視頻+教程 | 三位一體：MOI 數據源 + MO 向量存儲 + Dify 應用層，構建企業級 RAG 詳情 - 人工智能,數據挖掘 MatrixOrigin 博客

概述

本教程將詳細引導您完成一個完整的數據處理與應用流程：首先，我們將 Dify 平台與 MatrixOne (MO) 數據庫進行集成，使用 MatrixOne 作為 Dify 的向量存儲後端；然後，演示瞭如何從 MatrixOne Intelligence (MOI) 平台將處理好的分段數據（Chunks）導出到 Dify 中新建的知識庫；最終，利用這些導入的數據快速構建一個智能聊天應用。

通過本教程，您將掌握：

如何配置 Dify 以使用 MatrixOne 作為其向量數據庫。
如何在 MOI 和 Dify 之間建立數據連接。
如何將 MOI 的數據導出到 Dify 知識庫。
如何基於導入的知識庫數據構建一個可用的 AI 智能體。

Part 1: 環境準備與 Dify-MO 集成

在開始之前，請確保您的本地開發環境已經準備就緒。

1.1 安裝 Git

Git 是用於版本控制的必備工具，我們將用它來克隆 Dify 的源代碼。

1. 安裝 Git

請參考 Git 官方文檔 Git - Downloading Package 根據您的操作系統進行安裝。

2. 驗證安裝

打開終端，運行以下命令檢查 Git 是否安裝成功：

git --version

如果看到類似 git version 2.40.0 的輸出，則表示安裝成功。

1.2 安裝 Docker

Docker Get Docker | Docker Docs 用於創建和管理容器化的應用環境，Dify 的部署依賴於 Docker。

1. 安裝 Docker Desktop

訪問 Get Docker 官方頁面，根據您的操作系統下載並安裝 Docker Desktop。推薦 Docker 版本不低於 20.10.18。

2. 驗證安裝

安裝完成後，在終端中運行以下命令來驗證 Docker 版本：

docker --version

如果看到類似 Docker version 20.10.18, build 100c701 的輸出，則表示安裝成功。

3. 啓動 Docker

請確保 Docker Desktop 應用程序已經啓動並在後台運行。

1.3 配置並啓動 Dify

接下來，我們將獲取 Dify 源碼，並將其配置為使用 MatrixOne 數據庫。

1. 獲取 Dify 源代碼

克隆 Dify 最新的源代碼到您的本地：

git clone https://github.com/langgenius/dify.git
cd dify

2. 構建支持 MatrixOne 的 Docker 鏡像

我們需要構建一個特殊的 Docker 鏡像，該鏡像包含了與 MatrixOne 連接所需的依賴：

docker build -f docker/Dockerfile.mo -t langgenius/dify-api:mo .

注意：此步驟可能需要一些時間，因為它會下載依賴並構建鏡像。

3. 配置環境變量

進入 docker 目錄，並從模板文件複製一份新的環境變量配置文件：

cd docker
cp .env.example .env

4. 編輯 .env 文件

使用您常用的文本編輯器（如 VS Code, Vim）打開 .env 文件，找到並修改以下配置，以連接到您的 MatrixOne 實例：

# 向量數據庫配置
VECTOR_STORE=matrixone

# MatrixOne 數據庫配置
DB_USERNAME=your_matrixone_username
DB_PASSWORD=your_matrixone_password
DB_HOST=your_matrixone_host
DB_PORT=6001
DB_DATABASE=dify

5. 修改 Docker Compose 配置

編輯 docker-compose.yaml 文件，將其中 api 和 worker 服務的鏡像替換為我們剛剛構建的 langgenius/dify-api:mo。

找到以下兩個部分並修改 image 字段：

services:
  api:
    image: langgenius/dify-api:mo  # 修改這裏
    # ... 其他配置保持不變

  worker:
    image: langgenius/dify-api:mo  # 修改這裏
    # ... 其他配置保持不變

6. 啓動 Dify 服務

一切準備就緒，現在可以啓動 Dify 平台了：

docker compose up -d

服務啓動需要一些時間。您可以使用以下命令查看實時日誌：

docker compose logs -f

7. 初始化 Dify 平台

在瀏覽器中訪問 http://localhost/install，根據頁面提示完成管理員賬户的初始化設置。
登錄後，進入 設置 -> 模型提供商，配置您的大語言模型（LLM）和向量模型的 API Key，例如 Ollama, OpenAI, Anthropic 等。

至此，您的 Dify 平台已經成功搭建並與 MatrixOne 集成。

Part 2: 核心流程：從 MOI 導出數據至 Dify

現在，我們將數據從 MOI 平台導出到 Dify。

2.1 在 Dify 中準備知識庫

首先，我們需要在 Dify 中創建一個空的知識庫，作為數據的接收容器。

登錄 Dify 平台。
進入"知識庫"模塊。
點擊"創建知識庫"，輸入一個名稱（例如 moi_data_repository），然後點擊"創建"。

2.2 在 MOI 中配置 Dify 連接器

為了讓 MOI 能夠將數據發送到 Dify，需要配置一個連接器。

登錄 MOI 平台。
進入 數據連接 -> 連接器 頁面。
點擊"新建連接器"，類型選擇為 Dify。
填寫以下配置信息：

a. API 服務器地址：
- 回到 Dify 平台，進入"知識庫"模塊。
- 點擊頁面右上角的"API 訪問"。
- 複製"API 服務器地址"，並確保其為公網可訪問的 HTTPS 協議地址。若協議非 HTTPS，請手動補充（例如：https://...）。
b. API 密鑰：
- 在 Dify 的同一"API 訪問"頁面中，複製"個人 API Token"（訪問令牌）。
保存連接器。

2.3 在 MOI 中創建並執行導出任務

連接器配置好後，我們就可以創建導出任務了。

在 MOI 平台，進入 數據連接 -> 數據導出 頁面。
點擊"新建導出"，並配置以下選項：
- 任務名稱：自定義一個任務名稱。
- 選擇文件：選擇一個經過工作流處理後、包含分段（chunks）數據的文件。這是導出到向量數據庫的必要條件。
- 選擇連接器：選擇上一步創建的 Dify 連接器。
- 選擇知識庫：系統會自動加載 Dify 中的知識庫列表，選擇我們剛剛創建的空知識庫（例如 moi_data_repository）。
- 向量模型：如果是首次向這個知識庫導出，您需要選擇一個向量化模型。請確保該模型與您 Dify 中配置的 Embedding 模型一致或兼容。
點擊"創建"後，導出任務開始執行。等待任務狀態從"進行中"變為"完成"。

2.4 驗證數據導入成功

導出完成後，我們需要驗證數據是否已成功寫入 Dify 的知識庫中。

方法一：通過 Dify UI 驗證（推薦）

回到 Dify 平台，進入您創建的知識庫。
點擊"文檔"標籤頁。您應該能看到從 MOI 導出的文檔列表。
點擊"分段"標籤頁，您可以看到文檔被切分成的具體數據條目，這表明數據已成功向量化並存儲。

方法二：通過數據庫驗證（可選，高級）

如果您想深入後台確認，可以直接連接到 MatrixOne 數據庫進行檢查。

使用 MySQL 客户端連接到 MatrixOne 實例：

mysql -h your_matrixone_host -P 6001 -u your_username -p

切換到 Dify 數據庫並查看其中的數據表：

USE dify;
SHOW TABLES;

查看錶結構和數據行數，確認數據已寫入：

SELECT COUNT(*) FROM document_segments;

如果 COUNT(*) 的結果大於 0，則表明數據已成功寫入數據庫。

Part 3: 應用實踐：基於導入數據構建智能體

數據成功導入 Dify 知識庫後，即可利用其構建智能聊天助手，讓 AI 能夠基於您上傳的知識進行問答。

3.1 創建聊天助手應用

在 Dify 首頁，點擊"創建應用"。
選擇應用類型為"聊天助手"。
為您的應用命名（例如"MOI 知識問答助手"），然後點擊"創建"。

3.2 編排應用並關聯知識庫

創建後，您將進入應用的"編排"頁面。這是配置 AI 行為的核心區域。

1. 填寫提示詞 (Prompt)：

在"提示詞"部分，定義助手的角色和任務。例如：

你是一個專業的知識助手，能夠基於提供的知識庫內容回答用户的問題。
請使用友好、專業的語氣，並在回答時引用相關的知識片段。
如果知識庫中沒有相關信息，請誠實告知用户。

2. 關聯知識庫（關鍵步驟）：

在"上下文"模塊，點擊"添加"，然後選擇我們之前創建並導入了數據的知識庫（moi_data_repository）。這將使 AI 在回答問題時，能夠檢索和引用該知識庫中的內容。

3. 配置開場白（可選）：

在頁面底部"添加功能"中，可以啓用"對話開場白"，為用户提供一個友好的歡迎語和一些示例問題。

3.3 調試和發佈

在頁面右側的"預覽與調試"窗口中，輸入與您知識庫相關的問題，測試助手的回答效果。
如果對結果滿意，點擊右上角的"發佈"按鈕。
發佈後，您可以獲得一個公開的 WebApp 鏈接，或使用 API 將其集成到您自己的產品中。

有關更詳細的應用編排技巧，例如變量、工具調用等，請參閲 Dify 官方文檔：聊天助手。

至此，您已完成從環境搭建、數據導出到智能體構建的完整流程。

觀看直播回放，獲取更詳盡的實戰演示與內容解析

直播 Q&A 環節

Q：與其他開源方案 (如 LangChain + Chroma) 相比有什麼優勢？

A：核心差異在於兩者的定位：LangChain + Chroma 是一個"開發者工具集"，而我們的方案是一個"一體化的企業級平台"。基於工具集，開發者仍需編寫大量代碼來粘合數據處理、存儲與應用邏輯，開發與維護成本高昂。在實際項目中，非結構化數據處理往往是複雜度最高、最耗費精力的環節，而這正是 MOI 旨在解決的核心問題。

Q：Dify 和 MOI 之間的連接是實時的嗎？

A：在此次演示中，我們展示的是一個"數據導出任務"。然而，MOI 的核心優勢在於其"自動化工作流"：該任務可配置為定時觸發（如每5分鐘一次），或由外部API事件（如新文件上傳）觸發。這種機制雖非毫秒級的流式同步，但其"準實時"特性足以滿足企業級 RAG 的知識更新需求，能有效解決常見的"知識更新延遲"痛點。

Q：MOI 的多模態處理具體支持哪些格式？

A： MOI 平台具備強大的多模態數據處理能力，原生支持文檔、圖片、音頻、視頻等各類非結構化數據。

MatrixOrigin 博客

MatrixOrigin 博客

博客 / 詳情