用Dify拖拽搭建AI客服机器人全流程：部署、接模型、建知识库、搭工作流、发布调试，不写一行代码。

💡 你将学到

用Dify拖拽搭建AI客服机器人全流程：部署、接模型、建知识库、搭工作流、发布调试，不写一行代码。

📜 目录

• 第一步：部署 Dify（约 5 分钟）
• 第二步：接入模型（约 5 分钟）
• 第三步：创建知识库（约 10 分钟）
• 第四步：搭建客服工作流（约 10 分钟）
• 核心组件速查
• 第五步：发布与接入渠道
• 调试技巧
• 常见问题
• 相关文章

Dify低代码教程：30分钟搭一个AI客服机器人，不需写一行代码

Dify 是目前最流行的开源低代码 AI 应用平台（GitHub 高星项目）：不用写代码，拖拖拽拽就能把大模型、知识库、工具链拼成能上线的 AI 应用。本文用 30 分钟搭一个"产品知识库客服机器人"，全程不写一行代码。

第一步：部署 Dify（约 5 分钟）

要求：装了 Docker 和 Docker Compose 的机器（本机或服务器都行）。

git clone https://github.com/langgenius/dify.git
cd dify/docker
docker compose up -d

等镜像拉完，浏览器打开 http://localhost:3000 或 http://服务器IP:3000，注册管理员账号，完成。

注：新版 Dify 也提供 Docker Compose 一键部署脚本，具体以官方 README 为准。

第二步：接入模型（约 5 分钟）

1. 进入"设置 → 模型供应商"
2. 选一家模型供应商（OpenAI、DeepSeek、Ollama 本地模型等都支持）
3. 填 API Key（或本地模型地址）
4. 设置默认模型——聊天用大模型，Embedding 用嵌入模型（RAG 必需）

没有 API Key 的同学可以直接接 Ollama 本地模型，零成本跑通全流程。

第三步：创建知识库（约 10 分钟）

客服机器人要回答产品问题，先把资料喂进去：

1. 左侧"知识库"→ 创建知识库
2. 上传产品文档（PDF/Word/Markdown 都行）
3. Dify 自动分段 → 自动 Embedding → 入库
4. 可在"分段设置"里调分段大小，一般 200-500 字一段效果较好

知识库是 RAG 的基础：之后机器人回答会先检索这里的内容再作答，还能标注来源。

第四步：搭建客服工作流（约 10 分钟）

1. 左侧"工作室"→ 创建空白应用 → 选"Chatflow"（聊天流）
2. 画布上搭出主流程：

开始 → 知识库检索（连上你的知识库）→ LLM节点（写提示词）→ 回答

1. LLM 节点的提示词模板示例：

你是一个产品客服助手。请根据检索到的资料回答用户问题；
资料中没有的，如实说不知道，并引导用户联系人工客服。
只使用资料内容，不要编造。

1. 右上角"预览"测试：问几个产品相关问题，看回答是否准确、有没有引用来源

核心组件速查

第五步：发布与接入渠道

• 发布后得到 Web 应用链接，直接分享给用户
• 可嵌入网页（iframe/JS 代码）
• 支持接入微信公众号、企业微信、飞书、Slack 等渠道（各渠道按官方说明配置）
• 应用有 API 接口，可以集成进你自己的系统

调试技巧

• 每个节点都能单独看输入输出：哪一步不对，点节点看日志
• 回答不准先看"知识库检索"命中了什么：命中错 → 改分段/换 Embedding；命中对 → 改提示词
• 上线后可在"日志"里看真实用户对话，持续优化

常见问题

Q：免费能用吗？ A：Dify 本身开源免费（自部署无限制）；成本主要是模型 API 费用。接 Ollama 本地模型则几乎零成本。

Q：一定要 Docker 吗？ A：官方推荐 Docker Compose 部署；也有源码部署方式，但 Docker 最省事、升级最方便。

Q：知识库更新了，机器人会跟着更新吗？ A：会。在知识库里重新上传/更新文档并触发重新索引即可，无需改应用。

Q：回答经常说"不知道"？ A：先查知识库里有没有对应内容、分段是否合理；再调检索结果数量（top-k）和提示词，让模型"优先使用资料"。

注：Dify 界面与功能迭代较快，菜单名称以当前版本实际界面为准。

相关文章

• AI Agent Docker Compose部署：单机多服务编排
• 统一 LLM API 网关 2026：LiteLLM、one-api、new-api 对比
• OpenRouter教程：一个API Key用所有LLM