Dify智能体实战案例：基于内部知识库的智能客服并接入公司官方网站

中小企业想快速上线智能客服？别再被“技术门槛”吓住了。这篇指南会手把手带你走通基于Dify搭建RAG+智能体的完整流程，从服务器选型到最终嵌入官网，每一步都有具体操作。先看效果：网页右下角会有一个小气泡，点击后弹出聊天窗口，用户直接和内部知识库对话。这套方案成本低、落地快，关键是——完全开源。

一、搭建Dify平台

这里以阿里云为例，系统选择Ubuntu 22.04，配置2核4G、50G磁盘，完全够用。

1. 安装Docker

apt install docker.io docker-compose

2. 启动Docker服务

systemctl start docker
systemctl enable docker

3. 配置镜像翻跟斗

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
    "registry-mirrors": [
        "https://docker.m.daocloud.io",
        "https://dockerhub.timeweb.cloud"
    ]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

国内访问Docker Hub较慢，配置翻跟斗能大幅提升拉取速度。以上镜像地址如有变化，可自行搜索最新可用源。

4. 获取Dify源码

如果系统里没有git，先安装：

apt install git

git clone https://github.com/langgenius/dify.git

5. 配置环境变量

cd dify/docker
cp .env.example .env

编辑.env文件，修改数据库密码：

DB_PASSWORD=difyai123456   # 改成你自己的安全密码

6. 启动Dify服务

# 注意：必须在dify/docker目录下执行
docker-compose up -d

7. 查看服务状态

docker-compose ps

8. 查看日志（以API服务为例）

docker-compose logs -f api

9. 浏览器访问

http://你的公网IP

首次登录需要设置管理员账号，按页面提示操作即可。

二、配置大模型

Dify支持的大模型种类很丰富，GPT、Gemini、DeepSeek、千问、文心一言都行，甚至硅基流动这类聚合平台也兼容。对国内企业来说，直接用国内大模型最省心——不用操心网络连接问题。这里选用DeepSeek，性价比高，调用稳定。

1. 获取DeepSeek API Key

访问 DeepSeek平台，需要先充值（测试的话充2元足矣），然后创建API Key。注意：创建成功后立即复制保存，页面关闭后无法再次查看。

2. 在Dify中配置

点击右上角头像 → 设置 → 模型供应商。找到“深度求索”模型，先点击“安装”，再点击“设置”，填入刚才复制的API Key即可。

三、创建RAG知识库

准备内部文档——这些文档是智能客服回答用户问题的核心依据。可以是产品说明书、常见问题FAQ、业务手册等。

进入“知识库”页面 → 点击“创建知识库” → 上传文件 → 下一步。分段设置保持默认，点击“保存并处理”，系统会自动完成文档切分和向量化。

四、创建应用

应用负责串联知识库和对话逻辑。

1. 创建空白应用

在“应用”页面点击“创建应用”，类型选择“聊天助手”。

2. 编写提示词

优化前的提示词示例：

分析用户提问的问题，是否是外贸行业相关，如果是则优先查询知识库来回答。
如果不是外贸相关问题，委婉拒绝，然后引导用户提问外贸相关问题。

你可以根据实际业务场景调整提示词，比如增加语气、控制回复长度等。

3. 关联知识库

在应用配置中添加上一步创建的知识库。

4. 设置对话开场白

配置开场白和参考问题，让用户一进入聊天就有明确引导。

5. 发布应用

点击“发布”，应用即上线。发布后可以得到一段嵌入代码，这是接下来接入网站的关键。

五、嵌入官网

如果你手里已经有公司官网，直接把Dify生成的嵌入代码粘贴到网站模板中即可。如果没有演示站点，可以用AI编程工具临时生成一个测试页面。比如用豆包（doubao.com）的AI编程功能，提示词如下：

请帮我设计一个简单的企业网页，外贸行业相关，最核心的功能是：
在网页右下角嵌入一个小按钮，当鼠标点击时会出现一个客服聊天窗口。
这部分代码，我来提供。
嵌入代码如下：

<script>
window.difyChatbotConfig = {
  token: 'mwSXtGDoHIpcWlQ4',
  baseUrl: 'http://147.15.96.112',
  systemVariables: {
    // user_id: 'YOU CAN DEFINE USER ID HERE',
    // conversation_id: 'YOU CAN DEFINE CONVERSATION ID HERE, IT MUST BE A VALID UUID',
  },
}
</script>
<script src="http://147.15.96.112/embed.min.js" id="mwSXtGDoHIpcWlQ4" defer></script>

将你的实际token和baseUrl替换进去即可。生成后的网页预览效果完全满足测试需求。

整个流程走下来，硬件成本不到一杯咖啡钱（按云服务器按量计费），时间成本大约一两个小时。对于资源有限的中小企业来说，这是目前将AI落地到生产环境最直接、最高效的路径之一。关键在于：把企业自身的知识库“喂”给模型，才能真正做出有业务价值的智能助手。