华为云Flexus+DeepSeek征文｜利用华为云一键部署的Dify平台构建高效智能电商客服系统实战

前言

1 华为云快速搭建 Dify-LLM 应用平台

1.1 一键部署简介

1.2 设置管理员账号登录dify平台

2 接入 DeepSeek 大模型与 Reranker 模型

2.1 接入自定义 LLM 模型

2.2 设置 Reranker 模型

3 构建电商知识库

3.1 数据源选择

3.2 分段设置与清洗

3.3 处理并完成

4 开发电商客服系统

4.1 开始节点

4.2 知识检索节点

4.3 LLM 节点

4.4 直接回复节点

5 应用运行与接入方式

5.1 应用预览

5.2 正式运行

5.3 嵌入网页

5.4 API 集成

6 华为云部署使用体会

结语

前言

随着大模型技术的迅猛发展，越来越多的企业开始寻求智能客服解决方案以提升用户满意度、降低人力成本。传统的客服系统往往搭建复杂、响应缓慢、无法实现动态更新。而 Dify 平台凭借其灵活的工作流引擎、知识库增强功能以及对大模型的高度兼容性，成为快速构建智能客服系统的理想工具。

在本篇博客中，我们将介绍如何通过华为云一键部署 Dify 平台，并接入基于 ModelArts Studio 的 DeepSeek 大模型，构建一个具备电商知识库支持的智能客服系统。我们还将详细讲解部署过程、知识库构建、工作流设计以及应用嵌入方式，助力你快速搭建高可用、可扩展的企业级客服解决方案。

1 华为云快速搭建 Dify-LLM 应用平台

1.1 一键部署简介

华为云为 Dify 提供了便捷的一键部署解决方案，用户无需手动安装依赖或配置复杂环境，即可快速上线一套完整的 LLM 应用平台。

通过资源编排模板，部署过程仅需四个步骤：

a.选择部署模板：登录华为云资源编排服务，搜索并选择 Dify 部署模板。

b. 填写部署参数：包括服务器配置、数据库信息、管理员账号等。

c. 创建资源栈：确认配置后，点击“部署”按钮自动创建资源。

d. 部署完成访问：几分钟内系统自动完成搭建，访问分配的公网地址即可登录。

1.2 设置管理员账号登录dify平台

部署完成后首次登录需设置管理员账号，包括邮箱、用户名和密码。

设置成功后，即可进入 Dify 平台的主控制台，进行模型配置、知识库管理、工作流创建等操作。

2 接入 DeepSeek 大模型与 Reranker 模型

2.1 接入自定义 LLM 模型

Dify 支持与兼容 OpenAI API 接口的大语言模型进行无缝集成。在本项目中，我们选择接入部署于华为云 ModelArts Studio 的 DeepSeek 模型。

配置过程中，首先在 Dify 的模型管理页面选择“OpenAI-API-compatible”类型，然后填写 ModelArts 推理服务提供的 Endpoint 地址。接着，将 ModelArts 平台分配的 Token 复制到 Dify 所需的 API Key 栏中进行授权。为了便于管理与调用，我们为该模型自定义了名称，例如设置为DeepSeek-V3，以便后续在工作流或应用中直接引用。

2.2 设置 Reranker 模型

为了提高知识检索的质量，我们在系统中集成了硅基流动Reranker 模型（重排序模型），选用的是 BAAI/bge-reranker-v2-m3。该模型通过 Dify 提供的 Re-ranking 插件进行调用，用户只需在插件配置页面中填写部署推理服务所需的 API Key 授权信息即可完成接入。引入重排序模型后，Dify 在知识检索阶段可以根据语义相关性对初步召回的文档结果进行优化排序，从而为大模型生成更加精准的上下文输入。这一优化显著提升了整体问答的准确度和用户体验。

通过上述设置，Dify 的问答能力得到了显著提升，能够结合上下文和检索文档提供更符合语义的智能回复。

3 构建电商知识库

为了让客服系统具备更强的领域知识理解与回答能力，我们需要提前构建一个高质量的电商知识库。Dify 平台支持灵活多样的数据导入方式，并通过自动化处理与配置，实现对文档的分段、嵌入和索引。我们以电商领域的常见问题、商品政策说明、退换货流程等资料为基础，构建了一套完整的知识库体系。

3.1 数据源选择

在知识库构建过程中，首先需要选择合适的数据来源。Dify 支持多种格式的文档上传，包括 .docx、.pdf、.txt 等，适用于大多数企业内部已有的知识整理材料。用户只需在平台中创建新的知识库，并点击“导入数据”，即可上传本地文档或填写网页链接进行内容采集。在电商场景中，我们建议优先整理 FAQ 问答文件、客户服务手册、售后说明等高频使用内容。

3.2 分段设置与清洗

数据导入后，Dify 会自动识别文档结构，并提供分段规则设置选项。常见的分段方式包括“按标点断句”、“按标题分节”或“自定义规则”。为了提高后续检索质量，我们选择按标点符号进行分段，同时开启“清除空行”和“合并短句”功能，以提升文本的连续性和语义完整度。在这个阶段，系统还会自动清理格式冗余信息，确保每个段落都适合作为独立的知识块参与后续检索。

在配置检索策略时，我们选择了“高质量索引”模式，并设定嵌入模型为 BAAI/bge-large-zh-v1.5，该模型在中文语义理解方面表现优异。检索方式采用“混合检索”，结合稠密向量匹配与稀疏关键字匹配，提高召回率。为进一步优化结果排序，我们接入了重排序模型 BAAI/bge-reranker-v2-m3，使得最终返回的文档更贴近用户提问意图。

参数项	配置值
索引质量	高质量
Embedding 模型	BAAI/bge-large-zh-v1.5
检索方式	混合检索（稠密 + 稀疏）
Reranker 模型	BAAI/bge-reranker-v2-m3

3.3 处理并完成

配置完成后，用户只需点击“下一步，系统便会启动自动化处理流程，完成文本向量化和索引构建。

通过以上三个步骤，我们顺利完成了一个结构清晰、语义丰富的电商知识库，为后续智能客服系统的知识检索能力打下了坚实基础。

4 开发电商客服系统

基于 Dify 工作流机制，我们设计了一个包含四个节点的客服流程：开始、知识检索、调用LLM、直接回复。

该流程不仅逻辑清晰，还能自动利用知识库内容进行辅助问答。

4.1 开始节点

该节点作为入口，接收用户的输入问题，系统自动转交至后续知识检索环节。

4.2 知识检索节点

该节点引入前文构建的电商知识库，在接收到用户提问后，通过向量匹配、重排序方式检索出最相关的知识片段，作为上下文输入传递给后续大模型处理。

4.3 LLM 节点

在此节点，系统调用 DeepSeek 模型进行响应生成。提示词中可加入如下结构：

这是一套电商客服系统，请使用温柔且专业的语气进行回复。若用户有情绪性的发言，请尽量安抚情绪，并给予适当的协助，避免让用户觉得你是一个冷漠的 AI 机器人。在回答问题时，请结合上下文内容，以专业客服的口吻进行回应；若提问内容与上下文无关，请用和缓的语气与用户进行寒暄，并引导用户联系专业客服人员处理。

4.4 直接回复节点

将 LLM 的响应内容直接输出，展示给用户。可配置响应样式，如 Markdown 渲染、引文附注等，提升可读性与专业度。

5 应用运行与接入方式

5.1 应用预览

开发完成后，可在 Dify 控制台中直接预览应用效果。用户提问后，系统展示检索片段、模型回复以及引用来源，便于调试与优化。

5.2 正式运行

点击“运行应用”后，系统将以生产模式提供服务。每次用户访问均为独立会话，并支持对话记录查看。

5.3 嵌入网页

Dify 支持将智能客服灵活嵌入至任意网页场景中，用户可以根据业务需求选择悬浮按钮、对话框或内嵌模块等不同形式进行集成。

接入方式非常简单，只需在 Dify 应用配置页面中复制生成的 HTML 代码片段，然后粘贴到目标网页的对应位置，即可实现客服组件的嵌入。

5.4 API 集成

企业用户还可以通过 Dify 提供的 API 与自身业务系统进行集成，实现更高级的自动化能力。平台开放了包括 Chat 对话、Completion 补全、Embedding 向量生成等多种接口类型，便于不同场景的调用需求。在安全方面，所有 API 请求均需通过 Token 进行身份验证，确保访问安全可控。