Dify作为一个低代码平台，将AI的强大能力整合到日常的数据流和工作流中，旨在帮助用户简化和自动化各种业务和数据处理任务。开源Dify可以将天翼云云搜索服务的OpenSearch作为向量数据库和全文检索库，通过接入外部模型的方式低代码、低成本、快速地的完成知识库问答的RAG应用。

RAG（Retriever-augmented Generation）是一种结合了信息检索和生成的自然语言处理（NLP）技术，特别适用于需要从大量数据中检索信息并生成自然语言文本的场景。它在处理复杂任务时能够提升生成模型的性能，尤其是在模型缺乏足够上下文或知识的情况下。

RAG的优势

RAG通过检索外部知识库或数据库中的相关信息，能够在生成过程中动态地补充实时或特定领域的知识，弥补了生成模型的“知识盲区”。这使得模型能够在没有训练时直接获得的信息基础上进行更加准确的回答或内容生成。针对企业内部包含的敏感数据（如薪资标准、客户资料等）以及大量专有信息（包括产品文档、客户案例、流程手册等），RAG提供了安全的解决方案。由于这些非公开信息无法直接预置到大模型中，RAG通过外部知识调用的方式，既满足了信息需求，又确保了数据安全性。

前置需求

开通天翼云云搜索服务OpenSearch实例，获取内网地址和实例密码。
准备好云主机环境用来部署Dify，需要和OpenSearch实例网络互通。
准备好Deepseek模型、Embedding向量模型、Rerank重排序模型。
安装好Docker环境。

RAG流程

用户通过Dify对话。
调用Embedding模型将查询向量化。
使用OpenSearch分别对字段和向量进行全文检索和向量检索，通过Rerank模型来重排序，返回最终召回的文档。
检索到的文档以及对话的上下文通过Deepseek大模型总结归纳生成详细准确的回复。

步骤一：部署Dify

本文以云主机自建Dify为例，讲述搭建应用的操作步骤：

克隆Dify的源码到云主机上

git clone https://github.com/langgenius/dify.git --branch 1.3.0

或

git clone https://gitee.com/dify_ai/dify.git --branch 1.3.0

cd dify/docker

拷贝文件

cp docker-compose.yaml docker-compose.yaml.bak
cp .env.example .env

修改.env文件

vim .env

使用opensearch作为全文检索库和向量检索库，将VECTOR_STORE的值修改为opensearch

VECTOR_STORE=opensearch

根据以下表格配置OpenSearch实例的相关信息

参数	含义
OPENSEARCH_HOST	OpenSearch的内网地址
OPENSEARCH_PORT	端口号，云搜索服务默认9200
OPENSEARCH_USER	用户默认admin
OPENSEARCH_PASSWORD	OpenSearch实例的密码
OPENSEARCH_SECURE	OpenSearch实例为https模型则设置为true，http则设置为false

OPENSEARCH_HOST=ip
OPENSEARCH_PORT=9200
OPENSEARCH_USER=admin
OPENSEARCH_PASSWORD=*******
OPENSEARCH_SECURE=true

修改docker-compose文件。

vim docker-compose.yaml

为防止拉取公网镜像，将镜像名为opensearch和opensearch-dashboards部分的配置注释掉。

# # Opensearch vector database
# opensearch:
# container_name: opensearch
# image: opensearchproject/opensearch:latest
# profiles:
# - opensearch
# environment:
#     discovery.type: ${OPENSEARCH_DISCOVERY_TYPE:-single-node}
#     bootstrap.memory_lock: ${OPENSEARCH_BOOTSTRAP_MEMORY_LOCK:-true}
#     OPENSEARCH_JAVA_OPTS: -Xms${OPENSEARCH_JAVA_OPTS_MIN:-512m} -Xmx${OPENSEARCH_JAVA_OPTS_MAX:-1024m}
#     OPENSEARCH_INITIAL_ADMIN_PASSWORD: ${OPENSEARCH_INITIAL_ADMIN_PASSWORD:-Qazwsxedc!@#123}
# ulimits:
#   memlock:
#       soft: ${OPENSEARCH_MEMLOCK_SOFT:--1}
#       hard: ${OPENSEARCH_MEMLOCK_HARD:--1}
#   nofile:
#       soft: ${OPENSEARCH_NOFILE_SOFT:-65536}
#       hard: ${OPENSEARCH_NOFILE_HARD:-65536}
#   volumes:
#     - ./volumes/opensearch/data:/usr/share/opensearch/data
#   networks:
#     - opensearch-net
# opensearch-dashboards:
#   container_name: opensearch-dashboards
#   image: opensearchproject/opensearch-dashboards:latest
#   profiles:
#     - opensearch
#   environment:
#     OPENSEARCH_HOSTS: '["https://opensearch:9200"]'
#   volumes:
#     - ./volumes/opensearch/opensearch_dashboards.yml:/usr/share/opensearch-dashboards/config/opensearch_dashboards.yml
#   networks:
#     - opensearch-net
#   depends_on:
#     - opensearch