一、前言总结：

接下来，就为你详细拆解从 0 到 1 使用 Dify 搭建鸿蒙学习助手的全流程，这一套融合Dify平台和DeepSeek-R1大模型的问答系统，在多个领域展现出了强大的应用价值。在企业内部，它可以作为开发人员鸿蒙学习的技术手册，还是IT系统操作说明，都能通过自然语言快速获取答案，极大提升了工作效率。

1.1 使用建议：‌

为了确保问答系统的长期有效运行和持续优化，用户应定期维护和更新知识库内容。随着业务变化或个人学习进展，文档资料应及时补充，以保持知识的新鲜度和时效性。同时，在工作流构建过程中，可以设置关键词排除规则或优先处理机制，以提高模型解析用户意图的精准度，从而提升检索与回答的准确度。

---

‌## 1.2 部署体验分享‌：

华为云Flexus X实例结合Dify官方模板，为用户提供了高度自动化的部署体验。无需繁琐的安装依赖、配置服务器等步骤，所有资源均由平台自动创建并初始化。部署完成后，系统会生成访问链接，用户通过浏览器即可进入Dify平台设置管理员账号并开始使用，整个过程便捷高效。

Dify平台的可视化操作逻辑直观、设计合理，用户可以通过拖拽或点击方式构建问答工作流，无需编写代码。知识库支持多种格式文档导入，上传后系统能快速处理并构建索引。

接入DeepSeek-R1模型后，问答响应智能且准确，能够结合知识库内容做出上下文贴合的回复。平台还支持多用户管理和API调用，便于集成进现有业务系统。总体来看，该系统从部署便捷性、使用易用性到性能稳定性，均具备高度实用价值。

---

二、基于Dify构建知识库问答Chatflow工作流：

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性，该问答系统由以下四个关键节点构成：

• ①. 新建一个Agent或者ChatFlow，插入LLM节点，编写提示词，也可以让ai自动生成。
• ②. 使用知识检索节点。
• ③. 在LLM中引入上下文变量。
• ④. LLM会根据文档作出回答。

---

1.1 Dify 工作流分为两种类型：

• ①. Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
• ②. Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。

为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点。相对于 Workflow 增加了 Chatbot 特性的支持，如：对话历史（Memory）、标注回复、Answer 节点等。

Chatflow支持记忆的复杂多轮对话工作流，Dify提供可视化的工作流编辑器，支持构建自定义的问答系统流程。

---

1.2 工作流配置节点：

选择一个LLM可以进行配置，点击“LLM节点”，即可弹出节点配置的卡片菜单，单击卡片最上面，可以修改节点的名称，这样可以标记节点相关的功能，在LLM节点的SYSTEM属性可以增加一些提示词来帮助AI完成相关指令操作。

第一个节点表示系统首先接收用户提出的自然语言问题，这是整个流程的起点，拿到传入的参数后，才可以将值做为后面模块的依赖对象使用，以确传参能够被准确传入后续模块处理。在这个节点“提取关键词内容”，系统调用DeepSeek-V3大模型，对用户提问进行语义解析，自动提取关键词，为接下来的知识检索做好语义化准备。

提示词类型：

• ①. 系统（System）: 指定世界整体框架和设置，包括AI行为规范和任务指令，系统部分可以设定模型的操作规则或者给出初步的指引，指导用户如何与助手进行交互。
• ②. 用户（User）: 指的是与助手进行互动的个人或实体，用户提出问题、请求或任务，目的是获得信息、解决问题或完成某项工作。
• ③. 助手（Assistant）: 是指大语言模型本身，它根据用户的输入提供响应、信息或服务，助手的任务是理解用户的需求，并尽可能准确、及时地提供相关的帮助。

我们也可以通过提示词生成器使用配置的模型来优化提示，以获得更高、更好的质量和结构，这里可以写出一些相关的指令，如“将问题进行总结，得到搜索的关键词”，这里统一输出是一个文本string返回值，在确认后可以将提示词更新到SYSTEM字段中。

```xml
<instruction>
<instructions>
1. 仔细阅读并理解用户输入的问题或文本内容，确保准确把握其核心意图和关键信息。
2. 从问题或文本中提取出最能代表其主题或需求的词汇或短语，这些词汇或短语应简洁且具有搜索价值。
3. 将提取的关键词进行整理，确保它们能够覆盖问题的核心内容，同时避免冗余或不相关的词汇。
4. 输出时，将关键词以逗号分隔的形式呈现，确保清晰易读，且不包含任何XML标签或其他无关符号。
5. 如果问题涉及多个方面或子问题，可以分层次提取关键词，优先保留最核心的部分。
6. 确保输出的关键词能够直接用于搜索引擎或数据库查询，以提高检索效率。
</instructions>

<examples>
<example>
输入：如何快速学习Python编程语言？
输出：Python, 编程语言, 快速学习
</example>

<example>
输入：2023年全球气候变化的主要影响因素有哪些？
输出：2023年, 全球气候变化, 影响因素
</example>

<example>
输入：推荐几本适合初学者的心理学书籍。
输出：心理学书籍, 初学者, 推荐
</example>
</examples>

<notes>
1. 关键词应尽量简洁，避免使用过长或复杂的短语。
2. 如果问题中包含具体的时间、地点或人物，应优先将其作为关键词。
3. 关键词的顺序可以按照重要性或逻辑关系排列，但无需严格遵循原文顺序。
4. 避免使用停用词（如“的”、“如何”等）或无关词汇。
5. 若问题过于模糊或宽泛，可以适当添加限定词以提高搜索精度。
</notes>
</instruction>

点击之前配置的模型后，会弹出一个弹框，表示定制化大模型的一些相关参数：

• ①. Temperature(温度)：控制输出的词概率分布来控制低概率的词被选中，0-1，越接近0越精确。
• ②. Top P：阈值 P，0-1，越大代表出现的词的累积概率越大，0.9代表低概率的词被丢弃。
• ③. Frequency Penalty(频率惩罚): 对出现的频率增加惩罚，频次越多，惩罚越大，1代表惩罚加大。
• ④. Presence Penalty(存在惩罚): 对出现过的词语进行惩罚，1代表惩罚越大。
• ⑤. Max Tokens：即输出的最大token值，不要太大，不然输入可能不够。

---

1.3 使用知识检索节点：

点击第一个节点右边的“+”号，可以弹出一个“知识检索”的节点，可以在上一个LLM工点将关键词进行提取，知识检索的处理逻辑是：

• ①. 从知识库检索，如果能匹配到就直接返回知识库检索的内容。
• ②. 没有检索到相关内容，则会进行联网查询，最后再网上查询到相关问题的答案。

最后，再通过结果进行总结，给出markdown格式的回答。

这里我们添加了所有知识库的资料，包括2本书籍，当然也可以只匹配一本，系统利用上一个节点提取的关键词或语句，在已构建的知识库中查找相关文档片段或信息段，获取与用户问题语义相关的上下文材料。

---

1.4 回答问题：

回答用户问题，再次调用DeepSeek-R1模型，将用户原始问题与检索到的知识片段作为输入，生成一段逻辑清晰、内容准确、语言自然的回答。

最后，系统将生成的回答内容返回给用户，完成一次完整的知识库问答过程，实现高效的信息获取与智能响应。

---

二、测试运行：

配置完成后，我们可以使用平台提供的“预览”功能，对整个鸿蒙基础助手知识库问答流程进行测试。在预览界面中，找到最下面的“和机器人聊天”的input框，可以提出自己的相关问题，系统将会根据提问的关键词，在知识检索库中搜索当前知识库内容返回回答结果。

测试过程中，可以查看所有工作流的状态，以及入参与出参相关的数值，这个节点的使用了多少tokens值，花费了多少秒的时间，都会显示在上面，可以查看模型响应效果、知识片段命中情况以及工作流运行日志，可以给开发人员有一个调试的环节。

---

三、发布：

知识库创建完成后，用户可以点击“发布”按钮来进行初步发布。Dify平台在知识库问答系统上线前，会自动进行一系列严谨的测试。这包括‌功能测试‌，确保所有功能正常运行；‌性能测试‌，验证系统的响应速度和承载能力；以及‌兼容性测试‌，保证系统在不同设备和浏览器上都能稳定工作。这些测试旨在全面排查潜在问题，提升系统的准确性和可靠性。

---

3.1 直接运行方式：

可以类似AI智能体可以直接进行访问，在测试阶段，用户被鼓励积极提交反馈。Dify平台会根据用户的宝贵意见进行调整和优化，确保系统更加贴合用户的实际需求。这种用户参与的方式，有助于打造一个更加人性化、高效的知识库问答系统。

---

3.2 嵌入网站方式：

这里可以让鸿蒙基础学习助手时，我们可以进行搜索，让AI智能体直接帮我们进行生成“帮我生成一个鸿蒙学习相关的h5静态页面样式，需要美观一点”，这里可以看到可以给我生成一个h5相关的代码，不过是以markdown给我返回过来的。

可以看到如果以聊天应用潜入到网站中的话，这里可以看到是以iframe来嵌套进来的，所以，也不用考虑跨域这种问题。避免了恶意代码通过iframe注入，影响主网站的安全。iframe可能会增加页面加载时间，尤其是在网络较慢的情况下。因此，‌需要对嵌入内容进行性能优化‌，确保用户体验不受影响。

下面就是直接将AI生成好的代码中以iframe嵌套的方式来，我们尝试了一下，也是可以进行搜索的，没有任何的问题。这样的方式，可以把制作好的AI智能体直接嵌套到我们现在有业务系统中，不需要任何多余的开发的成本，非常适合集成到现在ERP、OCM、仓库这些系统，来提高我们的工作效率。

---

3.3 工作流编排对话型应用 API：

对话应用支持会话持久化，可将之前的聊天记录作为上下文进行回答，可适用于聊天/客服 AI 等，这样可以把这个AI智能体当成一个服务的工具，给其它的AI智能体继续提供API服务。

以下是对应请求的API接口，通过使用POST方式的请求，允许传入 App 定义的各变量值。 inputs 参数包含了多组键值对（Key/Value pairs），每组的键对应一个特定变量，每组的值则是该变量的具体值。 如果变量是文件类型，请指定一个包含以下 files 中所述键的对象。

这里有鉴权相关的功能，需要进行申请API密钥进行，Service API 使用 API-Key 进行鉴权。 强烈建议开发者把 API-Key 放在后端存储，而非分享或者放在客户端存储，以免 API-Key 泄露，所有 API 请求都应在 Authorization HTTP Header 中包含您的 API-Key，在“API密钥”管理中，可以进行密钥的申请。

以上，经过测试验证后，用户可以通过Dify平台提供的便捷操作，将知识库问答系统轻松发布上线。无论是开发阶段的调试，还是正式环境的运行，平台都提供了直观易用的界面和工具，大大降低了上线的复杂度和时间成本。

---

3.4 小结：

在知识库问答系统测试圆满通过并确认一切无误后，通过再次点击“发布”中的“运行”选项，需再次点击“发布”按钮下的“运行”选项，这一简单动作即可将系统推向正式上线阶段。系统将自动生成一个公网可访问的应用URL地址，无论是用户还是外部访问者，只需通过这个链接，便能瞬间进入知识库问答界面，与大模型展开即时、高效的互动，开始与大模型进行实时交互，不仅具备良好的可用性，还拥有出色的响应速度，完美适配各种实际应用场景，无论是部署还是运营，都能游刃有余。

---

四、总结：

在人工智能时代，拥有一个专属的 AI 问答助手能大幅提升工作和生活效率。Dify 作为强大的开源 AI 应用开发框架，能帮助我们轻松搭建个性化 AI 问答助手，借助Dify与华为云Flexus的云服务支持，整个上线流程无需额外配置服务器与网络，使得知识库问答系统真正实现快速部署与高效上线。

正式发布后，知识库将持续提供服务，用户还可定期更新内容或调整工作流逻辑，确保系统运行的持续性与智能性, 在成功部署高可用版 Dify 平台之后，我们可以开始实际构建一个基于 DeepSeek 模型的智能问答应用。整个过程涵盖平台登录、模型接入、知识库构建以及聊天应用的创建，能够完整演示如何快速搭建一个可用的生成式 AI 聊天机器人。

828 B2B企业节已经开幕，汇聚千余款华为云旗下热门数智产品，更带来满额赠、专属礼包、储值返券等重磅权益玩法，是中小企业和开发者上云的好时机，建议密切关注官方渠道，及时获取最新活动信息，采购最实惠的云产品和最新的大模型服务！