RAG、Agent、Workflow全都有！手把手教你打造NAS最强AI工作站

哈喽小伙伴们好，我是Stark-C~

咱们花了好几千买来的NAS如果只是用来备份存储、存点电影照片什么的说实话确实有点亏了！毕竟现在的 NAS 性能基本上都不错，基本上相当于一个全天候在线的小型服务器了。

今天就教大家真正把NAS的价值完全释放出来的，在NAS上打造一个S最强个人AI工作站--Dify！

关于Dify

🔺Dify是一个在G站高达146k Star的开源 LLM 应用开发平台，它的目标是让任何人都能像搭积木一样构建自己的 AI 应用。它内置了 RAG 检索、Agent 智能体、Workflow 工作流、模型管理、知识库系统等能力，把原本复杂的 AI 技术全部做成了可视化、可拖拽、零代码的形式。

这听起来很专业，但是对于咱们普通用户来说，它上手并不难，并且还还有很多实用场景。比如说私有知识库问答，作为“家庭中控 AI”帮我们写文案，甚至还能搭建自动化工作流抓取新闻 ，整理文件什么的。

项目Github地址：https://github.com/langgenius/dify

项目亮点特色（引自官网）：

1. 工作流: 在画布上构建和测试功能强大的 AI 工作流程，利用以下所有功能以及更多功能。

2. 全面的模型支持: 与数百种专有/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。

3. Prompt IDE: 用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能（如文本转语音）的直观界面。

4. RAG Pipeline: 广泛的 RAG 功能，涵盖从文档摄入到检索的所有内容，支持从 PDF、PPT 和其他常见文档格式中提取文本的开箱即用的支持。

5. Agent 智能体: 您可以基于 LLM 函数调用或 ReAct 定义 Agent，并为 Agent 添加预构建或自定义工具。Dify 为 AI Agent 提供了 50 多种内置工具，如谷歌搜索、DALL·E、Stable Diffusion 和 WolframAlpha 等。

6. LLMOps: 随时间监视和分析应用程序日志和性能。您可以根据生产数据和标注持续改进提示、数据集和模型。

7. 后端即服务: 所有 Dify 的功能都带有相应的 API，因此您可以轻松地将 Dify 集成到自己的业务逻辑中。

Dify部署

提前说明：部署之前需要搞定网络，全程都需要有【互联网】的支持！！！

🔺此次部署我还是在威联通NAS上进行。先在Docker目录中（威联通默认的Docker目录为“Container")新建一个“Dify”的文件夹。

🔺然后开启威联通NAS的SSH连接（位置在“控制台--网络和文件服务--Telnet/SSH”）。

🔺然后随意使用一个终端工具连接到威联通NAS（本文演示的工具为“FinalShell”）。连上之后先通过“sudo -i”命令提权，接着输入密码，这里的密码就是NAS的登录密码，输入密码没有显示，输完之后直接回车即可。

🔺此界面直接输入“Q”回车。

🔺此界面输入“Y”回车。

🔺然后依次执行以下命令：

• cd /share/Container/Dify # 进入NAS 的Dify目录（具体以你自己的实际文件夹而定）

• git clone https://github.com/langgenius/dify.git #从 GitHub 把 Dify 项目下载到当前目录

🔺然后回到威联通的文件管理器，打开设置，将“显示NAS的隐藏文件”开启。（终端工具不要关了）

🔺接着打开“Dify--dify--docker”目录，选中“.env.example”文件右键，选择“重命名”。

🔺将它重命名为“.txt”。

🔺然后直接点开重命名后的“.txt”文件。威联通默认会通过Text Editor文本管理器打开（如果没有就直接去应用商店安装），我们需要做的就是将图中红色方框所示的端口全部改成本体不冲突的端口号即可。需要记住的是“NGINX_PORT”后面的端口就是Dify的Web页面打开端口。

🔺完成之后点击右上角的“文件--保存”即可。

🔺然后回到文件管理器，将“.txt”文件重新重命名为“.env”。

🔺接着再回到终端工具这边，依次执行以下命令：

• cd dify/docker # 进入 dify/docker 文件夹

• docker compose up -d # 用 docker compose 启动 dify

然后系统就会自动拉取 dify 所需的Docker镜像，再次提醒这个时候请务必保持畅通的【互联网】，否则会构建失败。

🔺构建的时间还是需要很久的，可以看到Dify所需要的Docker容器多达十几个，我们需要保证每个容器都要正常启动。（如果失败就把日志复制给AI，看看是哪里的问题）

🔺完成之后回到威联通的Container Station中，也能看到Dify运行的相关容器。（上面显示有一个容器“已停止”，貌似没啥影响~）。

Dify体验

初始化：

🔺Dify的Web页面打开方式依然是【IP:端口号】的方式，至于端口号就是我们前面更改的“.env”里面的“NGINX_PORT”后面的端口号。Dify是原生支持中文的，刚进来的时候需要自己的注册一个管理员账号，建议使用真实的邮箱，后面找回密码还是很方便的。

配置大模型：

🔺进来之后先配置AI大模型，点击右上角的用户图像，选择“设置”。

🔺然后选择“模型提供商”，Dify支持的AI模型提供商非常多，目前应该是我目前分享的所有AI项目中最多的一个，只不过它并不是直接集成在项目中，而是需要什么自己直接安装即可。我目前就安装了OpenAI、硅基流动，以及本地大模型Ollama。

🔺我这里以硅基流动为例，只需要填入自己的API Key就可以了。

🔺之后还要选择“默认模型设置”。

🔺因为我使用的硅基流动属于多模态模型，所以它最大的好处就是一个 API Key可以使用多种不同类型的大模型，从对话、嵌入，到图像理解、视频分析、语音识别等全链路能力都能统一调用，大幅降低了接入成本。

创建知识库：

🔺完成大模型的配置之后再来演示下配置知识库。直接选择“知识库--创建知识库”。

🔺数据库的数据源支持多种方式，有直接导入已有文本，同步Notion内容，或者同步Web站点。我这里是直接导入已有文本，支持多种格式，其中就包括我个人创作使用的Markdown。可以批量导入，不过一次最多只能导入5个文件，这个限制有些不太方便。

🔺导入进来的知识库文件可以进一步选择索引方式，检索设置这些，并选择对应的模型。因为我前面模型都给配齐了，这里就全部默认了，直接点下面的“保存并处理”即可。

🔺然后知识库就创建好了，有需要的可以在这里给知识库重命名。

🔺可以点进我们建立的这个知识库查看详情，刚开始AI还在自动给这些文件建议索引。

对话：

🔺想要实现对话也是需要自己创建，直接通过“聊天助手”这里创建即可。

🔺我这里没啥更多需求，所以直接给应用命个名就“创建”好了。

🔺需要说明的是，想要优先使用知识库的内容需要将我们提前创建好的知识库添加进来。

🔺这个时候在对话框提问的时候，它就会自动关联知识库中的内容，给出最合理的解答。

其它：

🔺Dify 还有很多其它开箱即用的 AI 应用和工具，都是以插件的形式进行能力扩展，我们需要什么直接安装即可，就像在手机应用商店里安装APP一样简单！有需要的小伙伴请自行探索吧~

最后

文中为大家演示的不多，但Dify这个项目的能力远不止于此。总之，它不仅能让普通用户在 NAS 上轻松拥有自己的 AI 平台，更能让开发者以极低成本构建 RAG、Agent、Workflow 等完整的智能应用。

好了，以上就是今天给大家分享的内容，我是爱分享的Stark-C，如果今天的内容对你有帮助请记得收藏，顺便点点关注，咱们下期再见！谢谢大家~