《向量数据库指南》——向量数据库Milvus Cloud快速打造知识库 AI 应用
快速打造知识库 AI 应用
当前基于大模型技术实现和应用最多的场景是拥有知识库功能的AI聊天机器人。接下来我们将利用Dify产品结合团队的知识背景来开发一个AI应用向大家展示如何从零开始构建一个企业级的知识库型AI应用并详细说明这三步的关键点
平台注册
在本次实操演示期间，我们采用了Dify.AI社区版平台来进行部署，并以接入ZillizCloud平台为例进行了操作指导。具体步骤如下：首先需要访问Zillis（云地址），完成注册流程后即可建立ZillizCloud集群。
修改 Dify 的环境配置
从 GitHub 获取 Dplyr 镜像文件。随后，请修改 docker-compose.yaml 文件中与 API 和 Worker 服务相关的Environment部分的Zilliz云配置为正确的设置，并完成保存。
VECTOR_STORE: milvus
MILVUS_HOST: https://in01-dd41b30632904e4.ali-cn-hangzhou.vectordb.zilliz.com.cn
MILVUS_PORT: 19539
MILVUS_USER: db_admin
MILVUS_PASSWORD: (注册时的密码)
MILVUS_SECURE: True
AI助手注释表明ZillizCloud与Milvus接口兼容。其中,MILVUS_HOST和MILVUS_PORT字段既可输入Milvus自身的host与port参数,也可直接配置ZillizCloud对应的host与port参数。
建议您参考官方文档详细了解如何在本地部署 Dify：https://docs.dify.ai/v/zh-hans/getting-started/install-self-hosted/docker-compose
运行以下命令：$ docker-compose -f docker-compose.yaml up -d 旨在启动 Dify 的基础服务组件集合。
创建带有知识库的 AI 应用
浏览器输入 http://127.0.0.1/:80 ，注册登录。
创建数据集，这里示例上传了【Dify 团队介绍】作为知识库数据。
对应用进行配置，并编写相应的提示语句。从指定的背景资料中选择并上传所需的数据集。然后，在智谱系列中选择ChatGLM模型，并将其部署到服务端上。
至此，一个具备 Dify 产品和团队知识的 AI 应用就已经创建完成。
