推荐语
本地部署RAG知识库chatbot的完整指南，从环境配置到应用创建一步到位。
核心内容：
1. 本地部署Dify、Firecrawl和Ollama的详细步骤
2. 配置知识库和模型供应商的具体方法
3. 创建基于RAG的chatbot应用流程
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
本文用于记录和描述如何在本地通过配置dify+firecral+Ollama的方式来实现RAG知识库chatbot。整个配置流程在macos15.5下完成，其他操作系统还请依据实际情况更改对应内容。git clone git@github.com:langgenius/dify.git
cd dify/docker cp .env.example .env
我们可以对dify参数进行调整也可以直接使用默认参数首次登陆后需要配置模型提供商，点击右上角头像图标，设置选择模型供应商，选择你需要使用的模型，我这里配置使用ollama选择添加模型，配置本地地址，确保你的ollama已经运行并且可以被访问。curl http://192.168.31.157:11434/v1/models
使用firecrawl还需要安装nodejs和pnpm为依赖，还请提前安装 git clone git@github.com:mendableai/firecrawl.gi
cd firecrawlcp apps/api/.env.example ./.envvi .env
USE_DB_AUTHENTICATION=falseTEST_API_KEY=xxxxx #记录该key后续配置会用上firecrawl运行成功 打开本地3002/test可以看到hello,world字样选择同步自web站点，我们以https://docs.dify.ai/zh-hans/guides为例子限制数量设置为50，深度为3，代表让firecrawl抓取网页上最先出现的10个内容并且抓取这50个链接下的3层子目录选择混合检索，采用权重设置（本文不涉及RAG精度优化，暂不使用rerank模型）点击保存并处理。我们可以看到知识库已经完成了创建并在embeddingembedding完成后我可以点击前往文档查看结果可以看到利用firecrawl抓取的网页embedding所生成的文档在给出的模板基础上修改，在开始和llm中间增加知识检索节点修改温度（默认0.7）降到较低的值，使其回答更为稳妥。在system prompt中输入 根据下面的检索结果回答用户问题 调用sys.query变量 并调用上下文我们选择预览，输入一个问题
如何配置embedding模型？
点击运行，可以看到单独的chatbot页面，我们再次提问当然我们也可以选择把chatbot嵌入到网站中，可以在发布下获取对应的代码。
粤ICP备14082021号
免费POC，
零成本试错
