compose: 版本 v2.0.0 或更高。在较新版本的 Docker Desktop 中已包含 Compose V2。2.3 安装 Docker 与 Docker Compose如果你的系统尚未安装 Docker请执行以下命令进行安装以 Ubuntu 为例# 更新软件包索引 sudo apt-get update # 安装必要的依赖包以便 apt 可以通过 HTTPS 使用仓库 sudo apt-get install -y \ ca-certificates \ curl \ gnupg \ lsb-release # 添加 Docker 的官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置 Docker 稳定版仓库 echo \ deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null # 更新 apt 包索引并安装 Docker Engine、Docker Compose sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 验证 Docker 和 Docker Compose 是否安装成功 docker --version docker compose version # 可选将当前用户加入 docker 组避免每次使用 sudo sudo usermod -aG docker $USER # 执行此命令后需要退出当前终端并重新登录或执行 newgrp docker 使更改生效2.4 获取 Dify 部署文件Dify 官方提供了标准的 Docker Compose 部署文件。我们将其下载到本地一个专用目录。# 创建一个用于存放 Dify 的目录 mkdir -p ~/dify cd ~/dify # 从 GitHub 下载 docker-compose.yaml 和 .env 配置文件 curl -o docker-compose.yaml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml curl -o .env.example https://raw.githubusercontent.com/langgenius/dify/main/docker/.env.example cp .env.example .env现在你的~/dify目录下应该有两个关键文件docker-compose.yaml和.env。.env文件包含了所有可配置的环境变量我们接下来需要根据实际情况修改它。3. 配置与启动 Dify 服务3.1 配置环境变量 (.env 文件).env文件是 Dify 服务配置的核心。使用文本编辑器如nano或vim打开它nano ~/dify/.env你需要关注并修改以下几个关键配置项数据库密码: 为 PostgreSQL 和 Redis 设置强密码。# PostgreSQL POSTGRES_PASSWORDdifyai123456 # 请修改为复杂密码 # Redis REDIS_PASSWORDdifyai123456 # 请修改为复杂密码外部访问地址: 这是最重要的配置之一决定了你如何访问 Dify 控制台。# 将 your-domain.com 替换为你的服务器 IP 地址或域名。 # 例如如果你通过服务器IP访问且未使用反向代理可以设置为 CONSOLE_API_URLhttp://你的服务器IP:3000 CONSOLE_WEB_URLhttp://你的服务器IP:3000 # 如果你使用域名并通过 Nginx 反向代理可以设置为 # CONSOLE_API_URLhttps://dify.your-domain.com # CONSOLE_WEB_URLhttps://dify.your-domain.com注意: 这里的端口3000是 Dify 前端服务默认映射的端口我们将在docker-compose.yaml中确认。模型供应商配置可选: 如果你打算使用 OpenAI、Azure OpenAI 或 Anthropic 的在线 API需要在此配置 API Key。对于完全私有化部署我们通常先使用 Dify 自带的“Mock”模型进行测试或者配置本地部署的模型如通过 Ollama、vLLM 或 OpenLLM 部署的模型。这部分我们稍后在 Dify 界面中配置更直观。# 例如配置 OpenAI (非必须可留空) # OPENAI_API_KEYsk-xxx修改完成后保存并退出编辑器。3.2 检查并修改 Docker Compose 文件端口映射打开docker-compose.yaml文件查看服务端口映射情况cat ~/dify/docker-compose.yaml | grep -A5 -B5 “ports”通常默认配置如下services: api: ... web: ... ports: - “3000:3000” # 前端服务端口 ...这表示将容器内的 3000 端口映射到了宿主机的 3000 端口。确保宿主机的 3000 端口未被占用或者你可以修改左边的端口号例如“8080:3000”这样你就可以通过http://服务器IP:8080来访问。3.3 启动 Dify 服务一切就绪后使用 Docker Compose 启动所有服务。-d参数表示在后台运行。cd ~/dify docker compose up -d这个命令会拉取 PostgreSQL、Redis、Dify API 和 Dify Web 等多个镜像并启动相应的容器。首次执行可能需要几分钟时间取决于你的网络速度。你可以使用以下命令查看服务启动状态和日志# 查看所有容器状态 docker compose ps # 查看实时日志按 CtrlC 退出 docker compose logs -f # 仅查看 web 服务日志 docker compose logs -f web当看到所有容器状态均为running并且日志中没有持续报错时说明服务已成功启动。3.4 访问 Dify 控制台在浏览器中打开你配置的CONSOLE_WEB_URL例如http://你的服务器IP:3000。首次访问你需要创建一个管理员账户。按照页面提示输入邮箱和密码即可完成注册并登录。至此Dify 平台已经成功私有化部署在你的服务器上接下来我们将进入核心环节为“三角洲行动”游戏构建知识库和智能体。4. 构建 RAG 知识库导入游戏资料登录 Dify 控制台后左侧菜单栏找到“知识库”并点击进入。我们将在这里创建和管理游戏专属的知识库。4.1 创建知识库点击右上角“创建知识库”按钮。填写知识库名称例如“三角洲行动游戏百科”。索引方法这是 RAG 的核心设置。高精度索引检索精度高适合问答、摘要等对准确性要求高的场景。这是我们构建游戏助手的主要选择。高召回率索引检索范围广适合创意写作、头脑风暴等需要丰富素材的场景。混合索引平衡精度和召回率。对于游戏百科首次创建建议选择“高精度索引”。嵌入模型用于将文本转换为向量Embedding。Dify 内置了多种选择。本地模型如BAAI/bge-small-zh-v1.5这是一个优秀的中文开源模型无需 API Key完全在本地运行数据不出私域是私有化部署的首选。OpenAI 等云服务需要配置 API Key数据会发送到第三方。建议选择BAAI/bge-small-zh-v1.5或BAAI/bge-large-zh-v1.5。如果遇到下载问题可以在部署 Dify 的服务器上提前下载好模型。点击“创建”知识库即创建成功。4.2 导入游戏文档知识库支持多种格式的文档上传文本TXT、MarkdownMD、PDF、WordDOC/DOCX、Excel、PowerPoint、纯文本等。准备工作将你的游戏资料整理成文件。例如三角洲行动背景故事.md全角色技能详解.docx地图点位与战术指南.pdf最新版本更新日志.txt上传步骤进入刚创建的“三角洲行动游戏百科”知识库。点击“上传文件”或直接将文件拖入上传区域。数据处理方式选择“分段处理”。Dify 会自动将长文档按语义切分成多个片段Chunks这是构建向量索引的基础。分段规则可以自定义分段的最大长度和重叠长度。一般保持默认即可Dify 的默认规则对中文文档有较好的支持。点击“确认上传”。系统将开始解析文件、生成文本片段、调用嵌入模型为每个片段生成向量并存入向量数据库Dify 默认使用 Weaviate。上传后你可以在“文档”列表中看到所有文件并点击进入查看被切分成的具体文本片段。这有助于你理解 RAG 检索的基本单元。4.3 配置知识库的检索参数在知识库设置中有几个关键参数影响后续智能体问答的效果检索模式向量检索基于语义相似度查找片段。最常用。全文检索基于关键词匹配。混合检索结合两者效果通常更好但计算开销稍大。推荐选择“混合检索”。相似度阈值仅返回相似度高于此值的片段。值越高要求越严格返回结果可能越少但更相关。可以保持默认或微调如 0.8。Top K每次检索返回的最相关片段数量。通常设置在 3-8 之间。数量太少可能信息不全太多可能引入噪声。保存设置后知识库就进入了“可用”状态。你可以点击“测试”按钮输入一个游戏相关问题如“突击兵‘猎鹰’的技能是什么”查看系统检索到的文本片段验证知识库是否构建成功。5. 创建并配置游戏智能体AI助手知识库准备就绪后我们就可以创建智能体了。在 Dify 中智能体可以通过“应用”来创建。5.1 创建应用点击左侧菜单“应用”然后点击“创建新应用”。选择“智能体Agent”类型。输入应用名称如“三角洲行动AI助手”点击创建。5.2 配置大语言模型LLM进入应用编排界面首先需要配置智能体的“大脑”——大语言模型。在“模型”区域点击“添加模型”。对于私有化部署我们有几种选择使用在线 API需网络如 OpenAI GPT-4/3.5 Anthropic Claude 国内的通义千问、DeepSeek等。需要输入对应的 API Key 和 Base URL。使用本地模型推荐这是完全私有化的关键。你需要通过其他方式在本地或内网部署一个 LLM 服务然后通过“自定义模型提供商”接入 Dify。示例接入本地 Ollama 模型假设你已在同一服务器上用 Ollama 运行了qwen2.5:7b模型服务地址为http://localhost:11434。在 Dify 模型配置中选择“自定义模型提供商”。模型类型选择“OpenAI-Compatible”。模型名称自定义如local-qwen2.5-7b。API 密钥可以留空或填写任意非空字符如ollama。模型类型选择chat/completions。请求地址填写http://host.docker.internal:11434/v1。注意由于 Dify 运行在 Docker 容器内要访问宿主机的服务需使用特殊的域名host.docker.internalMac/Windows Docker Desktop 支持Linux 需额外配置网络或使用宿主机 IP。模型 ID填写qwen2.5:7b。保存后即可在模型下拉列表中选择这个本地模型。选择或配置好模型后可以设置温度Temperature、最大生成长度等参数。对于知识问答温度可以设低一些如 0.1-0.3让回答更确定。5.3 添加知识库检索工具这是将 RAG 能力赋予智能体的关键一步。在应用编排界面的“工具”区域点击“添加工具”。选择“知识库”。在弹出的知识库列表中勾选我们之前创建的“三角洲行动游戏百科”。配置工具参数查询模式通常选择“自动”或“向量检索”。选择“自动”时智能体会根据问题自动决定是否使用以及如何使用知识库。返回条数对应知识库中的 Top K可以覆盖知识库的全局设置。添加后你可以在“提示词编排”区域看到系统自动在提示词Prompt中插入了一个变量{{#knowledge}} ... {{/knowledge}}。这表示智能体在回答时会先使用用户问题去检索知识库并将检索到的内容填充到这个位置再交给 LLM 生成最终答案。5.4 编排提示词Prompt提示词是引导智能体行为的“指令”。Dify 提供了可视化的编排界面。角色设定在“提示词”开头明确告诉 AI 它的身份。例如你是一个专业的《三角洲行动》游戏助手精通游戏的所有设定、角色、地图、模式和战术。你的回答必须基于提供的游戏知识库准确、简洁、有用。如果知识库中没有相关信息请如实告知“根据现有资料我无法回答这个问题”不要编造信息。上下文变量{{#knowledge}} ... {{/knowledge}}和{{query}}是系统自动管理的变量分别代表检索到的知识和用户当前问题。你无需修改它们但需要理解它们在流程中的作用。回答要求可以进一步细化如“请用分点列举的方式回答关于角色技能的问题”、“引用关键数据时请注明出处如来自哪个版本更新日志”。5.5 配置对话开场白与用户输入建议为了让助手更友好可以在“开场白”中设置一段欢迎语如“你好我是《三角洲行动》专属AI助手可以为你解答游戏背景、角色技能、地图战术等问题请问有什么可以帮您”在“用户输入建议”中预设几个常见问题如“突击兵有哪些角色”、“‘黑鹰坠落’地图怎么玩”方便用户快速提问。5.6 发布与测试应用完成所有配置后点击右上角的“发布”按钮。选择发布版本可以创建一个新的版本如v1.0。发布渠道选择“WebApp”这样会生成一个可分享的聊天网页。发布成功后点击“访问应用”即可打开一个独立的网页与你的“三角洲行动AI助手”进行对话测试。尝试问一些知识库中明确记载和未记载的问题观察它的回答是否符合预期。例如“介绍一下游戏的世界观背景。”应有详细回答“‘幽灵’这个角色有什么技能”应基于文档回答“下个版本什么时候更新”如果知识库没有应如实告知未知6. 高级功能与优化6.1 工作流编排可视化流程设计除了简单的“问答”型智能体Dify 的“工作流”功能允许你设计更复杂的 AI 应用逻辑。例如你可以设计一个流程用户输入一个角色名。自动从知识库检索该角色的技能和背景。调用另一个 LLM 或工具根据角色特点生成一份战术推荐。将检索结果和生成内容整合后返回给用户。通过拖拽节点知识库检索、LLM、条件判断、代码执行等你可以构建出功能强大的自动化流程而无需编写代码。6.2 使用 OnlyOffice 进行文档预览与同步如果你上传了 Word、Excel 等文档Dify 支持集成 OnlyOffice 来实现在线预览和协同编辑。这需要额外部署 OnlyOffice Document Server并在 Dify 的.env文件中配置ONLYOFFICE_URL等参数。这对于需要频繁更新游戏文档并希望助手知识库能同步更新的团队非常有用。6.3 多租户与权限管理社区版从 Dify 社区版 1.10 开始支持了多租户功能。这意味着你可以为不同的团队如游戏策划组、客服组、玩家社区管理组创建独立的工作空间隔离他们的知识库和应用实现更精细的权限管理。6.4 RAG 效果优化技巧文档预处理上传前尽量保证文档格式清晰、结构完整。混乱的 PDF 或扫描件可能解析效果差。分段策略调优如果发现回答总是遗漏关键信息或上下文断裂可以回到知识库调整该文档的分段规则减小最大长度增加重叠长度。重排序Rerank在混合检索后可以引入一个重排序模型如BAAI/bge-reranker对检索结果进行二次精排进一步提升最相关片段的位置。这需要在部署时配置额外的服务。提示词工程在 Prompt 中明确要求 LLM “严格基于以下上下文回答”并设定惩罚机制如“如果答案未在上下文中找到请说‘我不知道’”能有效减少模型幻觉。7. 常见问题与排查思路在部署和使用过程中你可能会遇到以下问题问题现象常见原因解决思路访问http://IP:3000连接被拒绝或超时1. Docker 服务未成功启动。2. 防火墙未开放 3000 端口。3..env中的CONSOLE_WEB_URL配置错误。1. 执行docker compose ps检查容器状态docker compose logs web查看日志。2. 检查服务器防火墙/安全组规则放行 3000 端口。3. 确认.env中 URL 的 IP 和端口与访问地址一致。知识库文件上传后一直显示“处理中”1. 嵌入模型下载失败或加载慢。2. 服务器资源CPU/内存不足。3. 向量数据库Weaviate连接异常。1. 查看api容器的日志docker compose logs api看是否有模型下载错误。2. 检查服务器资源使用情况htop。3. 重启相关服务docker compose restart api weaviate。智能体回答“未找到相关知识”或回答内容与知识库无关1. 检索模式或相似度阈值设置不当。2. 知识库分段不合理导致检索不到关键信息。3. 提示词未强制要求模型基于上下文回答。1. 在知识库设置中尝试“混合检索”并调低相似度阈值。2. 检查知识库文档片段调整分段规则重新处理文档。3. 强化提示词中的指令如“你必须且只能根据以下上下文信息回答问题”。接入本地模型如 Ollama时报错“连接失败”1. Docker 容器网络无法访问宿主机服务。2. 本地模型服务未运行或端口不对。3. Dify 配置的请求地址错误。1. Linux 下在docker-compose.yaml的api服务中添加extra_hosts: [“host.docker.internal:host-gateway”]或直接使用宿主机内网 IP。2. 在宿主机上执行curl http://localhost:11434/v1/models测试 Ollama 服务。3. 确认 Dify 中配置的“请求地址”和“模型 ID”正确。应用发布后公开链接无法访问1. 服务器未配置域名或公网 IP 直接访问受限。2. 需要配置反向代理如 Nginx并启用 HTTPS。1. 对于测试确保使用正确的http://IP:端口。2. 对于生产环境建议使用 Nginx 将域名代理到 Dify 的 3000 端口并配置 SSL 证书。8. 生产环境最佳实践与安全建议将 Dify 用于实际业务时请遵循以下建议数据安全第一务必为 PostgreSQL 和 Redis 设置强密码并定期更换。确保.env配置文件不被泄露不要将其提交到代码仓库。如果使用云服务商模型 API妥善保管 API Key并在 Dify 环境变量中配置而非硬编码。定期备份数据库。Dify 的数据主要存储在 PostgreSQL 中可以使用pg_dump命令进行备份。资源隔离与监控为 Docker 容器设置资源限制CPU、内存防止单个应用耗尽服务器资源。使用docker compose的resources配置项。部署监控工具如 Prometheus Grafana监控服务器和容器状态。高可用与持久化默认的docker-compose.yaml已将数据库和向量数据库的数据卷映射到宿主机确保容器重建后数据不丢失。检查volumes配置。对于生产环境考虑将 PostgreSQL 和 Redis 部署为高可用集群。版本升级升级前务必完整备份数据库和上传的文档文件。查阅 Dify 官方 GitHub 仓库的 Release Notes了解版本变更和升级步骤。通常步骤是拉取新版本镜像 - 停止旧服务 - 备份数据 - 使用新的docker-compose.yaml启动服务。注意.env配置可能有变化。模型选择对于中文游戏资料优先选择对中文理解好的开源模型如 Qwen、ChatGLM、Baichuan 等。在效果和成本间权衡。7B 参数量的模型在足够清晰的指令下通常能很好地完成基于知识库的问答任务。通过以上步骤你已经成功完成了一个从零开始的、私有化部署的 RAG 游戏智能体项目。它不仅是一个技术 demo更是一个可以随时扩展、持续运营的 AI 助手原型。你可以继续丰富它的知识库优化提示词甚至结合工作流开发出更复杂的游戏内客服、攻略自动生成等高级功能。