Dify外接Fastgpt知识库，这套组合可以说封神了！【喂饭级教程】

Dify与Fastgpt强强联合，打造企业级AI应用新体验！

核心内容：

• Dify知识库的不足与Fastgpt的优势
• 创新方案：Dify外接Fastgpt知识库
• 喂饭级教程：三步快速部署fda适配器

即便Dify已经升级到1.0完全体，知识库问答效果依然不尽如人意。从实际体验来看，主要有几个痛点：

1. 即便用上最新的父子分段，效果仍然欠佳；
2. 配置流程有些繁琐——知识库创建时设定了重排模型，到了应用关联知识库又得再设一次；
3. Dify也支持Fastgpt的问答拆分模式，但拆分速度慢，且容易出错；
4. 问答拆分后的回复质量同样不太理想。

说句公道话，Dify除了知识库之外，其他大部分功能的体验都优于Fastgpt。而Fastgpt的知识库效果是公认的强（某群友的评价可作佐证）。

因此过去一年中，大量时间都用在了Fastgpt上——毕竟知识库才是应用根基。不过，一个念头挥之不去：如果把Dify和Fastgpt结合起来，岂不完美？Dify提供了外部知识库API，而Fastgpt的知识库也支持API调用。理论上可以直接将Fastgpt知识库接入Dify使用。但两边API接口不兼容，成了拦路虎。

遇到问题，首先寻找现成方案（重复造轮子不是明智之举）。经过AI搜索、引擎检索，目前还真没找到现成方案能将Fastgpt知识库直接接入Dify。（如果读者有其他方案，欢迎交流分享。）

那就自己动手创造“完美”。利用字节最新发布的AI编程工具Trae，大约花了30分钟，快速完成了一个小项目——作为Dify和Fastgpt知识库的桥梁，可以方便地将Fastgpt的知识库外接到Dify使用。可以把这个项目看作一个适配器，姑且命名为fda（fastgpt-dify-adapter）。

来看下Dify外接Fastgpt知识库前后的回复对比（左侧为接入前，右侧为接入后）：

对比中，两边的参数配置、索引方式、索引模型、问答模型以及知识库上传的资料完全一致。但Dify的原始回复效果，简直让人想报警——完全与文章内容不沾边。

整个接入过程分为三步：1. 配置并部署fda；2. 在Fastgpt创建OpenAPI key，复制知识库ID；3. 在Dify外接Fastgpt知识库。

介绍差不多了，直接开始喂饭级教程。

一、部署fda（fastgpt-dify-adapter）

fda使用Python语言开发，支持Docker Compose一键启动。目前项目已托管到GitHub。

GitHub地址：https://github.com/kangarooking/fastgpt-dify-adapter

本教程以本地部署的Fastgpt和Dify为例进行对接。（Dify和Fastgpt都有云端版本，不想本地部署的朋友也可以通过云端版本测试。fda同样本地部署，系统：Win10。）

，直接创建一个fda的docker-compose.yml配置文件即可。先新建一个文件夹，在里面新建一个.txt文件，将以下内容复制进去（务必保持YML格式，不能乱）：

version: '3'
services:
  fastgpt-dify-adapter:
    image: registry.cn-guangzhou.aliyuncs.com/kangarooking/fastgpt-dify-adapter:1.0.1
    ports:
      - "5000:5000"
    environment:
      - FASTGPT_BASE_URL=http://host.docker.internal:3000
      # 问题优化配置
      - DATASET_SEARCH_USING_EXTENSION=false
      - DATASET_SEARCH_EXTENSION_MODEL=deepseek-chat
      - DATASET_SEARCH_EXTENSION_BG=
      # 重排序配置
      - DATASET_SEARCH_USING_RERANK=false
    restart: unless-stopped

（本次镜像已上传到阿里云，无需科学上网即可快速下载。）

保存.txt文件后，将

。

FASTGPT_BASE_URL参数需要配置Fastgpt地址。如果fda与Fastgpt部署在同一台服务器的Docker中，建议直接使用http://host.docker.internal:3000。

问题优化和重排序配置对应Fastgpt中的哪些配置？直接看下面两张图就明白了：

配置好之后，在docker-compose.yml所在目录的地址栏输入cmd回车进入控制台，输入指令docker-compose up -d回车，即可自动下载并部署fda。

部署成功后，可打开Docker Desktop，找到

查看fda的日志。

二、获取Fastgpt相关参数

。创建OpenAPI key后，复制下来备用。找到想要接入Dify的知识库并点进去，在右侧找到知识库ID，也复制备用。

三、Dify外接Fastgpt知识库

访问Dify，进入

。

填写fda的地址加端口（如http://host.docker.internal:5000，如果Dify与fda部署在同一服务器的Docker中则用此地址）。

填写刚刚复制的Fastgpt OpenAPI key，然后保存。保存成功后，创建一个外部知识库，注意填写复制的Fastgpt知识库ID。

和对应Fastgpt中的哪些配置？下图可以说明：Top K为4代表Fastgpt引用上限2000（如果为5则对应2500，以此类推）；Score对应Fastgpt的最低相关度。建议Top K拉到6以上，以便提供更多长上下文。

配置好后点击连接。最后进入任意Dify应用，点击

，选择刚刚创建的外部知识库添加。会弹出设置弹窗（经测试这里设置不起作用，直接保存即可）。至此，就可以在Dify中愉快地使用Fastgpt知识库进行问答了，效果提升不止一点点。

点击引用还能看到所有引用内容。后续若需调整外部知识库参数，可到

中调整。

至此，外接Fastgpt知识库的Dify，才算得上是世界上最好用的开源LLM应用平台。