1. 背景与核心概念

在游戏开发与运营中，玩家和开发者常常面临海量、零散的文档信息，比如游戏背景设定、角色技能、装备属性、任务攻略、更新日志等。当需要快速查询某个特定信息时，传统的文档搜索或社区问答效率低下，且难以保证信息的准确性和上下文关联性。这正是 RAG（检索增强生成）技术大显身手的场景。通过将外部知识库与大型语言模型（LLM）结合，RAG 能够根据用户问题，实时从知识库中检索最相关的信息片段，并以此为基础生成精准、可靠的回答。

然而，对于游戏公司或独立开发者而言，将核心的游戏资料、玩家数据或内部文档上传到公有云 AI 服务存在数据安全和隐私泄露的风险。同时，公有 API 的调用成本、速率限制和模型可控性也是需要考虑的问题。因此，一个能够私有化部署、支持 RAG、且无需编写复杂代码的平台，成为了构建专属 AI 助手（如“三角洲专属AI助手”）的理想选择。

Dify正是这样一个开源的 LLM 应用开发平台。它提供了可视化的界面，允许开发者通过拖拽和配置的方式，快速构建基于 RAG 的智能体（Agent）、聊天机器人或工作流。其核心优势在于“零代码”或“低代码”，极大地降低了 AI 应用开发的门槛。你可以将 Dify 部署在自己的服务器上，完全掌控数据、模型和流程，实现安全、可控的私有化 AI 助手。

本文将围绕“使用 Dify 零代码搭建一个基于 RAG 的游戏智能体”这一目标，提供从环境准备、私有化部署、知识库构建到智能体配置的完整实操教程。无论你是游戏社区的运营者、独立游戏开发者，还是对 AI 应用感兴趣的技术爱好者，都能跟随本文一步步搭建出属于你自己的“三角洲行动 AI 知识库助手”。

2. 环境准备与版本说明

在开始部署之前，请确保你拥有一台满足以下基本要求的服务器或本地开发环境。本文将以 Linux 系统（Ubuntu 22.04 LTS）为例进行演示，其他系统（如 CentOS、Windows via Docker）步骤类似，但命令和路径可能有所不同。

2.1 系统与硬件要求

• 操作系统: Linux (推荐 Ubuntu 20.04/22.04, CentOS 7/8), macOS, 或 Windows (通过 Docker Desktop)。
• CPU: 至少 2 核。如果计划本地运行大语言模型（如 Qwen、ChatGLM等），则需要更强的 CPU 和 GPU 支持。
• 内存: 至少 4 GB。建议 8 GB 或以上，尤其是运行本地模型时。
• 磁盘空间: 至少 20 GB 可用空间，用于存放 Docker 镜像、数据库和知识库文档。
• 网络: 能够访问互联网以下载 Docker 镜像和模型（如果使用在线 API，如 OpenAI，则需要能访问相应服务）。

2.2 核心依赖软件

部署 Dify 最推荐的方式是使用 Docker 和 Docker Compose，这能最大程度地简化环境配置和依赖管理。

1. Docker Engine: 版本 20.10.0 或更高。
2. Docker Compose: 版本 v2.0.0 或更高。在较新版本的 Docker Desktop 中已包含 Compose V2。

2.3 安装 Docker 与 Docker Compose

如果你的系统尚未安装 Docker，请执行以下命令进行安装（以 Ubuntu 为例）：

# 更新软件包索引 sudo apt-get update # 安装必要的依赖包，以便 apt 可以通过 HTTPS 使用仓库 sudo apt-get install -y \ ca-certificates \ curl \ gnupg \ lsb-release # 添加 Docker 的官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 设置 Docker 稳定版仓库 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 更新 apt 包索引，并安装 Docker Engine、Docker Compose sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 验证 Docker 和 Docker Compose 是否安装成功 docker --version docker compose version # （可选）将当前用户加入 docker 组，避免每次使用 sudo sudo usermod -aG docker $USER # 执行此命令后，需要退出当前终端并重新登录，或执行 `newgrp docker` 使更改生效

2.4 获取 Dify 部署文件

Dify 官方提供了标准的 Docker Compose 部署文件。我们将其下载到本地一个专用目录。

# 创建一个用于存放 Dify 的目录 mkdir -p ~/dify && cd ~/dify # 从 GitHub 下载 docker-compose.yaml 和 .env 配置文件 curl -o docker-compose.yaml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml curl -o .env.example https://raw.githubusercontent.com/langgenius/dify/main/docker/.env.example cp .env.example .env

现在，你的~/dify目录下应该有两个关键文件：docker-compose.yaml和.env。.env文件包含了所有可配置的环境变量，我们接下来需要根据实际情况修改它。

3. 配置与启动 Dify 服务

3.1 配置环境变量 (.env 文件)

.env文件是 Dify 服务配置的核心。使用文本编辑器（如nano或vim）打开它：

nano ~/dify/.env

你需要关注并修改以下几个关键配置项：

1. 数据库密码: 为 PostgreSQL 和 Redis 设置强密码。

   # PostgreSQL POSTGRES_PASSWORD=difyai123456 # 请修改为复杂密码 # Redis REDIS_PASSWORD=difyai123456 # 请修改为复杂密码

2. 外部访问地址: 这是最重要的配置之一，决定了你如何访问 Dify 控制台。

   # 将 `your-domain.com` 替换为你的服务器 IP 地址或域名。 # 例如，如果你通过服务器IP访问，且未使用反向代理，可以设置为： CONSOLE_API_URL=http://你的服务器IP:3000 CONSOLE_WEB_URL=http://你的服务器IP:3000 # 如果你使用域名并通过 Nginx 反向代理，可以设置为： # CONSOLE_API_URL=https://dify.your-domain.com # CONSOLE_WEB_URL=https://dify.your-domain.com

   注意: 这里的端口3000是 Dify 前端服务默认映射的端口，我们将在docker-compose.yaml中确认。

3. 模型供应商配置（可选）: 如果你打算使用 OpenAI、Azure OpenAI 或 Anthropic 的在线 API，需要在此配置 API Key。对于完全私有化部署，我们通常先使用 Dify 自带的“Mock”模型进行测试，或者配置本地部署的模型（如通过 Ollama、vLLM 或 OpenLLM 部署的模型）。这部分我们稍后在 Dify 界面中配置更直观。

   # 例如，配置 OpenAI (非必须，可留空) # OPENAI_API_KEY=sk-xxx

修改完成后，保存并退出编辑器。

3.2 检查并修改 Docker Compose 文件（端口映射）

打开docker-compose.yaml文件，查看服务端口映射情况：

cat ~/dify/docker-compose.yaml | grep -A5 -B5 “ports”

通常，默认配置如下：

services: api: ... web: ... ports: - “3000:3000” # 前端服务端口 ...

这表示将容器内的 3000 端口映射到了宿主机的 3000 端口。确保宿主机的 3000 端口未被占用，或者你可以修改左边的端口号，例如“8080:3000”，这样你就可以通过http://服务器IP:8080来访问。

3.3 启动 Dify 服务

一切就绪后，使用 Docker Compose 启动所有服务。-d参数表示在后台运行。

cd ~/dify docker compose up -d

这个命令会拉取 PostgreSQL、Redis、Dify API 和 Dify Web 等多个镜像，并启动相应的容器。首次执行可能需要几分钟时间，取决于你的网络速度。

你可以使用以下命令查看服务启动状态和日志：

# 查看所有容器状态 docker compose ps # 查看实时日志（按 Ctrl+C 退出） docker compose logs -f # 仅查看 web 服务日志 docker compose logs -f web

当看到所有容器状态均为running，并且日志中没有持续报错时，说明服务已成功启动。

3.4 访问 Dify 控制台

在浏览器中打开你配置的CONSOLE_WEB_URL，例如http://你的服务器IP:3000。

首次访问，你需要创建一个管理员账户。按照页面提示输入邮箱和密码即可完成注册并登录。

至此，Dify 平台已经成功私有化部署在你的服务器上！接下来，我们将进入核心环节：为“三角洲行动”游戏构建知识库和智能体。

4. 构建 RAG 知识库：导入游戏资料

登录 Dify 控制台后，左侧菜单栏找到“知识库”并点击进入。我们将在这里创建和管理游戏专属的知识库。

4.1 创建知识库

1. 点击右上角“创建知识库”按钮。
2. 填写知识库名称，例如“三角洲行动游戏百科”。
3. 索引方法：这是 RAG 的核心设置。
   • 高精度索引：检索精度高，适合问答、摘要等对准确性要求高的场景。这是我们构建游戏助手的主要选择。
   • 高召回率索引：检索范围广，适合创意写作、头脑风暴等需要丰富素材的场景。
   • 混合索引：平衡精度和召回率。对于游戏百科，首次创建建议选择“高精度索引”。
4. 嵌入模型：用于将文本转换为向量（Embedding）。Dify 内置了多种选择。
   • 本地模型：如BAAI/bge-small-zh-v1.5，这是一个优秀的中文开源模型，无需 API Key，完全在本地运行，数据不出私域，是私有化部署的首选。
   • OpenAI 等云服务：需要配置 API Key，数据会发送到第三方。建议：选择BAAI/bge-small-zh-v1.5或BAAI/bge-large-zh-v1.5。如果遇到下载问题，可以在部署 Dify 的服务器上提前下载好模型。
5. 点击“创建”，知识库即创建成功。

4.2 导入游戏文档

知识库支持多种格式的文档上传：文本（TXT）、Markdown（MD）、PDF、Word（DOC/DOCX）、Excel、PowerPoint、纯文本等。

准备工作：将你的游戏资料整理成文件。例如：

• 三角洲行动背景故事.md
• 全角色技能详解.docx
• 地图点位与战术指南.pdf
• 最新版本更新日志.txt

上传步骤：

1. 进入刚创建的“三角洲行动游戏百科”知识库。
2. 点击“上传文件”或直接将文件拖入上传区域。
3. 数据处理方式：选择“分段处理”。Dify 会自动将长文档按语义切分成多个片段（Chunks），这是构建向量索引的基础。
4. 分段规则：可以自定义分段的最大长度和重叠长度。一般保持默认即可，Dify 的默认规则对中文文档有较好的支持。
5. 点击“确认上传”。系统将开始解析文件、生成文本片段、调用嵌入模型为每个片段生成向量，并存入向量数据库（Dify 默认使用 Weaviate）。

上传后，你可以在“文档”列表中看到所有文件，并点击进入查看被切分成的具体文本片段。这有助于你理解 RAG 检索的基本单元。

4.3 配置知识库的检索参数

在知识库设置中，有几个关键参数影响后续智能体问答的效果：

1. 检索模式：
   • 向量检索：基于语义相似度查找片段。最常用。
   • 全文检索：基于关键词匹配。
   • 混合检索：结合两者，效果通常更好，但计算开销稍大。推荐选择“混合检索”。
2. 相似度阈值：仅返回相似度高于此值的片段。值越高，要求越严格，返回结果可能越少但更相关。可以保持默认或微调（如 0.8）。
3. Top K：每次检索返回的最相关片段数量。通常设置在 3-8 之间。数量太少可能信息不全，太多可能引入噪声。

保存设置后，知识库就进入了“可用”状态。你可以点击“测试”按钮，输入一个游戏相关问题（如“突击兵‘猎鹰’的技能是什么？”），查看系统检索到的文本片段，验证知识库是否构建成功。

5. 创建并配置游戏智能体（AI助手）

知识库准备就绪后，我们就可以创建智能体了。在 Dify 中，智能体可以通过“应用”来创建。

5.1 创建应用

1. 点击左侧菜单“应用”，然后点击“创建新应用”。
2. 选择“智能体（Agent）”类型。
3. 输入应用名称，如“三角洲行动AI助手”，点击创建。

5.2 配置大语言模型（LLM）

进入应用编排界面，首先需要配置智能体的“大脑”——大语言模型。

1. 在“模型”区域，点击“添加模型”。
2. 对于私有化部署，我们有几种选择：
   • 使用在线 API（需网络）：如 OpenAI GPT-4/3.5， Anthropic Claude， 国内的通义千问、DeepSeek等。需要输入对应的 API Key 和 Base URL。
   • 使用本地模型（推荐）：这是完全私有化的关键。你需要通过其他方式在本地或内网部署一个 LLM 服务，然后通过“自定义模型提供商”接入 Dify。
     • 示例：接入本地 Ollama 模型
       • 假设你已在同一服务器上用 Ollama 运行了qwen2.5:7b模型，服务地址为http://localhost:11434。
       • 在 Dify 模型配置中，选择“自定义模型提供商”。
       • 模型类型：选择“OpenAI-Compatible”。
       • 模型名称：自定义，如local-qwen2.5-7b。
       • API 密钥：可以留空或填写任意非空字符（如ollama）。
       • 模型类型：选择chat/completions。
       • 请求地址：填写http://host.docker.internal:11434/v1。注意：由于 Dify 运行在 Docker 容器内，要访问宿主机的服务，需使用特殊的域名host.docker.internal（Mac/Windows Docker Desktop 支持，Linux 需额外配置网络或使用宿主机 IP）。
       • 模型 ID：填写qwen2.5:7b。
       • 保存后，即可在模型下拉列表中选择这个本地模型。
3. 选择或配置好模型后，可以设置温度（Temperature）、最大生成长度等参数。对于知识问答，温度可以设低一些（如 0.1-0.3），让回答更确定。

5.3 添加知识库检索工具

这是将 RAG 能力赋予智能体的关键一步。

1. 在应用编排界面的“工具”区域，点击“添加工具”。
2. 选择“知识库”。
3. 在弹出的知识库列表中，勾选我们之前创建的“三角洲行动游戏百科”。
4. 配置工具参数：
   • 查询模式：通常选择“自动”或“向量检索”。选择“自动”时，智能体会根据问题自动决定是否使用以及如何使用知识库。
   • 返回条数：对应知识库中的 Top K，可以覆盖知识库的全局设置。
5. 添加后，你可以在“提示词编排”区域看到，系统自动在提示词（Prompt）中插入了一个变量{{#knowledge}} ... {{/knowledge}}。这表示智能体在回答时，会先使用用户问题去检索知识库，并将检索到的内容填充到这个位置，再交给 LLM 生成最终答案。

5.4 编排提示词（Prompt）

提示词是引导智能体行为的“指令”。Dify 提供了可视化的编排界面。

1. 角色设定：在“提示词”开头，明确告诉 AI 它的身份。例如：

   你是一个专业的《三角洲行动》游戏助手，精通游戏的所有设定、角色、地图、模式和战术。你的回答必须基于提供的游戏知识库，准确、简洁、有用。如果知识库中没有相关信息，请如实告知“根据现有资料，我无法回答这个问题”，不要编造信息。

2. 上下文变量：{{#knowledge}} ... {{/knowledge}}和{{query}}是系统自动管理的变量，分别代表检索到的知识和用户当前问题。你无需修改它们，但需要理解它们在流程中的作用。
3. 回答要求：可以进一步细化，如“请用分点列举的方式回答关于角色技能的问题”、“引用关键数据时请注明出处（如来自哪个版本更新日志）”。

5.5 配置对话开场白与用户输入建议

为了让助手更友好，可以：

• 在“开场白”中设置一段欢迎语，如“你好，我是《三角洲行动》专属AI助手，可以为你解答游戏背景、角色技能、地图战术等问题，请问有什么可以帮您？”
• 在“用户输入建议”中预设几个常见问题，如“突击兵有哪些角色？”、“‘黑鹰坠落’地图怎么玩？”，方便用户快速提问。

5.6 发布与测试应用

完成所有配置后，点击右上角的“发布”按钮。

1. 选择发布版本：可以创建一个新的版本，如v1.0。
2. 发布渠道：选择“WebApp”，这样会生成一个可分享的聊天网页。
3. 发布成功后，点击“访问应用”，即可打开一个独立的网页，与你的“三角洲行动AI助手”进行对话测试。

尝试问一些知识库中明确记载和未记载的问题，观察它的回答是否符合预期。例如：

• “介绍一下游戏的世界观背景。”（应有详细回答）
• “‘幽灵’这个角色有什么技能？”（应基于文档回答）
• “下个版本什么时候更新？”（如果知识库没有，应如实告知未知）

6. 高级功能与优化

6.1 工作流编排（可视化流程设计）

除了简单的“问答”型智能体，Dify 的“工作流”功能允许你设计更复杂的 AI 应用逻辑。例如，你可以设计一个流程：

1. 用户输入一个角色名。
2. 自动从知识库检索该角色的技能和背景。
3. 调用另一个 LLM 或工具，根据角色特点生成一份战术推荐。
4. 将检索结果和生成内容整合后返回给用户。

通过拖拽节点（知识库检索、LLM、条件判断、代码执行等），你可以构建出功能强大的自动化流程，而无需编写代码。

6.2 使用 OnlyOffice 进行文档预览与同步

如果你上传了 Word、Excel 等文档，Dify 支持集成 OnlyOffice 来实现在线预览和协同编辑。这需要额外部署 OnlyOffice Document Server，并在 Dify 的.env文件中配置ONLYOFFICE_URL等参数。这对于需要频繁更新游戏文档并希望助手知识库能同步更新的团队非常有用。

6.3 多租户与权限管理（社区版）

从 Dify 社区版 1.10 开始，支持了多租户功能。这意味着你可以为不同的团队（如游戏策划组、客服组、玩家社区管理组）创建独立的工作空间，隔离他们的知识库和应用，实现更精细的权限管理。

6.4 RAG 效果优化技巧

1. 文档预处理：上传前尽量保证文档格式清晰、结构完整。混乱的 PDF 或扫描件可能解析效果差。
2. 分段策略调优：如果发现回答总是遗漏关键信息或上下文断裂，可以回到知识库，调整该文档的分段规则（减小最大长度，增加重叠长度）。
3. 重排序（Rerank）：在混合检索后，可以引入一个重排序模型（如BAAI/bge-reranker）对检索结果进行二次精排，进一步提升最相关片段的位置。这需要在部署时配置额外的服务。
4. 提示词工程：在 Prompt 中明确要求 LLM “严格基于以下上下文回答”，并设定惩罚机制（如“如果答案未在上下文中找到，请说‘我不知道’”），能有效减少模型幻觉。

7. 常见问题与排查思路

在部署和使用过程中，你可能会遇到以下问题：

8. 生产环境最佳实践与安全建议

将 Dify 用于实际业务时，请遵循以下建议：

1. 数据安全第一：

   • 务必为 PostgreSQL 和 Redis 设置强密码，并定期更换。
   • 确保.env配置文件不被泄露，不要将其提交到代码仓库。
   • 如果使用云服务商模型 API，妥善保管 API Key，并在 Dify 环境变量中配置，而非硬编码。
   • 定期备份数据库。Dify 的数据主要存储在 PostgreSQL 中，可以使用pg_dump命令进行备份。

2. 资源隔离与监控：

   • 为 Docker 容器设置资源限制（CPU、内存），防止单个应用耗尽服务器资源。
   • 使用docker compose的resources配置项。
   • 部署监控工具（如 Prometheus + Grafana）监控服务器和容器状态。

3. 高可用与持久化：

   • 默认的docker-compose.yaml已将数据库和向量数据库的数据卷映射到宿主机，确保容器重建后数据不丢失。检查volumes配置。
   • 对于生产环境，考虑将 PostgreSQL 和 Redis 部署为高可用集群。

4. 版本升级：

   • 升级前，务必完整备份数据库和上传的文档文件。
   • 查阅 Dify 官方 GitHub 仓库的 Release Notes，了解版本变更和升级步骤。
   • 通常步骤是：拉取新版本镜像 -> 停止旧服务 -> 备份数据 -> 使用新的docker-compose.yaml启动服务。注意.env配置可能有变化。

5. 模型选择：

   • 对于中文游戏资料，优先选择对中文理解好的开源模型，如 Qwen、ChatGLM、Baichuan 等。
   • 在效果和成本间权衡。7B 参数量的模型在足够清晰的指令下，通常能很好地完成基于知识库的问答任务。

通过以上步骤，你已经成功完成了一个从零开始的、私有化部署的 RAG 游戏智能体项目。它不仅是一个技术 demo，更是一个可以随时扩展、持续运营的 AI 助手原型。你可以继续丰富它的知识库，优化提示词，甚至结合工作流开发出更复杂的游戏内客服、攻略自动生成等高级功能。