dify + ragflow

修改docker-compose.yml中端口如下在网页中访问127.0.0.1:8880/knowledge，即可正常访问RAGFlow在web中访问127.0.0.1/apps，可正常访问dify。

雪可问春风

1860人浏览 · 2025-04-07 10:08:39

雪可问春风 · 2025-04-07 10:08:39 发布

dify和RAGflow端口冲突，解决办法

修改docker-compose.yml中端口如下
在这里插入图片描述

cd ragflow
cd docker
docker compose -f docker-compose.yml up -d

在网页中访问127.0.0.1:8880/knowledge，即可正常访问RAGFlow

在这里插入图片描述
在web中访问127.0.0.1/apps，可正常访问dify

2.RAGFlow添加模型

在模型供应商中添加embedding和chat模型
在这里插入图片描述

3.创建知识库

新建知识库，配置embedding模型
在这里插入图片描述
添加文档后，点击解析

4.测试

打开对话窗口，新建助理，选择知识库
在这里插入图片描述

5.创建ragflow api

在这里插入图片描述

6. dify中连接外部知识库

在这里插入图片描述
name随便写， apikey是ragflow上生成的;
外部知识库id获取，回到RAGflow页面，按F12，鼠标点击知识库按钮，控制台出现知识库对应的id

Dify出现 External Knowledge Base Connected Successfully消息，连接成功

AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

【免费下载】 index-tts-vllm：高性能文本转语音解决方案

`index-tts-vllm` 是一款开源的文本转语音（TTS）项目，基于 `index-tts` 进行了优化，通过引入 `vllm` 库重新实现了 GPT 模型的推理过程，大幅提升了推理速度和并发处理能力。项目旨在为开发者提供一个高效、稳定、易于集成的 TTS 解决方案。## 项目技术分析`index-tts-vllm` 采用了以下核心技术：- **vllm 库**：用于加速 GP

AI Agent技术社区

AgentScope示例应用：多智能体对话

在人工智能快速发展的今天，单一智能体已经难以满足复杂任务的需求。想象一下这样的场景：一个项目团队需要讨论技术方案，不同专业背景的成员各抒己见，最终达成共识。这正是多智能体对话要解决的问题——让多个AI智能体像真实团队成员一样进行有意义的交流。AgentScope作为面向开发者的多智能体编程框架，提供了强大的多智能体对话能力。本文将深入探讨如何使用AgentScope构建高效的多智能体对话系统。..