Dify.AI企业级RAG知识库智能问答系统完整前后端集成开发代码案例

风骏时光少年

发布于 2026-07-06 13:07:16

170

Dify.AI企业级RAG知识库智能问答系统完整前后端集成开发代码案例

一、项目概述

本案例基于Dify.AI开源低代码大模型平台搭建企业私有RAG智能问答系统，实现文档上传、文本切片、向量入库、检索增强问答、前端交互全流程打通。无需从零开发大模型推理服务，依托Dify封装的API快速完成业务集成，适配企业内部规章、产品手册、技术文档等私有知识库场景，支持私有化部署，数据不出内网。

技术栈说明

1. 后端：Python3.10 + FastAPI
2. 向量库：Dify内置Chroma向量数据库
3. 大模型对接：Dify API（兼容通义千问、Llama、GPT系列）
4. 前端：原生JavaScript + HTML5
5. 核心能力：文档解析、分段向量化、相似度检索、上下文问答、会话记忆

二、环境前置准备

1. 本地部署Dify服务，完成模型接入，创建知识库与应用，获取API Key、应用ID、知识库ID；
2. 安装依赖包

pip install fastapi uvicorn requests python-multipart

3. 配置Dify基础连接参数，保存环境变量避免硬编码密钥。

三、后端核心接口代码实现

3.1 配置文件 config.py

# Dify服务基础配置
DIFY_BASE_URL = "http://127.0.0.1:8000/v1"
DIFY_API_KEY = "sk-xxxxxxxxxxxxxxxxxxxx"
KNOWLEDGE_ID = "kb-xxxxxx"
APP_ID = "app-xxxxxx"

3.2 主服务 main.py

import requests
from fastapi import FastAPI, UploadFile, Form
from fastapi.middleware.cors import CORSMiddleware
from config import DIFY_BASE_URL, DIFY_API_KEY, KNOWLEDGE_ID

app = FastAPI(title="Dify RAG问答对接服务")
# 跨域配置
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

# 1. 上传文档至Dify知识库
@app.post("/upload_doc")
async def upload_doc(file: UploadFile):
    headers = {"Authorization": f"Bearer {DIFY_API_KEY}"}
    file_data = {"file": (file.filename, await file.read())}
    params = {"knowledge_id": KNOWLEDGE_ID, "indexing_technique": "high_quality"}
    res = requests.post(f"{DIFY_BASE_URL}/datasets/documents", headers=headers, files=file_data, params=params)
    return res.json()

# 2. RAG智能问答接口
@app.post("/chat")
async def chat(query: str = Form(...)):
    headers = {"Authorization": f"Bearer {DIFY_API_KEY}", "Content-Type": "application/json"}
    payload = {
        "inputs": {},
        "query": query,
        "response_mode": "blocking",
        "user": "enterprise_user_001"
    }
    res = requests.post(f"{DIFY_BASE_URL}/chat-messages", headers=headers, json=payload)
    return {"answer": res.json().get("answer"), "reference": res.json().get("retriever_resources")}

if __name__ == "__main__":
    import uvicorn
    uvicorn.run("main:app", host="0.0.0.0", port=8080)

四、前端交互演示代码

<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <title>企业知识库问答</title>
</head>
<body>
    <h3>私有知识库问答</h3>
    <textarea id="question" placeholder="输入你的问题"></textarea>
    <button onclick="sendChat()">提问</button>
    <div id="result"></div>

    <script>
        async function sendChat() {
            const q = document.getElementById("question").value;
            const res = await fetch("http://127.0.0.1:8080/chat", {
                method: "POST",
                body: new URLSearchParams({query: q})
            });
            const data = await res.json();
            document.getElementById("result").innerText = "回答：" + data.answer + "\n参考文档片段：" + JSON.stringify(data.reference);
        }
    </script>
</body>
</html>