Comment Configurer Dify : Guide Pratique

TL;DR

• Auto-hébergez Dify en 5 minutes avec Docker Compose (docker-compose up -d)
• Créez votre premier chatbot dans l'éditeur visuel — sans code requis
• Ajoutez le RAG en téléchargeant des documents dans une base de connaissances (supporte PDF, TXT, Markdown)
• Étendez avec des workflows, des API ou des fournisseurs de modèles personnalisés (OpenAI, Ollama, etc.)
• Déployez en production avec Kubernetes ou des fournisseurs cloud

1. Auto-hébergement avec Docker Compose

Prérequis

• Docker Engine ≥ 24.0.0 et Docker Compose ≥ 2.23.0 Guide d'installation Docker
• 4 Go+ de RAM, 2 vCPU (8 Go+ de RAM recommandés pour la production)
• Ports 3000 (frontend), 5001 (API) et 6379 (Redis) disponibles

Configuration étape par étape

1. Clonez le dépôt et accédez au répertoire :

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

   Copy

2. Copiez le fichier d'environnement exemple et modifiez-le :

   cp .env.example .env
   nano .env  # ou utilisez votre éditeur préféré
   

   Copy

   Variables clés à configurer :

   # Obligatoire pour l'auto-hébergement
   CONSOLE_API_URL=http://localhost:5001
   APP_API_URL=http://localhost:5001
   SECRET_KEY=votre-cle-secrete-aleatoire  # Générez avec `openssl rand -hex 32`
   
   # Optionnel : Configurer le serveur de messagerie (pour la réinitialisation des mots de passe)
   MAIL_DEFAULT_SENDER=no[email protected]
   SMTP_SERVER=smtp.votre-fournisseur.com
   SMTP_PORT=587
   SMTP_USERNAME[email protected]
   SMTP_PASSWORD=votre-mot-de-passe-smtp
   

   Copy

3. Démarrez les services :

   docker-compose up -d
   

   Copy

   Sortie attendue :

   Creating dify-redis    ... done
   Creating dify-db       ... done
   Creating dify-api      ... done
   Creating dify-worker   ... done
   Creating dify-web      ... done
   

   Copy

4. Vérifiez que les conteneurs fonctionnent :

   docker-compose ps
   

   Copy

   Sortie attendue :

   Name                Command               State           Ports
   -----------------------------------------------------------------
   dify-api      /bin/sh -c gunicorn ...   Up      0.0.0.0:5001->5001/tcp
   dify-db       docker-entrypoint.sh ...  Up      5432/tcp
   dify-redis    docker-entrypoint.sh ...  Up      6379/tcp
   dify-web      /docker-entrypoint.sh     Up      0.0.0.0:3000->3000/tcp
   dify-worker   /bin/sh -c celery -A ...  Up
   

   Copy

5. Accédez au tableau de bord Dify :

   • Ouvrez http://localhost:3000 dans votre navigateur.
   • Enregistrez un compte administrateur (ce sera le premier utilisateur).

Erreurs courantes et solutions

• Erreur : Port 3000 déjà utilisé Solution : Arrêtez le service en conflit ou changez le port dans docker-compose.yml (mettez à jour ports pour dify-web).

• Erreur : Connexion PostgreSQL refusée Solution : Vérifiez que DB_HOST=db dans .env (réseau interne Docker). Si vous utilisez une base de données externe, définissez DB_HOST avec l'IP ou le nom d'hôte correct.

• Erreur : Échec de la connexion Redis Solution : Vérifiez que REDIS_HOST=redis dans .env. Si Redis est externe, mettez à jour REDIS_HOST et assurez-vous que le port (6379) est ouvert.

2. Création de votre premier chatbot

Étape 1 : Accéder au Studio

1. Connectez-vous à Dify à l'adresse http://localhost:3000.
2. Cliquez sur "Studio" dans la barre latérale gauche.
3. Cliquez sur "Créer une application" et sélectionnez "Chatbot".

Étape 2 : Configurer le chatbot

1. Nom : Mon Premier Chatbot
2. Description : Un bot simple de questions-réponses pour tester Dify.
3. Fournisseur de modèle : Sélectionnez OpenAI (ou un autre fournisseur que vous avez configuré — voir Section 6).
   • Pour des tests locaux, utilisez Ollama avec un modèle comme llama3 (nécessite Ollama en cours d'exécution localement).
4. Modèle de prompt :

   Vous êtes un assistant utile. Répondez à la question de l'utilisateur de manière concise.
   
   Question de l'utilisateur : {{query}}
   

   Copy
5. Cliquez sur "Enregistrer" pour créer le chatbot.

Étape 3 : Tester le chatbot

1. Cliquez sur l'onglet "Débogage" dans l'éditeur du chatbot.
2. Posez une question de test (par exemple, Qu'est-ce que Dify ?).
3. Vérifiez que la réponse correspond à votre modèle de prompt.

Étape 4 : Publier le chatbot

1. Cliquez sur le bouton "Publier" en haut à droite.
2. Sélectionnez "Publier en production".
3. Votre chatbot est désormais accessible à l'adresse :

   http://localhost:3000/chatbot/{app-id}
   

   Copy
   (Remplacez {app-id} par l'ID de votre chatbot dans l'URL.)

3. Configuration de la base de connaissances et du RAG

Étape 1 : Créer une base de connaissances

1. Dans le tableau de bord Dify, cliquez sur "Knowledge" dans la barre latérale gauche.
2. Cliquez sur "Créer une base de connaissances".
3. Nom : Documentation Produit
4. Description : Documentation interne du produit pour le RAG.
5. Modèle d'embedding : Sélectionnez text-embedding-ada-002 (OpenAI) ou bge-small-en (local).
6. Cliquez sur "Enregistrer".

Étape 2 : Télécharger des documents

1. Cliquez sur l'onglet "Documents" dans votre base de connaissances.
2. Cliquez sur "Télécharger" et sélectionnez un fichier (supporte PDF, TXT, Markdown, DOCX, CSV).
   • Exemple : Téléchargez un PDF de votre documentation produit.
3. Attendez que le document soit traité (le statut passera de En file d'attente à Indexé).

Étape 3 : Connecter la base de connaissances à votre chatbot

1. Ouvrez votre chatbot dans le Studio.
2. Cliquez sur l'onglet "Contexte" dans la barre latérale gauche.
3. Cliquez sur "Ajouter une base de connaissances" et sélectionnez Documentation Produit.
4. Mettez à jour le modèle de prompt pour inclure la base de connaissances :

   Vous êtes un assistant utile. Utilisez le contexte suivant pour répondre à la question de l'utilisateur :
   
   Contexte :
   {{knowledge}}
   
   Question de l'utilisateur : {{query}}
   

   Copy
5. Cliquez sur "Enregistrer" et testez le chatbot avec une question sur votre documentation.

Étape 4 : Configurer les paramètres avancés du RAG

1. Dans l'onglet Contexte, cliquez sur l'icône d'engrenage (⚙️) à côté de votre base de connaissances.
2. Ajustez les paramètres suivants :
   • Top K : 3 (nombre de morceaux à récupérer)
   • Seuil de score : 0.5 (score de pertinence minimum)
   • Mode de récupération : Unique (ou Multiple pour les requêtes multi-documents)
3. Cliquez sur "Enregistrer".

4. Constructeur de workflows

Étape 1 : Créer un workflow

1. Dans le tableau de bord Dify, cliquez sur "Studio" > "Créer une application" > "Workflow".
2. Nom : Tri des demandes clients
3. Description : Orienter les requêtes des clients vers la bonne équipe.

Étape 2 : Construire le workflow

1. Glissez-déposez un nœud "Début" sur le canevas.
2. Glissez-déposez un nœud "LLM" et connectez-le au nœud Début.
   • Modèle : gpt-4o (ou votre modèle préféré)
   • Prompt :

     Classez la requête de l'utilisateur dans l'une de ces catégories :
     - Facturation
     - Support technique
     - Demande générale
     
     Requête : {{query}}
     Catégorie :
     

     Copy
3. Glissez-déposez un nœud "Condition" et connectez-le au nœud LLM.
   • Condition 1 : {{llm_output}} contient "Facturation"
     • Action : Connectez à un nœud "Répondre" avec le message :

       Votre demande de facturation a été transmise à l'équipe financière.
       

       Copy
   • Condition 2 : {{llm_output}} contient "Support technique"
     • Action : Connectez à un nœud "Répondre" avec le message :

       Un agent du support technique vous contactera sous peu.
       

       Copy
   • Condition par défaut : Connectez à un nœud "Répondre" avec le message :

     Merci pour votre message ! Nous vous répondrons bientôt.
     

     Copy
4. Cliquez sur "Enregistrer".

Étape 3 : Tester le workflow

1. Cliquez sur l'onglet "Débogage".
2. Saisissez une requête de test (par exemple, J'ai une question concernant ma facture).
3. Vérifiez que le workflow oriente correctement la requête.

Étape 4 : Publier le workflow

1. Cliquez sur "Publier" > "Publier en production".
2. Le workflow est désormais disponible en tant qu'API (voir Section 5).

5. Accès API et intégration

Étape 1 : Obtenir votre clé API

1. Dans le tableau de bord Dify, cliquez sur votre icône de profil > "Clés API".
2. Cliquez sur "Créer une nouvelle clé".
3. Nom : Clé pour mon application
4. Copiez la clé API générée (vous ne pourrez plus la voir par la suite).

Étape 2 : Appeler l'API du chatbot

Utilisez curl pour interagir avec votre chatbot :

curl --location 'http://localhost:5001/v1/chat-messages' \
--header 'Authorization: Bearer {VOTRE_CLÉ_API}' \
--header 'Content-Type: application/json' \
--data '{
  "inputs": {},
  "query": "Qu'est-ce que Dify ?",
  "response_mode": "blocking",
  "conversation_id": "",
  "user": "test-user"
}'

Sortie attendue :

{
  "event": "message",
  "message_id": "abc123",
  "conversation_id": "xyz456",
  "answer": "Dify est une plateforme open-source de développement d'applications LLM..."
}

Étape 3 : Intégrer le chatbot dans une application web

Utilisez le SDK JavaScript de Dify pour intégrer votre chatbot :

<!DOCTYPE html>
<html>
<head>
  <title>Intégration du chatbot Dify</title>
  <script src="https://cdn.jsdelivr.net/npm/@dify/[email protected]/dist/dify.umd.min.js"></script>
</head>
<body>
  <div id="dify-chatbot" style="width: 400px; height: 600px;"></div>
  <script>
    const chatbot = new DifyChatbot({
      el: '#dify-chatbot',
      appId: '{VOTRE_APP_ID}',  // Récupérez-le depuis l'URL du chatbot
      apiHost: 'http://localhost:5001',
      apiKey: '{VOTRE_CLÉ_API}',
      user: 'web-user'
    });
  </script>
</body>
</html>

Remarque : Remplacez {VOTRE_APP_ID} et {VOTRE_CLÉ_API} par vos valeurs.

6. Configuration des fournisseurs de modèles

Étape 1 : Ajouter OpenAI

1. Dans le tableau de bord Dify, cliquez sur "Paramètres" > "Fournisseurs de modèles".
2. Cliquez sur "Ajouter un fournisseur" et sélectionnez OpenAI.
3. Saisissez votre clé API OpenAI (obtenez-la sur OpenAI Platform).
4. Cliquez sur "Enregistrer".

Étape 2 : Ajouter un modèle local (Ollama)

1. Installez Ollama localement :

   curl -fsSL https://ollama.com/install.sh | sh
   ollama pull llama3
   

   Copy
2. Dans Dify, allez dans "Paramètres" > "Fournisseurs de modèles".
3. Cliquez sur "Ajouter un fournisseur" et sélectionnez Ollama.
4. URL de base : http://host.docker.internal:11434 (utilisez host.docker.internal pour accéder à la machine hôte depuis Docker).
5. Cliquez sur "Enregistrer".

Étape 3 : Ajouter Anthropic (Claude)

1. Obtenez une clé API Anthropic depuis Anthropic Console.
2. Dans Dify, allez dans "Paramètres" > "Fournisseurs de modèles".
3. Cliquez sur "Ajouter un fournisseur" et sélectionnez Anthropic.
4. Saisissez votre clé API et cliquez sur "Enregistrer".

Étape 4 : Utiliser un modèle personnalisé

1. Dans les Paramètres des fournisseurs de modèles, cliquez sur "Ajouter un fournisseur" > "Personnalisé".
2. Nom : Mon Modèle Personnalisé
3. URL de base : https://api.votre-fournisseur-de-modèle.com/v1
4. Clé API : votre-clé-api
5. Modèles : Ajoutez votre ou vos modèles avec leur name et context_length.
6. Cliquez sur "Enregistrer".

7. Déploiement en production

Option 1 : Kubernetes (Helm)

1. Ajoutez le dépôt Helm de Dify :

   helm repo add dify https://dify-ai.github.io/helm-charts
   helm repo update
   

   Copy