基于Dify集成CSS与DeepSeek构建智能问答助手
通过开源Dify平台集成CSS服务的OpenSearch向量数据库与搜索大模型（支持Embedding向量化与Rerank重排序技术）、以及MaaS服务的DeepSeek模型，可构建具备以下能力的智能问答助手：
- 直接问答：调用DeepSeek模型生成回答。
- 知识增强问答：结合知识库内容与DeepSeek模型输出精准答案。
应用场景
基于开源框架Dify构建，打造具备双重能力的智能对话助手。系统支持用户自由选择直接调用DeepSeek大模型进行开放式问答，或结合企业私有知识库实现精准信息检索与推理应答，适用于智能客服、知识库问答、个性化推荐等多种业务场景。通过OpenSearch向量数据库实现毫秒级语义检索，配合CSS搜索大模型的Embedding向量化与Rerank重排序技术，可精准匹配海量非结构化数据。独享版大模型服务保障企业数据隔离与模型性能稳定，MaaS平台提供的DeepSeek模型则赋予系统强大的上下文理解和多轮对话能力。
方案架构
- 用户通过Dify控制台提交查询请求。
- 检索模块使用CSS搜索大模型的Embedding技术解析查询内容。
- 在本地知识库（即CSS的OpenSearch向量数据库）中查找文档。
- 检索到的文档经过MaaS的DeepSeek模型服务生成专业、可靠的回答。
- 答案通过Dify控制台返回给用户。
其中，MaaS服务提供计算资源，DeepSeek模型执行复杂查询，是支持性组件。
方案优势
该方案适合需要快速构建企业级知识中枢、同时兼顾通用对话能力、创新效率与成本控制的场景，具备以下核心优势：
- 灵活架构支持知识问答与开放对话模式自由切换，适应多样化业务需求。
- 私有化部署保障数据安全，满足金融、医疗等敏感行业合规要求。
- 检索增强生成（RAG）技术有效解决大模型幻觉问题，提升回答准确性与可信度。
- 开箱即用的可视化配置界面，显著降低AI应用开发门槛，企业可快速完成从数据接入到智能服务上线的全流程。
约束限制
- 仅“西南-贵阳一”区域支持该解决方案。
- CSS服务的搜索大模型处于受限使用阶段，如需使用请提交工单申请开通。
- OpenSearch向量数据库建议优先选择2.x版本。
- 为确保OpenSearch向量数据库、搜索大模型与DeepSeek模型服务的正常交互，需保证三者网络互通。本案例中，三者部署于同一VPC内。
准备工作
- 通过MaaS服务购买DeepSeek模型服务，并在调用说明页面获取其API地址、模型名称和API Key。操作指导请参见使用ModelArts Studio的DeepSeek-R1模型框架实现对话问答。
- 通过CSS服务创建OpenSearch向量数据库，并在集群列表获取其内网访问地址，如果是安全模式的集群还要获取访问集群的账号和密码。如需新建集群请参见创建OpenSearch集群。
- 通过CSS服务创建搜索大模型，通过CSS服务购买搜索大模型，并在集群列表获取其内网访问地址。
步骤二：部署Dify
在服务器上部署Dify容器，并接入OpenSearch向量数据库。本案例以弹性云服务器ECS为例介绍操作步骤。Dify的详细安装指导请参见Docker Compose部署。
- 参考快速购买和使用Linux ECS，购买ECS。
ECS的实例规则要大于或等于2U4G，虚拟私有云要和OpenSearch的VPC一致，并且必须绑定弹性公网IP。
- 参考手工部署Docker，在ECS实例上安装Docker。
- 克隆Dify的源代码到ECS实例上，并切换至某tag版本分支，以0.15.3版本为例。
git clone https://github.com/langgenius/dify.git && cd dify git checkout -b 0.15.3 0.15.3
- 进入Dify源代码的Docker目录，修改“.env”文件，配置OpenSearch向量数据库的信息。
- 进入docker目录，复制生成“.env”文件，并进入编辑。
cd docker && cp .env.example .env vim .env
- 修改VECTOR_STORE参数值，改为opensearch。
VECTOR_STORE=opensearch
- 修改OpenSearch向量数据库的信息，改为准备工作获取的集群信息。
OPENSEARCH_HOST=x.x.x.x # OpenSearch的访问地址（IP地址） OPENSEARCH_PORT=9200 # OpenSearch的端口号 OPENSEARCH_USER=admin # OpenSearch的访问账号（非安全集群直接删除） OPENSEARCH_PASSWORD=******* # OpenSearch的访问密码（非安全集群直接删除） OPENSEARCH_SECURE=true # 如果Opensearch为安全集群则将该配置设置为true
- 保存修改。
- 进入docker目录，复制生成“.env”文件，并进入编辑。
- 执行命令，启动Dify容器。
docker compose up -d
- 执行命令，确认容器是否启动成功。
docker ps
显示如下信息表示启动成功。
图2 查看Dify容器
- 通过ECS的弹性公网IP访问部署在ECS上的Dify平台。
在浏览器输入“http://{ECS公网IP}:80”访问Dify的开发平台。首次登录需注册管理员账号，依次填写邮箱、账号、密码。
步骤三：Dify接入Embedding和DeepSeek
Dify作为一个开源的大语言模型（LLM）应用开发平台，通过配置和调用搜索大模型和DeepSeek模型服务的API，来实现功能集成和扩展。
- 在Dify平台接入搜索大模型，包含Embedding模型和Rerank模型。
- 单击Dify平台右上角的头像，选择“设置”中的“模型供应商”。
- 在模型供应商页面中选择“OpenAI-API-compatible”，单击“添加模型”配置Embedding和Rerank模型。配置说明参见表1。
表1 添加搜索大模型 参数名称
Embedding参数值
Rerank参数值
模型类型
选择“Text Embedding”。
选择“Rerank”。
模型名称
填写“query2doc”或“query2query”。
在FAQ短文本召回场景中，当query召回相似query时，doc不参与检索，建议使用query2query模型，其他场景选择query2doc模型。
填写“rerank”。
API endpoint URL
填写“http://{搜索大模型的内网访问地址}/v1”，搜索大模型的内网访问地址即为准备工作获取的搜索大模型的IP地址和端口号。例如获取到的内网地址为“xx.xx.xx.xx:xxxx”，则此处填写“http://xx.xx.xx.xx:xxxx/v1”。
模型上下文长度
填写“512”。Embedding搜索大模型只支持512。
“OpenAI-API-compatible”模板会对Rerank分数做归一化，这个并不影响最终结果排序，但是如果需要使用分值过滤，则建议使用“Xorbits Inference”模板配置Rerank模型，配置说明参见表2。
表2 添加Rerank模型 参数名称
参数值
模型类型
选择“Rerank”。
模型名称
填写“rerank”。
服务器URL
填写“http://{搜索大模型的内网访问地址}”，搜索大模型的内网访问地址即为准备工作获取的搜索大模型的IP地址和端口号。例如获取到的内网地址为“xx.xx.xx.xx:xxxx”，则此处填写“http://xx.xx.xx.xx:xxxx”。
模型UID
填写“rerank”。
- 在模型列表可以查看接入的模型。
图3 查看接入的模型
- 在Dify平台接入DeepSeek模型服务。
- 单击Dify平台右上角的头像，选择“设置”中的“模型供应商”。
- 在模型供应商页面中选择“OpenAI-API-compatible”，单击“添加模型”配置DeepSeek信息。配置说明参见表3。
- 在模型列表可以查看接入的模型。
图4 查看接入的DeepSeek
步骤五：创建智能问答助手
在Dify平台创建聊天助手，并进行调试预览，验证AI应用是否能够正常运行。
- 在Dify平台上方选择“工作室”。
- 单击“创建空白应用”，配置应用信息。“选择应用类型”必须选择“聊天助手”，“应用名称”可以自定义，例如test。
- 单击“创建”，进入应用编排页面。
- 在编排页面右侧，确认应用已关联DeepSeek模型服务。
图7 确认模型
- 在编排页面调试智能问答助手，验证功能。
智能问答助手支持2种调试方式：直接问答和知识增强问答。
