三剑合璧:Dify + RustFS + Milvus,打造文档多语言翻译AI Workflow!-CSDN博客 --知识铺
本文利用 Dify + RustFS + Milvus 搭建一个文档的多语言翻译 workflow,实现将中文文档同时翻译为英语、日语、俄语、韩语(如果想要,可以随意加)。有了 AI,文档的撰写和多语种翻译从未像今天这样高效。
关于 Dify
Dify [1] 是一款开源的大语言模型(LLM)应用开发平台。它融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员,也能参与到 AI 应用的定义和数据运营过程中。目前 Dify 在 GitHub 上的 Star 已经超过 116k。
安装 Dify
Dify 官方提供了 docker-compose.yaml
[2]来用 Docker Compose 的方式私有化部署一个 Dify 实例。官方也提供了这种安装模式下各组件的架构示意图:
由架构图中看到,Dify 会将向量数据存储到向量数据库,而且官方支持多款向量数据库,诸如 weaviate
、qdrant
、opensearch
、miluvs
等。需要通过 VECTOR_STORE
来指定使用的向量数据库。本次实践使用 milvus
,需要对 docker-compose.yaml
文件做一些变更。
Milvus 配置修改
修改的配置如下:
- 指定使用 milvus 向量数据库
|
|
- 镜像更换
,将当前官方默认的 2.5.15 替换为 2.6.0 或 2.6.2
|
|
使用默认的
2.5.15
镜像出现了 IndexNode 19530 端口被占用的问题,更换镜像后问题消失。
- 修改 milvus 地址
|
|
Minio 配置修改
在上一篇文章 Milvus + RustFS + Vibe Coding,快速 DIY 一个 Chatbot 中写到了,milvus 支持将 minio 配置为对象存储后端,由于 RustFS 作为 minio 的完全平替,因此可以将 RustFS 配置为 milvus 的对象存储后端,在 docker-compose.yaml
文件中添加如下内容:
|
|
注释掉与 minio 相关的内容:
|
|
更新以下环境变量信息:
|
|
同时需要告诉 Dify 使用 S3 存储而不是本地存储:
|
|
将 S3 相关的环境变量信息更改为 RustFS 实例的具体信息:
|
|
需要修改的信息已经整理完毕,下面开始正式安装部署。
安装 Dify
将 Dify 代码[3]克隆到本地,按照前面步骤中的变更修改 docker-compose.yaml
文件,然后执行如下命令进行安装:
|
|
查看安装结果:
|
|
所有服务运行正常后,dify web 页面可通过 localhost/install
访问(如果是在云端服务器安装,可将 localhost
替换为服务器 IP)。
初始化登录需要设置邮箱地址和密码,设置完毕登录,可看到 Dify web 页面:
图中的 docs-trans 不是默认的,是我自己创建的 workflow。
接下来利用 Dify 构建一个 workflow:将 RustFS 与 milvus 集成的中文文档(一个 Markdown 文件)[4]翻译成英语、日语、俄语以及韩语。
构建 Dify workflow
整体流程如下:
上传文件
Dify workflow 中支持对文件进行上传,而且支持多种文件格式,包括 TXT
、PDF
、MARKDOWN
、DOCS
等。
在 Dify Start 节点的 SETTINGS --> INPUT FIELD
中选择文件类型,并选择文件上传方式:
本次实践使用 RustFS 和 Milvus 集成的文档,是一个 Markdown 文件,因此文件类型选择 Document;上传方式选择 Local Upload。
读取文件内容
由于 LLM 没法直接读取文件内容,所以 Dify 提供了 文档提取器[5]来读取 Start 节点中上传的内容,然后将其喂给 LLM 进行翻译。
在 Start 节点后添加一个 DOC EXTRACTOR 节点,输入为 Start 节点上传的 Markdown 文件,输出为提取的文本内容(这时候会生成一个 text 变量,后续可引用),这些内容作为下一步,也就是 LLM 的输入,所以在 DOC EXTRACTOR 节点的 NEXT STEP 中都是 LLM。
用 LLM 翻译文档
Dify 的 LLM 节点可以调用大模型的能力来对上一个节点的输出内容进行操作。而且主流的大模型都支持,可以在 Web 页面 –> Plugins 中搜索可用的大模型,比如此次使用的 DeepSeek:
选择之后点击 Install 即可。
安装完毕后,要在模型提供商(Model Provider)中配置 API Key,后续才可在 Workflow 中调用:
然后添加 LLM 节点:
还需要做好以下配置:
-
在 MODEL 下拉菜单中选择想要使用(提前安装且配置了 API Key 的模型才会出现在该列表中),比如此次选择了
DeepSeek
; -
设置好提示词,也就是告诉大模型要做什么事情;比如本次使用的提示词为:
1
假设你是一位 RustFS 专家,将下面的内容翻译成英文/日语/俄语/韩语,同样按照 Markdown 格式输出,内容如下:
切记,要在系统提示词中选择上 DOCS EXTRACTOR 节点的输出(是一个 text 变量,输入
/
可直接选择)。
为每一个 DOC EXTRACTOR 都选择了一个 LLM,使用了类似的提示词(唯一的差别就是翻译的语种)。整体配置如下:
接下来将 LLM 的输出直接上传到 RustFS。
Dify 内置一个 API 服务,可以将上一步的文件作为输出进行预览和下载。这需要调整一下
docker-compose.yaml
文件,为了方便,直接使用现成的 RustFS 实例作为文档的最终输出载体,而且还能体验一下 Dify 的工具功能。
将文档上传至 RustFS
Dify 工具节点可以选择不同的工具来对上一个节点的内容进行处理,目前官方支持的工具有三种:
-
内置工具:Dify 第一方提供的工具;
-
自定义工具:用户自己导入或配置的工具;
-
工作流:将编排好的工作流发布为工具来使用)。
本次实践使用 Dify 提供的内置工具 —— minio 来存储翻译之后的内容。
工具在使用之前需要先安装,在 Dify Web 首页的 Tools 中搜索可用的工具:
由于已经安装好了 minio,所以 minio 展现在了最上面,如果未安装,在下面的搜索结果中,点击蓝色的 install 按钮即可完成安装。
在节点添加中点击 Tool 来选择已经安装好的工具 —— minio:
由于是上传文件,所以选择 MINIO_WRITER,然后输入 RustFS 实例相关信息:
主要信息:
-
MinIO Endpoint URL:RustFS 实例地址(比如是
localhost:9000
); -
MinIO Access Key:RustFS Access Key ID(比如默认的
rustfsadmin
); -
MinIO Secret Key:RustFS Secret Key ID(比如默认的
rustfsadmin
); -
Bucket Name:存储文件的存储桶名称,须提前在 RustFS 上创建。
-
Object Name:文件上传到存储中之后的对象名称,自定义即可;
-
Content:工具节点的输入,也就是 LLM 节点的输出,选择
text
即可;
由于本次实践是将中文文档翻译为 4 种不同语言,所以添加了 4 个 MINIO_WRITER 节点:
结束
Dify 每个工作流的尾部都要加一个结束节点,正常添加即可。
运行 workflow
点击右上角的 Run 按钮即可开始 workflow 的运行,点击之后在出现的界面中上传需要翻译的中文文档(Markdown 格式),然后点击 Start Run:
可以在界面上清晰的看到 workflow 的进度:
流程全部执行完毕后,可以在所有节点的右上角上看到绿色的通过标志。
结果验证
本次是将上传的 Markdown 文档(文件名称为 milvus.md
)翻译成英语、日语、俄语、韩语,然后分别上传到 RustFS 实例的四个存储桶中:en-translation、jp-translation、ru-translation、kr-translation,每个存储桶中对应有一个对象,分别是:en-milvus.md、jp-milvus.md、ru-milvus.md、kr-milvus.md:
存储桶中的存储对象:
可以直接选择某一个对象文件,点击啊 Preview 进行内容查看,比如查看韩语文档:
内容如下:
可以用类似的方法查看其他语言的文档内容,如果审核无误,可以直接下载,然后进行文档提交。
结束语
Dify 提供了一种灵活的方式让用户自行构建 AI 应用,整个过程可能就是拖拉拽 + 简单的编程,相比于全程使用 API 来将各种服务或者工具串联起来的纯编程模式,Dify 确实体验更好,不过要想熟练使用 Dify,也需要解决两个问题:
-
深度了解 Dify,包括架构和各个功能的使用,这个阅读文档 + 多动手实践就可以;
-
用户需要清楚的知道自己想要的 AI 应用或者 workflow 是怎样的,换言之,用户需要知道如何将 AI 能力引入到自己的实际需求中,这种情况下 Dify 才能发挥最大作用;
另外,minio 作为全球知名的对象存储系统,确实使用广泛,但是完全可以用 RustFS 来对 minio 进行平替。
Dify workflow 一旦上手,就会想 DIY 各种有趣工作流来优化自己的工作方式。后续还会继续探索 Dify 和其他应用的集成实践。
AI大模型从0到精通全套学习大礼包
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
只要你是真心想学AI大模型,我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来,我也真心希望帮助大家学好这门技术,如果日后有什么学习上的问题,欢迎找我交流,有技术上面的问题,我是很愿意去帮助大家的!
如果你也想通过学大模型技术去帮助就业和转行,可以点扫描下方👇👇
大模型重磅福利:入门进阶全套104G学习资源包免费分享!
01.从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点
02.AI大模型学习路线图(还有视频解说)
全过程AI大模型学习路线
03.学习电子书籍和技术文档
市面上的大模型书籍确实太多了,这些是我精选出来的
04.大模型面试题目详解
05.这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势,构建起"前沿课程+智能实训+精准就业“的高效培养体系。
课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事!
如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!
应届毕业生:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。
零基础转型:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
- 原文作者:知识铺
- 原文链接:https://index.zshipu.com/ai/post/20251007/%E4%B8%89%E5%89%91%E5%90%88%E7%92%A7Dify-+-RustFS-+-Milvus%E6%89%93%E9%80%A0%E6%96%87%E6%A1%A3%E5%A4%9A%E8%AF%AD%E8%A8%80%E7%BF%BB%E8%AF%91AI-Workflow-CSDN%E5%8D%9A%E5%AE%A2/
- 版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,非商业转载请注明出处(作者,原文链接),商业转载请联系作者获得授权。
- 免责声明:本页面内容均来源于站内编辑发布,部分信息来源互联网,并不意味着本站赞同其观点或者证实其内容的真实性,如涉及版权等问题,请立即联系客服进行更改或删除,保证您的合法权益。转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。也可以邮件至 sblig@126.com