好久没更新了，最近有工作需求需要用 DeepSeek 搭建一个用来做文档法律合规审查的 AI 助手，正好需要用到知识库，想了想最后还是放弃了原有的 Open-WebUI 方案，直接转为用 Dify 实现。因为需要在内网中部署所以也是踩了一些坑，写个文章顺带记录一下。

搭建环境

由于需要在内网环境部署，整个过程需要离线进行。Dify 的部署依赖于 Docker 和 Docker Compose，因此首先要确保服务器上已经离线安装好了这两个工具。

Docker 的离线安装

本人使用的是 Ubuntu 22.04，因此本文只介绍 Ubuntu 22.04 中 Docker 的离线安装方法。整个过程分为两步：首先在有网络的机器上准备离线安装包，然后将安装包拷贝到目标服务器上进行安装。

一、 在有网络的机器上准备离线包

1. 更新软件包列表并安装依赖

   sudo apt update
   sudo apt-get install -y ca-certificates curl

2. 添加 Docker 的官方 GPG 密钥

   sudo install -m 0755 -d /etc/apt/keyrings
   sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
   sudo chmod a+r /etc/apt/keyrings/docker.asc

3. 设置 Docker 的 APT 仓库

   echo \
     "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
     $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
     sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
   sudo apt-get update

4. 下载 Docker 及其依赖的离线包

   首先，创建一个专门用于存放离线包的目录：

   mkdir ~/docker-offline-packages
   cd ~/docker-offline-packages

   然后，使用 `apt` 命令下载所有依赖文件：
   apt-get download $(apt-cache depends --recurse --no-recommends --no-suggests --no-conflicts --no-breaks --no-replaces --no-enhances docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin | grep "^\w")

二、 在离线服务器上安装 Docker

1. 拷贝离线包

   将整个 docker-offline-packages 文件夹通过 U 盘或其他方式拷贝到离线服务器上。

2. 安装 Docker

   在离线服务器上，进入 docker-offline-packages 目录，然后使用 dpkg 命令进行安装：

   cd ~/docker-offline-packages
   sudo dpkg -i *.deb

3. 验证安装

   运行以下命令查看 Docker 是否安装成功：

   sudo docker --version

Dify 离线安装

Dify 的离线安装过程主要分为两步：首先在有网络的机器上准备好 Dify 的源代码和所需的 Docker 镜像，然后将这些文件拷贝到目标离线服务器上进行部署。

一、 在有网络的机器上准备资源

1. 下载 Dify 源代码

   # 克隆 Dify 仓库
   git clone https://github.com/langgenius/dify.git
    
   # 进入 dify 目录并切换到最新的稳定 release 版本
   cd dify
   git checkout $(git describe --tags `git rev-list --tags --max-count=1`)

   提示: 切换到最新的稳定 release 版本比直接使用 main 分支更可靠，可以避免遇到一些意想不到的 bug。

2. 打包 Dify 所需的 Docker 镜像

   Dify 依赖多个 Docker 容器来运行。我们可以利用 docker-compose.yml 文件来自动拉取并打包所有必需的镜像。

   # 进入 Dify 的 Docker 配置目录
   cd docker
    
   # 1. 提取所有镜像名称
   # 这条命令会解析 docker-compose.yml 文件，找到所有服务的 image 定义，并提取出镜像名和标签
   docker compose config | grep "image:" | awk '{print $2}' > image-list.txt
    
   # 2. 拉取所有镜像
   # 使用 xargs 配合 docker pull 命令，批量拉取 image-list.txt 中列出的所有镜像
   cat image-list.txt | xargs -I {} sudo docker pull {}
    
   # 3. 将所有镜像打包成一个 tar 文件
   # 这样就可以方便地将所有镜像一次性迁移到离线服务器
   sudo docker save -o dify-images.tar $(cat image-list.txt | tr '\n' ' ')

   执行完毕后，你会在 `dify/docker` 目录下得到一个 `dify-images.tar` 文件，同时 `dify` 整个文件夹也需要被打包。

二、 在离线服务器上部署 Dify

1. 拷贝资源

   将准备好的 dify 整个项目文件夹和 dify-images.tar 文件通过 U 盘或其他方式拷贝到离线服务器上。

2. 加载 Docker 镜像

   在离线服务器上，使用 docker load 命令加载镜像包：

   sudo docker load -i dify-images.tar

3. 启动 Dify 服务

   进入 dify/docker 目录，直接使用 Docker Compose 启动所有服务：

   cd /path/to/your/dify/docker
   sudo docker compose up -d

4. 验证安装

   等待几分钟让所有服务完全启动后，可以通过 docker ps 命令查看所有 Dify 相关的容器是否都处于 Up 状态。如果一切正常，你就可以通过 http://<服务器IP>:80 访问 Dify 的 Web 界面了。

Dify 插件离线安装

Dify 的插件生态为其增添了强大的扩展能力，但在离线环境下安装插件则需要一些额外的步骤。

离线安装的挑战

官方的插件包 .difypkg 本质上是一个 zip 压缩文件，其中包含了插件的元数据和代码。然而，这个包并不包含插件运行所需的所有 Python 依赖。当你在 Dify 中上传并安装一个插件时，Dify 会尝试连接到 pypi.org 来下载这些依赖项。在严格的离线环境中，这个过程自然会失败，导致插件无法使用。

解决方案：重新打包插件

为了解决这个问题，我们需要在有网络的机器上，将插件及其所有依赖项预先下载并打包到一个新的、完全离线的 .difypkg 文件中。

根据这篇文章：Dify 实战：纯内网dify插件离线安装解决 找到了一个非常实用的工具：dify-plugin-repackaging。这个脚本可以自动化地完成以下工作：

1. 解压原始的 .difypkg 文件。
2. 分析 requirements.txt 文件，找出所有 Python 依赖。
3. 从 PyPI 下载这些依赖包。
4. 将插件代码和所有依赖包重新打包成一个全新的、可离线安装的 .difypkg 文件。

我 Fork 并修改了原仓库的代码，使其更便于批量处理多个插件。我的版本可以在这里找到：lebenito030/dify-plugin-repackaging。

操作步骤

整个过程同样分为“在线准备”和“离线安装”两步。

1. 在线准备

   1. 克隆我修改后的仓库：

      git clone https://github.com/lebenito030/dify-plugin-repackaging.git
      cd dify-plugin-repackaging

   2. 将你从 Dify 商店或其他地方下载的、需要离线安装的 .difypkg 插件包全部放入 _temp 文件夹中。

   3. 运行打包脚本：

      ./plugin_repackaging.sh local _temp

      脚本会自动遍历 `_temp` 文件夹中的所有插件包，并生成新的离线包存放在 `_output` 文件夹中。

2. 离线安装

   1. 登录 Dify 的 Web 界面。
   2. 进入 插件 -> 安装插件 -> 本地插件。
   3. 直接上传重新打包的（.difypkg） 文件，Dify 会自动安装。

ps：目前发现的问题有，有一部分插件是要求网络连接的，这些插件就无法安装，或者比如一些插件启动的时候要连接网络，会导致 Dify 的其他插件需要等待一段时间才能启动成功。

创建 AI 应用

1. 准备法律法规数据

搭建一个法律法规助手，高质量、全面的知识库是核心。我的数据来源是国家法律法规数据库。

为了方便地从该数据库获取数据，我使用了 LawRefBook/Laws 这个开源项目。该项目提供了一系列脚本，可以自动化地爬取和整理法律法规条文。

然而，在实际使用中，我发现有些部门规章或地方性法规是以 .doc 格式提供的，而原项目默认只处理 .html 和 .docx。为了能够全面地将这些法规纳入知识库，我对原仓库的代码进行了修改，增加了对 .doc 文件的解析和支持。

并且，为了提高后续知识库父子分段的效果，我在章节的结尾和小节的结尾都添加了 *章节结束* 和 *小节结束* 标记。用于在知识库建立的时候，将这些标记作为分段依据。

我的修改版本可以在这里找到：lebenito030/Laws。当 scripts/request.py 中的 req.request.params 参数为空值时，脚本将下载全部当前有效的法律法规并保存到 Laws/__cache__/out 文件夹下。

通过运行修改后的脚本，爬取到的所有法律法规文件（包括 .doc 格式）将统一转换为纯文本（.md）格式。这样做的好处是：

1. 格式统一：便于 Dify 的知识库进行索引和处理。
2. 内容纯净：去除了复杂的格式，只保留核心的文本内容，可以提高检索的准确性。
3. 切分优化：Dify 在处理长文本时会自动进行切分，纯文本格式能让切分效果更好，避免因格式混乱导致语义被割裂。

完成数据准备后，就可以将这些 .md 文件批量上传到 Dify 中创建的知识库里了。

2. 搭建知识库

Dify 中创建知识库可以选择父子分段的方式，我们的数据通过脚本已经预处理生成了两级标记：*章节结束* 和 *小节结束*，因此这里只需要像下图一样填入对应的分段标识符就行。Rerank 设置使用推荐的混合检索。

此时知识库会在后台处理文本，不过这里我推荐一次性少传入太多文本，不然可能会出现错误，比如一直卡在索引中。

3. 编排 Chatflow

回到 Dify 的工作室页面，点击左上角的创建空白应用，这里我使用的是创建 Chatflow 应用。

创建完成后会自动进入应用的页面，应该是一个能够直接对话的 LLM 应用，如下图：

接下来按照以下步骤操作：

1. 在开始和 LLM 之间加入知识检索节点
2. 知识检索节点中添加创建的法律法规知识库
3. LLM 节点设置上下文为知识检索
4. 在系统提示词中加入上下文内容

这个时候就创建完成了，你可以通过发布应用然后使用 Dify 提供的应用页面来直接访问。

这里我提问：未成年人标准是什么。AI 助手回答如下图：

我使用的提示词：

# 角色
你是一个严谨、专业的法律知识问答助手，具备两种工作模式。

# 任务
你的任务是根据用户提出的问题 `{{#sys.query#}}`，优先在下面提供的法律知识库 `{{#context#}}` 中寻找最相关的条款和信息。
- 如果 `{{#context#}}` 中包含能回答问题的信息，则生成一份基于知识库的、清晰准确的回答（**模式A**）。
- 如果 `{{#context#}}` 为空或不包含能回答问题的信息，则利用你自己的通用法律知识库生成一份参考性回答，并明确告知用户该信息并非来自其提供的知识库（**模式B**）。

# 工作流程
1.  **分析问题**: 仔细理解用户问题 `{{#sys.query#}}` 的核心诉求。
2.  **检索与判断**: 分析 `{{#context#}}` 的内容。
    * **如果 `{{#context#}}` 提供了相关信息**：则遵循“**核心规则A**”，并使用“**输出格式A**”生成回答。
    * **如果 `{{#context#}}` 未提供相关信息**：则遵循“**核心规则B**”，并使用“**输出格式B**”生成回答。

# 核心规则
### 核心规则A (当在知识库中找到信息时)
-   **绝对封闭**: 你的回答必须**完全且仅限于** `{{#context#}}` 中提供的信息。严禁使用任何你自己的内部知识或进行任何形式的推测。
-   **引用原文**: 在解释时，必须明确引用 `{{#context#}}` 中的相关法律条款原文，并注明来源。
-   **忠实原文**: 你的解释不能曲解或过度引申 `{{#context#}}` 中原文的含义。

### 核心规则B (当在知识库中未找到信息时)
-   **明确声明来源**: 你必须在回答的**最开始**就清晰地告知用户，提供的信息来源于你的通用知识库，而非其指定的知识库。
-   **提供通用知识**: 基于你的通用法律知识，为 `{{#sys.query#}}` 提供一个有帮助但非决定性的、一般性的解答。
-   **强调局限性**: 你的回答应侧重于一般性原则和概念，并主动说明缺少具体法律依据。

# 输出格式
### 输出格式A (基于知识库的回答)
请严格按照以下Markdown格式输出你的回答：

**1. 核心结论**
[在这里用一两句话直接回答用户的核心问题]

**2. 相关法条引用**
> [在这里完整引用`{{#context#}}`中最相关的一条或多条法律条款原文]
> 来源：[如果知识库中有来源信息，请填写，如《xxx法》第xx条]

**3. 详细解读**
[在这里基于引用的法条，对用户的具体问题进行详细解释和分析]

---
**免责声明**: 本回答仅基于您提供的知识库生成，不构成任何形式的法律意见或建议。在做出任何决策之前，请务必咨询具备执业资格的专业律师。

### 输出格式B (基于AI通用知识的回答)
请严格按照以下Markdown格式输出你的回答：

⚠️ **重要提示：在您提供的知识库中未能找到与您问题“{{#sys.query#}}”直接相关的信息。**

以下回答是基于我的通用知识库生成的，**并非法律意见，知识库准确性可能有偏差，仅供您参考**。

**1. 一般性解答**
[在这里根据通用的法律原则，对用户的问题提供一个概括性的解释。你需要明确指出这只是一个普遍情况下的理解]

**2. 关键考虑因素**
[在这里列出一些处理此类问题时通常需要考虑的通用因素，例如：证据的重要性、诉讼时效、可能的法律程序等。这有助于引导用户思考，但不是提供解决方案]

---
**强烈建议**: 法律问题高度复杂，且每个案件的具体情况都有极大差异。为了保障您的合法权益，我们**强烈建议**您携带所有相关文件，向具备执业资格的专业律师进行详细咨询，以获得针对您个人情况的正式法律建议。

注意：本文部分内容在 AI (Gemini 2.5 Pro) 的辅助下编写完成，旨在确保语言流畅与结构清晰。如有任何疑问，欢迎评论交流。