书接上文，我们上一篇文章实操了如何在本地来部署RAGflow，那如何将RAGflow作为知识库接入到dify，作为 Dify的外挂知识库？那这一篇文章，我们就来分享一下，如何操作的。
正式开始之前我们还要解决一个小问题，安装好的Dify，忽然就不能加载了。通过分析，应该是我们当时装RAGflow的时候，删除了Docker。这里应该也包含着Dify的docker。
那进入Dify的Docker目录下，执行docker compose up -d, 重新进行加载，然后再访问Dify，这次没有问题了。
那下面我们正式开始这次的正式介绍了。
RAGflow 添加模型
1. 首先来创建知识库。
2. 首次使用提示我们先添加嵌入模型和LLM。
3. 通过配置Siliconflow的API key，添加上模型。
4. 设置默认模型，选择硅基内的一个LLM。
嵌入模型，包括有bge-large-zh/en 1.5, bge-m3, 还包括有网易有道的bce Embedding。
默认的图像转文字模型，内置的有Janus-pro，有优秀的文本生成图像和多模态理解能力。还有Qwen的QVQ-72B。
Rerank模型，默认选择bge-reranker-v2-m3即可。
RAGflow 新增知识库
我们可以看到在添加的知识库中，所需要的配置还是比较多的，我们这里先进行Dify与RAGflow的关联调取。后面再详细的来介绍具体RAGflow的参数配置的含义。
有关配置
我们在添加具体的文件，上传我们需要解析的知识库文档。
上传文件时，可同步进行解析。
同时提供单个文件解析，同时也提供批量解析
忘记选择也没有关系，上传后可在进行解析。
通过观察，发现整体的解析速度不是很快，然后等待了一段时间，发现整体文档的解析进度一点没有变。当时就怀疑肯定是有问题的，我们的文档10M都不到，不应该解析很慢。
在docker中查看运行日志，发现有exception。
通过日志的查看，发现是无法连接到 Redis 服务，导致任务队列系统崩溃。
通过查询，docker的状态是up的。应该没有问题。
查看Redis 容器的 IP 地址，将这个地址在配置文件中进行修改。
修改.env文件，一个是修改HOST，改为本地的IP，还有就是端口和dify的redis冲突了，这里也改为6380。
修改后，重新将docker重新加载，终于没问题了。
pdf文件的内容形式还是比较复杂的，有文字，有图片，有表格。解析的时间大概2分钟吧，不算很快。
RAGflow API
在RAGflow的设置中，我们创建一个新的秘钥。
今天的文章先更新到这里，后续在介绍DIfy的功能配置。这里发现有一个大坑，redis有冲突，而且dify和ragflow会互相覆盖，这里有个明显的问题。后面就是攻克这个难题了。同时大家是如何配置的，也可以留言进行交流。
