在当今快节奏的 AI 时代，各种规模的企业都在积极探索将大型语言模型 (LLM) 融入日常运营。LLM 无论是在提升客户服务、自动化例行任务，还是打造个性化体验方面，都潜力巨大，带来显著效益。

然而，LLM 应用从概念到落地的过程往往困难重重，尤其是对缺乏深厚技术背景的用户而言，传统方法需要大量的编程知识，这成了许多人难以逾越的障碍。

Dify 应运而生，它是一个开发者友好的平台，致力于简化 LLM 与企业运营的集成，让非技术用户也能轻松驾驭 AI 的力量。本文将手把手地带大家使用 Dify 和 MyScale 开发一个检索增强生成 (RAG) 应用程序，体验其便捷性。

Dify 是一个开源平台，开源的 LLM 应用开发平台。它的一大亮点是支持多种 LLM，用户可以根据自身需求选择最合适的模型。此外，Dify 提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，极大助力轻松构建和运营生成式 AI 原生应用。

下图对 Dify 与其他流行平台（如 LangChain、Flowise 和 OpenAI Assistants API）进行了比较：

Dify 提供两种版本：基于 Web 的云平台版本（无需设置，任何人都可访问）和本地部署版本（适用于偏好于在自己的环境中进行自托管的用户）。

Dify 的本地部署版本允许用户在其自己的环境中部署平台，从而完全掌控数据和安全性。此版本非常适合希望在自己的基础架构上管理 AI 应用程序的企业或开发者。

本文将使用 Dify 的本地部署版本构建 RAG 应用程序。

Dify 同时支持开源版 MyScaleDB 和企业版 MyScale Cloud。如果你更喜欢使用开源版 MyScaleDB，则可以跳过此部分。

要开始使用 MyScale Cloud，请访问 MyScale 注册页面并创建一个新账户。设置好账户后，转到“集群”页面，点击右上角的“+ 新建集群”按钮创建一个新集群。

点击集群右侧的“操作”按钮，从弹出列表中选择“连接详情”。

记录“Python”选项卡中的 host/port/username/password 信息。这些信息将用于配置 Dify 对 MyScale 集群的访问。

点击“创建”按钮后，你将进入一个新窗口，你可以在其中编写提示并添加你创建的知识库作为上下文。

步骤 4：将知识库添加到聊天机器人

在“Context”窗口中，点击“+添加”按钮，你将看到已添加到知识库中的所有文件的列表。选择你希望聊天机器人使用的文件，然后点击“添加”按钮。这样一来，你的聊天机器人就有了正确的上下文，可以提供准确的响应。

步骤 5：发布和部署你的聊天机器人

到此，我们的聊天机器人已准备就绪，最后就是发布这个聊天机器人。点击右上角的“Publish”按钮，你将看到如下菜单：

点击“更新”按钮保存你对聊天机器人所做的所有更改。然后，点击“运行应用”按钮，一个新的聊天窗口就会打开。

注意： 聊天机器人准备就绪后，Dify 允许用户使用 iframe 将其轻松嵌入到任何地方。只需选择“Embed into website”选项并复制 iframe 代码即可。这使你可以将聊天机器人无缝集成到你的网站或应用程序中。点击“开始聊天”，你就可以开始使用你的聊天机器人了。

Dify 是一个创新的开源平台，旨在让每个人都能轻松使用 AI 开发。它提供了一套全面的工具集，包括可视化提示编排和简单的集成选项，让用户无需深入掌握技术就能创建强大的 AI 应用程序。Dify 的重点是消除传统的 AI 开发障碍，从而快速高效地部署复杂的 AI 解决方案。

MyScale 作为一款可靠的 SQL 向量数据库，可以与 Dify 互作完美辅助，高效地处理大规模数据。MyScale 对 SQL 的完全兼容和强大的搜索功能使其成为需要有效管理海量向量及结构化数据的 AI 应用程序的理想选择。MyScale 的 AI 解决方案既具备可扩展性又提供了高性能，与 Dify 这样用户友好的工具相辅相成。