ChatGPT 企业知识库搭建｜附完整命令

在企业内部，知识往往分散在各种地方：飞书文档、企业微信、PDF 制度文件、产品手册、技术文档、客服 FAQ、销售话术、项目复盘、合同模板等。员工想找到一个准确答案，常常需要翻群消息、问同事、搜网盘，效率很低。

而基于 ChatGPT 搭建企业知识库，可以把企业资料统一整理成可检索、可问答的智能知识系统。员工只需要像聊天一样提问，例如：

“公司报销差旅费需要哪些材料？”
“我们产品 A 和产品 B 的区别是什么？”
“客户问某个功能不支持时，客服应该怎么回复？”
“这个接口的鉴权方式是什么？”

系统就能基于企业内部文档进行回答，并尽量给出引用来源，减少人工查找成本。

本文将介绍一种适合企业落地的知识库搭建方案，并附上完整部署命令。整体方案基于 Dify + Docker + OpenAI / Azure OpenAI / 兼容大模型 API，适合中小团队快速搭建，也适合企业作为知识库原型验证。

一、企业知识库的核心原理

ChatGPT 企业知识库通常不是直接把所有企业文档一次性塞进模型里，而是采用 RAG 技术。

RAG 的全称是：

Retrieval-Augmented Generation，检索增强生成。

它的基本流程如下：

1. 企业上传文档，例如 PDF、Word、Markdown、网页、FAQ；
2. 系统将文档切分成多个小片段；
3. 使用 Embedding 模型把文本片段转换为向量；
4. 向量存入向量数据库；
5. 用户提问时，系统先把问题转成向量；
6. 从向量数据库中检索最相关的文档片段；
7. 将检索到的内容和用户问题一起交给大模型；
8. 大模型基于检索内容生成答案。

这样做有几个好处：

• 不需要重新训练大模型；
• 企业文档可以持续更新；
• 成本相对较低；
• 可以控制知识来源；
• 支持权限、引用、日志和审计；
• 回答更贴近企业真实资料。

二、推荐技术方案

本文采用如下方案：

为什么选择 Dify？

Dify 是一个开源的大模型应用开发平台，支持：

• 可视化创建聊天机器人；
• 上传企业知识库；
• 支持 RAG；
• 支持 OpenAI、Azure OpenAI、Anthropic、通义千问、智谱、DeepSeek、Ollama 等模型；
• 支持 API 调用；
• 支持工作流；
• 支持团队协作；
• 支持 Docker 快速部署。

对于企业内部知识库来说，Dify 的门槛比较低，不需要从零开发前端、后端、向量检索和文档解析系统。

三、服务器准备

建议服务器配置如下：

1. 最低配置

2. 推荐配置

如果企业文档较多，建议至少准备 8GB 内存。
如果需要本地部署大模型，例如 Qwen、Llama、DeepSeek 等，则需要更高配置，最好配备 GPU。

本文默认使用 Ubuntu 22.04。

四、安装基础环境

先登录服务器。

ssh root@你的服务器IP

更新系统软件包：

apt update && apt upgrade -y

安装常用工具：

apt install -y curl wget git vim unzip htop net-tools ca-certificates gnupg lsb-release

设置服务器时区：

timedatectl set-timezone Asia/Shanghai

查看时间是否正确：

date

五、安装 Docker

如果服务器还没有 Docker，可以使用下面命令安装。

卸载旧版本 Docker：

apt remove -y docker docker-engine docker.io containerd runc

安装依赖：

apt install -y ca-certificates curl gnupg

创建 Docker GPG 目录：

install -m 0755 -d /etc/apt/keyrings

添加 Docker 官方 GPG Key：

curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
  | gpg --dearmor -o /etc/apt/keyrings/docker.gpg

设置权限：

chmod a+r /etc/apt/keyrings/docker.gpg

添加 Docker 软件源：

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

更新软件源：

apt update

安装 Docker 和 Docker Compose：

apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

启动 Docker：

systemctl enable docker
systemctl start docker

检查 Docker 版本：

docker version

检查 Docker Compose 版本：

docker compose version

六、部署 Dify 企业知识库平台

进入安装目录：

mkdir -p /opt
cd /opt

拉取 Dify 源码：

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

进入 Docker 部署目录：

cd /opt/dify/docker

复制环境变量配置文件：

cp .env.example .env

编辑配置文件：

vim .env

在 .env 文件中，需要重点关注以下配置。

1. 修改访问域名

如果你暂时没有域名，可以先用服务器 IP。

CONSOLE_WEB_URL=http://你的服务器IP
APP_WEB_URL=http://你的服务器IP
SERVICE_API_URL=http://你的服务器IP

如果你已经准备好域名，例如：

kb.example.com

则可以配置为：

CONSOLE_WEB_URL=https://kb.example.com
APP_WEB_URL=https://kb.example.com
SERVICE_API_URL=https://kb.example.com

2. 设置密钥

为了安全，建议修改密钥字段。可以使用下面命令生成随机密钥：

openssl rand -base64 42

然后在 .env 中修改类似字段，例如：

SECRET_KEY=你生成的随机字符串

3. 配置上传文件大小

企业知识库经常需要上传 PDF、Word、Excel 等文件，可以适当调大上传限制。

UPLOAD_FILE_SIZE_LIMIT=100

表示单个文件最大 100MB。

七、启动 Dify

在 /opt/dify/docker 目录下执行：

docker compose up -d

查看容器状态：

docker compose ps

正常情况下，你会看到多个服务处于 running 状态，例如：

api
worker
web
db
redis
nginx
weaviate

查看日志：

docker compose logs -f

如果只想查看 API 日志：

docker compose logs -f api

如果只想查看 Web 日志：

docker compose logs -f web

等待几分钟后，访问：

http://你的服务器IP

或者：

https://你的域名

首次访问时，按照页面提示创建管理员账号。

八、配置大模型 API

登录 Dify 后，进入：

设置 -> 模型供应商

根据你的实际情况选择模型。

方案一：使用 OpenAI

如果使用 OpenAI，需要准备：

• OpenAI API Key；
• 可访问 OpenAI API 的网络环境。

常见配置：

Provider: OpenAI
API Key: sk-xxxx
Model: gpt-4o-mini / gpt-4.1-mini / gpt-4o
Embedding Model: text-embedding-3-small

推荐组合：

方案二：使用 Azure OpenAI

如果企业已经采购 Azure OpenAI，可以选择 Azure OpenAI，并填写：

API Key
API Base
API Version
Deployment Name

示例：

API Base: https://你的资源名.openai.azure.com
API Version: 2024-02-15-preview
Deployment Name: gpt-4o-mini

方案三：使用兼容 OpenAI API 的模型

很多国产模型平台也支持 OpenAI Compatible API，例如：

• DeepSeek；
• 通义千问；
• 智谱；
• Moonshot；
• 火山方舟；
• 零一万物；
• 本地 vLLM；
• One API；
• LiteLLM。

如果使用兼容 OpenAI API 的服务，通常需要填写：

Base URL
API Key
Model Name

例如 DeepSeek：

Base URL: https://api.deepseek.com
API Key: sk-xxxx
Model: deepseek-chat

九、创建企业知识库

登录 Dify 后，进入：

知识库 -> 创建知识库

建议按照部门或业务场景拆分知识库，例如：

公司制度知识库
产品资料知识库
客服话术知识库
技术文档知识库
销售培训知识库
项目交付知识库

不要把所有资料都混在一个知识库里。
合理拆分可以提高检索准确率，也方便后续权限管理。

十、上传企业文档

Dify 支持多种文档格式，常见包括：

• PDF；
• TXT；
• Markdown；
• HTML；
• DOCX；
• CSV；
• Excel；
• 网页内容。

上传文档时，建议注意以下几点：

1. 文档标题要清晰

不建议使用：

新建文档1.pdf
最终版.docx
最终版修改版.docx
销售资料.pdf

建议使用：

2024版员工报销制度.pdf
产品A用户操作手册-v1.3.pdf
客服售后问题处理SOP.docx
销售标准话术-企业客户版.md

2. 文档内容要结构化

知识库并不是魔法。
如果原始文档非常混乱，模型也很难给出稳定答案。

建议文档使用清晰结构：

# 标题

## 一、适用范围

## 二、具体规则

## 三、操作流程

## 四、常见问题

## 五、联系方式

3. 避免过多无意义内容

例如页眉、页脚、重复声明、乱码、目录页、广告图等，都会影响检索质量。

4. 推荐使用 Markdown

对于制度、流程、FAQ、产品说明等内容，Markdown 往往比 PDF 更适合知识库。

示例：

# 差旅报销制度

## 适用范围

本制度适用于公司正式员工因公出差产生的费用报销。

## 报销材料

员工提交差旅报销时，需要提供以下材料：

1. 出差申请单；
2. 发票；
3. 行程单；
4. 付款凭证；
5. 部门负责人审批记录。

## 报销时限

员工应在出差结束后 7 个工作日内提交报销申请。

十一、创建聊天应用

知识库创建完成后，需要创建一个聊天应用。

进入：

工作室 -> 创建应用 -> 聊天助手

应用名称可以设置为：

企业知识库助手

然后在应用配置中添加刚才创建的知识库。

建议系统提示词设置如下：

你是公司的企业知识库助手。请严格基于已提供的知识库内容回答问题。
如果知识库中没有相关信息，请明确说明“根据当前知识库资料，暂未找到相关信息”，不要编造答案。
回答时请尽量使用清晰的条目结构。
如果检索结果包含来源，请在答案末尾列出参考来源。

这个提示词很重要，它可以降低模型胡编乱造的概率。

十二、推荐的知识库参数

不同平台版本界面略有差异，但一般会有以下参数。

1. Top K

表示每次从知识库中取多少个相关片段。

推荐值：

3 - 8

如果文档内容较短，可以设置为 3。
如果业务复杂，可以设置为 5 或 8。

2. 相似度阈值

表示检索结果与问题的相关程度。

推荐值：

0.4 - 0.7

如果阈值太低，可能引入无关内容。
如果阈值太高，可能检索不到内容。

3. 分段长度

推荐：

500 - 1000 tokens

制度类、FAQ 类文档可以分段短一点。
技术文档、产品手册可以适当长一点。

4. 是否开启引用来源

建议开启。

企业知识库不是普通聊天机器人，答案最好可以追溯来源。
这样员工可以知道答案来自哪份制度、哪份手册、哪份 SOP。

十三、通过 API 调用企业知识库

Dify 支持 API 调用。你可以把企业知识库集成到：

• 企业微信机器人；
• 飞书机器人；
• 钉钉机器人；
• 内部 OA；
• CRM；
• 工单系统；
• 官网客服；
• 浏览器插件；
• 内部管理后台。

在 Dify 应用中获取 API Key 后，可以使用下面命令测试。

1. 阻塞式调用

curl -X POST 'http://你的服务器IP/v1/chat-messages' \
  -H 'Authorization: Bearer app-你的APIKey' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "员工差旅报销需要提交哪些材料？",
    "response_mode": "blocking",
    "conversation_id": "",
    "user": "employee-001"
  }'

如果使用 HTTPS 域名：

curl -X POST 'https://kb.example.com/v1/chat-messages' \
  -H 'Authorization: Bearer app-你的APIKey' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "产品A支持哪些支付方式？",
    "response_mode": "blocking",
    "conversation_id": "",
    "user": "employee-001"
  }'

2. 流式调用

流式调用适合聊天窗口，可以边生成边展示。

curl -X POST 'https://kb.example.com/v1/chat-messages' \
  -H 'Authorization: Bearer app-你的APIKey' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "请总结客服处理退款问题的标准流程",
    "response_mode": "streaming",
    "conversation_id": "",
    "user": "employee-001"
  }'

十四、配置 Nginx 和 HTTPS

如果你已经在 Dify Docker 中使用自带 Nginx，可以先通过 HTTP 访问。
但企业正式使用时，建议配置 HTTPS。

假设你的域名是：

kb.example.com

并且已经将域名 A 记录解析到服务器 IP。

安装 Nginx：

apt install -y nginx

安装 Certbot：

apt install -y certbot python3-certbot-nginx

创建 Nginx 配置：

vim /etc/nginx/sites-available/kb.example.com

写入以下内容：

server {
    listen 80;
    server_name kb.example.com;

    client_max_body_size 100M;

    location / {
        proxy_pass http://127.0.0.1:80;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_read_timeout 300;
        proxy_connect_timeout 300;
        proxy_send_timeout 300;
    }
}

启用站点：

ln -s /etc/nginx/sites-available/kb.example.com /etc/nginx/sites-enabled/

检查配置：

nginx -t

重启 Nginx：

systemctl restart nginx

申请 HTTPS 证书：

certbot --nginx -d kb.example.com

查看证书自动续期：

certbot renew --dry-run

注意：如果 Dify 自带的 Docker Nginx 已经占用了服务器 80 端口，则外部 Nginx 可能无法启动。实际部署时可以选择一种方式：

1. 使用 Dify 自带 Nginx；
2. 修改 Dify Docker 端口，例如映射到 8080；
3. 再由宿主机 Nginx 反向代理到 8080。

如果需要修改 Dify 的端口，可以编辑：

cd /opt/dify/docker
vim docker-compose.yaml

找到 Nginx 服务端口映射，例如：

ports:
  - "80:80"
  - "443:443"

改成：

ports:
  - "8080:80"

然后重启：

docker compose down
docker compose up -d

此时宿主机 Nginx 的 proxy_pass 应该改为：

proxy_pass http://127.0.0.1:8080;

十五、数据备份与恢复

企业知识库一定要做备份。
至少需要备份：

• PostgreSQL 数据；
• 上传文件；
• 向量数据库数据；
• .env 配置文件；
• docker-compose 配置。

进入部署目录：

cd /opt/dify/docker

查看容器名称：

docker compose ps

1. 备份 PostgreSQL

创建备份目录：

mkdir -p /opt/backup/dify

执行数据库备份：

docker compose exec db pg_dump -U postgres dify > /opt/backup/dify/dify_db_$(date +%F).sql

如果数据库用户名或库名不同，请以 .env 配置为准。

2. 备份 Dify 配置

cp /opt/dify/docker/.env /opt/backup/dify/.env_$(date +%F)
cp /opt/dify/docker/docker-compose.yaml /opt/backup/dify/docker-compose_$(date +%F).yaml

3. 备份 Docker Volume

查看 volume：

docker volume ls

可以用 tar 备份指定 volume，例如：

docker run --rm \
  -v docker_app_storage:/data \
  -v /opt/backup/dify:/backup \
  alpine \
  tar czf /backup/app_storage_$(date +%F).tar.gz -C /data .

实际 volume 名称可能不同，可以通过以下命令确认：

docker volume ls | grep dify

4. 定时备份

编辑定时任务：

crontab -e

添加每天凌晨 2 点备份：

0 2 * * * cd /opt/dify/docker && docker compose exec -T db pg_dump -U postgres dify > /opt/backup/dify/dify_db_$(date +\%F).sql

十六、系统升级命令

Dify 会持续更新。升级前一定要先备份。

进入目录：

cd /opt/dify

拉取最新代码：

git pull

进入 Docker 目录：

cd /opt/dify/docker

拉取最新镜像：

docker compose pull

重启服务：

docker compose down
docker compose up -d

查看状态：

docker compose ps

查看日志：

docker compose logs -f

十七、常见问题排查

1. 容器没有启动

查看容器状态：

docker compose ps

查看日志：

docker compose logs -f

如果某个服务异常，例如 api：

docker compose logs -f api

2. 端口被占用

查看 80 端口占用：

lsof -i:80

或：

netstat -tunlp | grep :80

如果是 Nginx 占用，可以停止：

systemctl stop nginx

如果是其他容器占用：

docker ps

停止指定容器：

docker stop 容器ID

3. 上传文件失败

检查上传大小限制：

cd /opt/dify/docker
vim .env

确认：

UPLOAD_FILE_SIZE_LIMIT=100

然后重启：

docker compose down
docker compose up -d

同时也要检查 Nginx 配置：

client_max_body_size 100M;

4. 知识库回答不准确

可以从以下几个方向优化：

• 原始文档是否清晰；
• 文档是否有重复内容；
• 分段是否过大或过小；
• Top K 是否合适；
• 相似度阈值是否过高；
• 提示词是否要求“基于知识库回答”；
• 是否开启了引用来源；
• 问题是否过于模糊；
• 是否需要拆分多个知识库。

5. 模型调用失败

检查模型 API Key 是否正确。
也可以在服务器上测试网络：

curl https://api.openai.com/v1/models \
  -H "Authorization: Bearer 你的OpenAI_API_Key"

如果使用兼容 API，例如 DeepSeek：

curl https://api.deepseek.com/v1/models \
  -H "Authorization: Bearer 你的APIKey"

十八、企业落地建议

搭建完成只是第一步，真正决定知识库效果的是后续运营。

1. 建立知识负责人制度

每个部门指定知识负责人，例如：

2. 定期清理旧文档

知识库中最危险的问题不是“没有答案”，而是“拿旧答案当新答案”。

建议：

• 每月检查高频文档；
• 每季度清理过期资料；
• 文档标题标注版本号；
• 废弃文档及时下线；
• 重要制度保留发布日期和生效日期。

3. 建立反馈机制

员工使用知识库时，应该能够反馈：

• 答案不准确；
• 答案过期；
• 没有找到答案；
• 来源文档错误；
• 需要补充知识。

这些反馈可以帮助知识库持续优化。

4. 控制敏感数据

不要随意上传以下内容：

• 客户隐私；
• 员工身份证信息；
• 银行账号；
• 合同敏感条款；
• 未公开财务数据；
• 源代码密钥；
• API Token；
• 数据库密码。

如果确实需要上传，应做好权限隔离和脱敏处理。

十九、适合接入的企业场景

ChatGPT 企业知识库可以优先落地以下场景：

1. HR 助手

可回答：

• 入职流程；
• 转正流程；
• 请假规则；
• 报销制度；
• 社保公积金；
• 公司福利；
• 绩效考核。

2. 客服助手

可回答：

• 产品常见问题；
• 退款规则；
• 投诉处理流程；
• 售后话术；
• 故障排查步骤；
• 客户升级策略。

3. 销售助手

可回答：

• 产品卖点；
• 竞品对比；
• 报价规则；
• 客户异议处理；
• 行业案例；
• 标准销售话术。

4. 技术助手

可回答：

• API 文档；
• 部署流程；
• 数据库规范；
• 故障排查；
• 代码规范；
• 运维 SOP。

5. 管理助手

可回答：

• 公司制度；
• 审批流程；
• 项目管理规范；
• 会议纪要；
• 战略资料；
• 经营分析口径。

二十、总结

通过 Dify、Docker 和大模型 API，我们可以较快搭建一套 ChatGPT 企业知识库系统。它不需要重新训练大模型，而是通过 RAG 技术，把企业文档转换成可检索、可问答的知识系统。

完整流程包括：

1. 准备服务器；
2. 安装 Docker；
3. 部署 Dify；
4. 配置模型 API；
5. 创建知识库；
6. 上传企业文档；
7. 创建聊天助手；
8. 配置检索参数；
9. 接入企业内部系统；
10. 做好备份、安全和持续运营。

需要注意的是，企业知识库不是一次性项目，而是持续运营项目。
模型能力决定回答上限，文档质量决定回答下限，知识运营决定长期价值。

如果企业希望快速验证 AI 知识库价值，可以先选择一个小范围场景，例如 HR 制度问答或客服 FAQ，整理 20 到 50 份高质量文档，搭建一个 MVP 版本。等效果稳定后，再逐步扩展到产品、销售、技术、交付、管理等更多业务场景。

只要文档质量足够好，权限控制足够清晰，反馈机制足够完善，ChatGPT 企业知识库就能成为企业内部非常实用的 AI 助手。