构建本地知识库的新选择，DeepSeek+Dify组合，性能与隐私兼顾！
之前聊过用 DeepSeek + Cherry 搭建本地知识库，基础功能够用，但文件上传限制不少，个性化定制空间也有限。今天换个思路，看看 DeepSeek + Dify 这个组合怎么玩。
Dify 本身也是一个开源的 AI 应用开发平台，支持完整的私有化部署方案。把本地部署的 DeepSeek 服务无缝集成到 Dify 平台上，企业可以在确保数据隐私的前提下，在本地服务器里构建能力更强的 AI 应用。
那么，私有化部署方案到底好在哪儿？
- 性能卓越：对话交互体验可以媲美商业模型，流畅度有保障。
- 环境隔离：完全离线运行，数据外泄的风险可以降到最低。
- 数据可控：所有数据资产都在自己手里，合规要求也能满足。
前置准备
动手之前，先确认硬件和软件环境是否到位。
硬件环境：
- CPU >= 2 Core
- 显存/RAM ≥ 16 GiB（推荐）
软件环境：
- Docker
- Docker Compose
- Dify 社区版
开始部署
1. 安装 Dify
先从仓库拉取 Dify 代码：
git clone https://github.com/langgenius/dify.git # 如果速度太慢，可以用这个 gitee 镜像 git clone https://gitee.com/dify_ai/dify cd dify/docker cp .env.example .env # 创建配置文件
更新上传文件大小配置（非必须）
默认情况下，上传图片上限 10MB，视频 100MB，文件 50MB。如果需要调整，打开刚才复制出来的 .env 文件，找到下面这些参数修改即可：
# Upload image file size limit, default 10M. UPLOAD_IMAGE_FILE_SIZE_LIMIT=10 # Upload video file size limit, default 100M. UPLOAD_VIDEO_FILE_SIZE_LIMIT=100 # Upload audio file size limit, default 50M. UPLOAD_AUDIO_FILE_SIZE_LIMIT=50
启动 Dify
docker compose up -d # 如果版本是 Docker Compose V1，使用以下命令： docker-compose up -d
如果 Docker 拉取镜像太慢，可以配置镜像加速地址，加到 Docker 配置文件的 registry-mirrors 里：
"registry-mirrors": [ "https://hub.rat.dev", "https://dockerhub.icu", "https://docker.wanpeng.top", "https://register.librax.org" ]
访问 Dify
设置管理员并登录。Dify 社区版默认使用 80 端口，本地访问：
http://localhost/install
登录后就能看到 Dify 的控制界面了。
2. 将 DeepSeek 接入至 Dify
接入在线 API 模型配置
如果本地没有部署 DeepSeek，可以先通过在线 API 接入。设置好 API Key 后，可以看到模型列表里有很多选择。
接入本地部署的 DeepSeek
如果本地已经部署了 DeepSeek，直接接入本地的模型即可。点击 Dify 平台右上角头像 → 设置 → 模型供应商，选择 Ollama，点击安装。这里用 Ollama 客户端，前提是本地已经部署了 DeepSeek，Base URL 填写 http://本机IP:11434 即可。
添加向量模型
点击保存，模型就配置好了。
最终系统模型设置
配置完成后，在系统模型设置里选择即可。
到这里，DeepSeek 就成功接入到 Dify 了。
知识库
创建知识库
来到知识库页面，开始创建。
分段选择
Dify 的分段功能有个很实用的地方：设置分段后可以实时预览，根据预览效果随时调整分段策略。对于首次创建知识库，建议使用父子分段模式。
通用模式
系统按照用户自定义的规则将内容拆分为独立的分段。当用户输入问题后，系统自动分析问题中的关键词，并计算关键词与知识库中各内容分段的相关度。根据相关度排序，选取最相关的内容分段并发送给 LLM，辅助其处理与更有效地回答。
在该模式下，需要根据不同的文档格式或场景要求，手动设置文本的分段规则：
- 分段标识符，默认值为
\n，即按照文章段落进行分块。 - 分段最大长度，指定分段内的文本字符数最大上限，超出该长度时将强制分段。默认值为 500 Tokens，上限 4000 Tokens。
- 分段重叠长度，指的是在对数据进行分段时，段与段之间存在一定的重叠部分。这种重叠可以帮助提高信息的保留和分析的准确性，提升召回效果。建议设置为分段长度 Tokens 数的 10-25%。
- 文本预处理规则，过滤知识库内部分无意义的内容。提供以下选项：
- 替换连续的空格、换行符和制表符
- 删除所有 URL 和电子邮件地址
父子模式
与通用模式相比，父子模式采用双层分段结构来平衡检索的精确度和上下文信息，让精准匹配与全面的上下文信息二者兼得。
其中，父区块（Parent-chunk）保持较大的文本单位（如段落），提供丰富的上下文信息；子区块（Child-chunk）则是较小的文本单位（如句子），用于精确检索。系统首先通过子区块进行精确检索以确保相关性，然后获取对应的父区块来补充上下文信息，从而在生成响应时既保证准确性又能提供完整的背景信息。你可以通过设置分隔符和最大长度来自定义父子区块的分段方式。
其基本机制包括：
- 子分段匹配查询：
- 将文档拆分为较小、集中的信息单元（例如一句话），更加精准地匹配用户所输入的问题。
- 子分段能快速提供与用户需求最相关的初步结果。
- 父分段提供上下文：
- 将包含匹配子分段的更大部分（如段落、章节甚至整个文档）视作父分段并提供给 LLM。
- 父分段能为 LLM 提供完整的背景信息，避免遗漏重要细节，帮助 LLM 输出更贴合知识库内容的回答。
选择父子模式后，可以看一下预览效果——与通用模式相比，区别不算特别明显，但底层逻辑差异不小。
继续选择索引方式和检索设置，这里都采用推荐设置。这样知识库就创建成功了，等待嵌入处理完成即可。
使用
创建应用
点击工作室，可以看到 Dify 提供了很多应用类型：聊天助手、Agent、工作流等。先选最简单的——聊天助手，点击进入。
添加知识库
创建好应用后，在应用设置里添加知识库。点击召回设置，将 Score 阈值设为 0.7，这是文本片段的相似度门槛，低于这个分数就不会被召回。
调试与预览
配置完成后，可以在调试界面测试效果。满意后直接发布，返回工作室就能看到刚刚创建的应用了。
总结
DeepSeek + Dify 的知识库构建能力确实很强，多种分段索引模式可选，里面还有不少值得深挖的东西。后续会慢慢整合更新，持续优化这个组合的使用体验。