大家好，上一期我们了解了 Dify 平台的技术架构与核心优势。今天，我们就来使用Dify平台来构建一个简单的智能问答应用。

使用dify的三种方式

我们使用云服务版本来演示，注册账号就能用，方便又快捷。

模型的选择与配置

要用到哪些模型？
在智能问答应用中，至少需要用到两种模型：

• 向量化模型–负责构建知识库，问题的语义理解和检索；
• 大语言模型–负责最终答案的生成。

模型哪里来？
必须白嫖！！！

火山引擎的多款大模型，包括字节的豆包大模型，deepseek等都是免费使用。

百度搜索“火山引擎”–>注册账号–>火山方舟–>进入控制台，然后按下面操作：

• 开通模型
  向量化模型选 Doubao-embedding text-240715
  大语言模型选 deepseek-V3

• 创建api key

• 创建接入点

dify 模型配置

• 注册登陆dify，官方云服务网站：https://cloud.dify.ai
• 在插件市场中安装火山引擎大模型插件
• 配置模型的参数，将火山引擎的模型、API Key、接入点等信息复制过来

搭建智能问答应用

在 Dify 中创建知识库

• 准备数据，我们选取公司的考勤制度文件
• 创建知识库，并上传文件

• 保存知识库

在 Dify 中创建智能应用

• 创建一个聊天应用

• 配置应用：设置提示词，选择创建好的知识库，设置大模型。

到这，我们就完成了一个关于公司考勤制度的智能问答助手的应用创建。

关于提示词（prompt）工程

Prompt 工程是引导模型生成高质量输出的关键，Dify 平台提供了可视化界面来协助我们设计高效的指令逻辑。

Prompt 的重大性
一个好的 Prompt 能够让模型更准确地理解我们的需求，生成符合预期的结果。例如，在一个文本生成任务中，不同的 Prompt 可能会导致模型生成截然不同的内容。

通过可视化界面设计 Prompt

• 在 Dify 的可视化界面中，我们可以直观地构建 Prompt。
• 可以利用 Dify 提供的模板和示例来快速创建 Prompt。我们可以在这个基础上再进行修改和定制，添加自己的具体要求。
• 进行 Prompt 调试和优化。我们可以多次测试不同的 Prompt，观察模型的输出结果，根据结果调整 Prompt 的内容和逻辑，直到得到满意的输出。

总结

本期课程我们完成了一个简单的智能问答应用开发。通过这个例子，我们完成了模型的配置，知识库的搭建，应用的Prompt设计。下一期，我们继续深入，看看智能问答应用存在的问题，该怎么解决。
有兴趣的同学可以先去博主个人主页看一下《RAG如何让大模型更靠谱…》这篇文章。