企业官网建设流程全解析

本文对比了Dify自带知识库与第三方RAGFlow知识库的优劣，RAGFlow在文档解析、分块策略、检索能力等方面表现更出色，适合复杂文档处理。文章详细介绍了RAGFlow的安装步骤，包括修改端口、配置模型、与Dify关联等，并提供了测试验证方法。对于希望提升大模型应用效果的小白和程序员，本文提供了实用的配置指南，助力优化知识库应用。

这是因为考虑到未来的数据迁移和知识库本身的特性。

对比如下：

进入正文：

RAGFlow的安装

第一步:clone 官方仓库

git clone https://github.com/infiniflow/ragflow.git

第二步：修改端口，默认是80，可是80已经被Dify占用所以无法启动

修改点：

修改.env文件的这两个参数值

然后启动docker compose up -d

浏览器访问：192.168.1.4:8080 本机的ip+刚才调整的映射端口

这一步就算是部署完成了。

下一步：配置RagFlow的模型

api Key：随便输入

url：就是ollama的地址。

在下一步 进行与Dify的关联

注意：api这里有个点，需要在基础url后 增加 /api/v1/dify 否则的话不通

参数信息来自于RagFlow的

报错网络不通，这是因为，Dify的SSRF限制不让内网连，需要配置SSRF_PROXY_ALLOW_PRIVATE_IPS

修改完后 重启dify

再次连接就可以了

外部知识库的id就是 这一段值

测试验证

我上传了个代码，到知识库中

import kd.bos.dataentity.entity.DynamicObject; import kd.bos.servicehelper.BusinessDataServiceHelper; import kd.bos.workflow.api.AgentExecution; import kd.bos.workflow.api.WorkflowElement; import kd.bos.workflow.engine.extitf.IWorkflowPlugin; import kd.bos.workflow.engine.extitf.WorkflowPlugin; import java.util.ArrayList; import java.util.List; import java.util.Map; public class calcUserIdsPlugin extends WorkflowPlugin { @Override public List<Long> calcUserIds(AgentExecution execution) { // 参与人计算插件，举例场景：取单据上得某个用户字段作为参与人 String businessKey = execution.getBusinessKey();//业务主键 String entityNumber = execution.getEntityNumber();//单据编码 // 根据业务主键获取单据内容 DynamicObject entity = BusinessDataServiceHelper.loadSingle(Long.parseLong(businessKey), (String)entityNumber); // 获取单据上的创建人作为该节点的审批人 Object user = entity.get("creator");// 如果 是想从某个配置单据上读取 并按照一定逻辑计算出对应人员// 则 第一步 加载单据信息// 第二步 通过业务逻辑过滤// 第三步 将得到的人员id取到，设置下来 long userId = user instanceof DynamicObject ? (Long)((DynamicObject) user).get("id") : 0L; List<Long> reviseApprover = new ArrayList<>(); reviseApprover.add(userId); return reviseApprover;//返回值为 List<Long> 类型的数据。返回值为业务定义的参与人对应的userId } }

现在Dify中创建一个对话

import kd.bos.dataentity.entity.DynamicObject;import kd.bos.servicehelper.BusinessDataServiceHelper;import kd.bos.workflow.api.AgentExecution;import kd.bos.workflow.engine.extitf.IWorkflowPlugin;import kd.bos.workflow.engine.extitf.WorkflowPlugin;import java.util.ArrayList;import java.util.List;public class calcUserIdsPlugin extends WorkflowPlugin { @Override public List<Long> calcUserIds(AgentExecution execution) { // 获取业务主键和单据编码 String businessKey = execution.getBusinessKey(); String entityNumber = execution.getEntityNumber(); // 根据业务主键加载单据数据 DynamicObject entity = BusinessDataServiceHelper.loadSingle( Long.parseLong(businessKey), (String)entityNumber ); // 从单据字段获取用户对象（示例：取creator字段） Object user = entity.get("creator"); // 提取用户ID（需根据实际字段结构调整） long userId = user instanceof DynamicObject ? (Long)((DynamicObject)user).get("id") : 0L; // 返回参与人ID列表 List<Long> reviseApprover = new ArrayList<>(); reviseApprover.add(userId); return reviseApprover; }}

只要喂的东西够多，将来也是个助力。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：

• ✅ 从零到一的 AI 学习路径图
• ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
• ✅ 百度/阿里专家闭门录播课
• ✅ 大模型当下最新行业报告
• ✅ 真实大厂面试真题
• ✅ 2026 最新岗位需求图谱

所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~

① 全套AI大模型应用开发视频教程

（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）

② 大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

③ 大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

④ AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

⑤ 大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

⑥ 大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

以上资料如何领取？

为什么大家都在学大模型？

最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！

不出1年，“有AI项目经验”将成为投递简历的门槛。

风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

以上全套大模型资料如何领取？