之前三金有介绍过一款搭建私人 AI 知识库的开源产品——FastGPT,使用过一段时间之后发现在上传本地文件时偶尔会失败,而且只有付费版才可以使用 Web 站点同步功能,所以也就萌生了再找找平替产品的念头。
在花费了大量时间在 Github 畅游之后,Dify 出现了~
那么 Dify 是什么呢?
它是一个开源的 LLM 应用开发平台。包含 AI Workflow、RAG、模型管理以及可观测性功能等,即使是小白也能快速使用 Dify 搭建一款 AI 产品。
Github 地址:https://github.com/langgenius/dify
它拥有以下 7 个核心功能 :
-
工作流 :我们可以在 Dify 提供的画布上快速构建出一个可以执行自动化任务的 AI 应用;
-
支持大多数市面上流行的 AI 模型 :包括 ChatGPT、Mistral、Llama3 以及通义千问等;
-
直观简洁的界面 ,可以用于制作提示、比较模型性能以及向基于聊天的应用程序添加文本转语音等附加功能;
-
RAG 功能 :涵盖从文档中摄取到的需要检索的所有内容,支持上传 PDF、PPT 和其他常见文档格式;
-
Dify 内置了 50 多个工具 ,例如 Google Search、DELL·E、Stable Diffusion 和 WolframAlpha。也可以自定义工具;
-
LLMOps :监控和分析应用程序日志和性能;
-
Dify 的所有产品 都附带相应的 API ,因此我们也可以很轻松地将 Dify 集成到自己的业务中去。
接下来我们一起来看看如何在本地快速部署 Dify 吧~
部署
我们选择 使用 Docker Compose 来部署 。但是在部署之前,需要注意部署应用的 前提条件 :
文档地址:https://docs.dify.ai/v/zh-hans/getting-started/install-self-hosted/docker-compose
满足前提条件之后, 克隆 Dify 代码到本地 :
git clone https://github.com/langgenius/dify.git
然后 进入到源代码中的 docker 目录下,一键启动 !
cd dify/docker
cp .env.example .env
docker compose up -d
启动后直接在 浏览器中输入 http://localhost
即可进行访问 。
使用
初次访问 Dify 时需要 先设置一个管理员账号 :
设置好之后正常进行登录即可:
到目前为止我们清楚了它长啥样子,但要正常使用还得设置一下 AI 大模型才可以,点击右上角的头像,选择设置唤出设置对话框:
点击左侧菜单栏中的模型供应商开始设置你的 Dify AI 模型。我们以 OpenAI 为例,输入 API Key 和代理 Url:
然后创建一个空白应用,在应用里面就可以选择模型了:
测试一下看看是否能正常进行对话:
哦吼~完美😍
知识库
Dify 也 支持创建知识库 ,点击页面顶部的知识库 Tab,在对应的页面按照以下步骤创建一个新的知识库:
创建好之后,我们就可以在这个知识库详情页面看到刚刚上传的文档以及是否可用:
我们还可以将知识库接入到刚刚创建好的应用中去:
测试一下:
也访问正常, AI 回答的结果来源正是我们刚刚上传的 PDF 文档 !非常 Nice~
发布
应用创建并编排好之后,点击右上角的发布按钮进行发布,除此之外 Dify 还额外提供了三个功能给我们,分别是:
- 运行 :会打开一个新的页面,页面 url 地址是 dify 为这个应用生成的一个唯一的 url 链接;
- 嵌入网站 :这个功能其实 FastGPT 也有(不得不说,其实二者的功能很相似),就是提供三种嵌入方式: 以 iframe 的形式将 AI 应用集成到自己的网站中去 、通过 script 脚本的方式将一段代码 copy 到网站代码中以及通过浏览器插件的形式来集成
- 访问 API :提供接口的形式,将 AI 应用接入到其他的产品中
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。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
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人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。