前言知识库几乎是AI创作的中心能解决很多问题例如AI幻觉按着知识库的内容来输出不会乱写但我发现很少人在用知识库大家的一个痛点就是把内容加进「知识库」这件事比较费劲。虽然腾讯的IMA知识库能让大家把公众号文章等内容快速存到知识库里但受限于知识库的能力、模型和工作流问题这种形式只能日常问答一下无法赋能业务。今天就跟大家分享一下Dify如何用爬虫抓取网络内容后写入知识库中。我的业务是数学思维的教培经常需要制作优秀的小红书笔记、公众号内容来吸引客户。但纯AI生成的内容幻觉严重而且「不落地」所以我打算新建一个「数学思维知识库」把小红书、公众号上优秀的内容都存进去然后再让AI基于知识库来做内容的生产效率和效果都能有保证。以公众号的内容为例假设我看到一个不错的文章怎么把它加入到我Dify知识库呢前期准备1. 创建知识库如图创建一个用于装内容的知识库。这里我们创建一个空的即可。此时要先从网址中找到这个知识库id在datesets和documents中间的就是了。2. 新建API密钥目前Dify暂没有可以直接写入数据库的插件所以我们是通过HTTP请求来解决的。而走http就需要密钥。按下图新建一个。注意⚠️ 这个密钥是可以操作所有知识库的接着在文档中找到通过文本创建文档这里的请求规则就是后面我们需要编写的。3. 安装Firecrawl因为我们是要爬网页上的内容所以需要一个爬虫工具。这里选择用Firecrawl可以直接在插件市场里找到安装。然后根据提示到官网注册一个账号拿到API Key⚠️注意Firecrawl实际只是有一定的免费额度。以上准备工作完成我们就可以开发工作流了。老规矩一步一步来先做一个简单的再做一个复杂的。青铜抓取单页面存入知识库以下就是完整的工作流逻辑是从用户的输入内容中提取出网址接着用Firecrawl去读取页面内容再用AI提炼出标题和正文最后存入知识库。\1.参数提取器如图很简单就不多说了。\2.单页面抓取Firecrawl是有多个工具可以选但这里我们选单页面抓取就好了设置返回的结果是markdown格式仅抓取主要内容为True就是把无关的页头页尾之类的删掉其中关键的地方在于「请求头」要知道所有网站都有反爬措施尤其是公众号文章正常去抓是会识别成机器人返回错误结果的如下图解决方案就是加个请求头伪装成正常的浏览器{User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36}这样就能正确把文章内容抓下来了。\3.参数提取器目的是从返回的内容中把标题和正文识别出来。注意在提示词中要让AI确保还原完整的内容不要去做任何改动。\4.转义特殊符号因为我们要走HTTP请求对于内容的格式是特别敏感的有点换行符之类的就会报错了。这里我们直接插入一段代码把里面的几乎所有特殊符号都做处理。参考function main({arg1}) { return { content: arg1.replace(/\\/g, \\\\).replace(//g, \\).replace(/\n/g, \\n).replace(/\r/g, \\r).replace(/\t/g, \\t) } }\5.HTTP请求存进知识库有了内容后就可以新建HTTP请求节点。这里有个小技巧就是把前面API文档里的cURL示例复制过来能自动填入然后点上面的**「鉴权API-Key」**按下图把知识库的密钥加进去。还有个要点Headers里一定要加Content-Type要不然会无法识别正确的格式。\6. 测试运行至此就完成工作流了。测试一下把网址放进去。OK存进去了先不着急用这个知识库今天这内容解决的是「存入」的问题下次来解决「读取」怎么用的问题。白银批量存多篇内容假如我现在有一批内容要存进去怎么搞这样一篇一篇的加明显效率很低。思路是\1. 先获取这些内容的地址\2. 用**「迭代」节点遍历网址**循环调用第一步的“读取网页-存入知识库”工作流长这样ok先解决第一步。饼干哥哥之前用AI编程Cursor开发了一个浏览器插件功能是把打开的网址采集下来很方便感兴趣可以留言我出一期具体怎么做的教程得到标题 mp_url 提高数学成绩的学习方法比补课效果强100倍深度长文 https://mp.weixin.qq.com/s/NuFfXophlFASb2B6dpD17Q 学好数学最重要的是抓住这个“根”附方法指引 https://mp.weixin.qq.com/s/uz50tLQpHisNeYT9J-naHQ 提高数学成绩的超常规学习方法深度好文 https://mp.weixin.qq.com/s/vMqdQp0LWCO-OXgRRdJ7PQ 提高数学成绩的方法(建议永久保存) https://mp.weixin.qq.com/s/SVSXmGDfR0JCDXq8Za9pvw 数学开窍的第一步是规则的开窍 https://mp.weixin.qq.com/s/FDIOBPZA7RMqwXeIMVdyQQ 哈罗学校讲座逐字稿怎样培养孩子的数学思维 https://mp.weixin.qq.com/s/k_Dbkcf2fd15ItnlURiJtQ接下来就是对工作流做修改\1.参数提取器首先是**「参数提取器」把提取参数改成 数组类型****Array**同时修改**「指令」要求AI输出的是数组**测试一下节点能正常输出\2.新建「迭代」节点把原先的流程一模一样的在迭代里重新新建吐槽怎么不能直接复制进去呢麻烦要点注意迭代输入的一定是Array的数组类型这样才能逐个遍历去跑。\3.运行测试我们一次性把多篇地址扔进去就可以看到「迭代」里面已经在跑了没毛病。黄金自动爬虫除了手动去加之外还有没有更极致的方法呢我想是有的两个思路1个是借助AI「深度搜索」的能力把相关内容先搜索一遍再整理到知识库中这样就能快速新建多个主题的知识库内容。计划下一篇做用Dify做深度搜索工作流的内容感兴趣的同学可以三连支持另一个是借助Agent 的能力给一个网站AI之后让它判断这个网站有什么跟主题相关的内容然后把内容抓下来存进数据库。后者就有点像是Browser-use的能力可以自主浏览网站这样是不是连小红书也能爬进去知识库了今天的内容就是给后面这两种方式打底的这个工作流可以打包成工具供给它们调用。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 【保姆级教程】Dify工作流：用爬虫批量把公众号文章存到AI知识库
前言知识库几乎是AI创作的中心能解决很多问题例如AI幻觉按着知识库的内容来输出不会乱写但我发现很少人在用知识库大家的一个痛点就是把内容加进「知识库」这件事比较费劲。虽然腾讯的IMA知识库能让大家把公众号文章等内容快速存到知识库里但受限于知识库的能力、模型和工作流问题这种形式只能日常问答一下无法赋能业务。今天就跟大家分享一下Dify如何用爬虫抓取网络内容后写入知识库中。我的业务是数学思维的教培经常需要制作优秀的小红书笔记、公众号内容来吸引客户。但纯AI生成的内容幻觉严重而且「不落地」所以我打算新建一个「数学思维知识库」把小红书、公众号上优秀的内容都存进去然后再让AI基于知识库来做内容的生产效率和效果都能有保证。以公众号的内容为例假设我看到一个不错的文章怎么把它加入到我Dify知识库呢前期准备1. 创建知识库如图创建一个用于装内容的知识库。这里我们创建一个空的即可。此时要先从网址中找到这个知识库id在datesets和documents中间的就是了。2. 新建API密钥目前Dify暂没有可以直接写入数据库的插件所以我们是通过HTTP请求来解决的。而走http就需要密钥。按下图新建一个。注意⚠️ 这个密钥是可以操作所有知识库的接着在文档中找到通过文本创建文档这里的请求规则就是后面我们需要编写的。3. 安装Firecrawl因为我们是要爬网页上的内容所以需要一个爬虫工具。这里选择用Firecrawl可以直接在插件市场里找到安装。然后根据提示到官网注册一个账号拿到API Key⚠️注意Firecrawl实际只是有一定的免费额度。以上准备工作完成我们就可以开发工作流了。老规矩一步一步来先做一个简单的再做一个复杂的。青铜抓取单页面存入知识库以下就是完整的工作流逻辑是从用户的输入内容中提取出网址接着用Firecrawl去读取页面内容再用AI提炼出标题和正文最后存入知识库。\1.参数提取器如图很简单就不多说了。\2.单页面抓取Firecrawl是有多个工具可以选但这里我们选单页面抓取就好了设置返回的结果是markdown格式仅抓取主要内容为True就是把无关的页头页尾之类的删掉其中关键的地方在于「请求头」要知道所有网站都有反爬措施尤其是公众号文章正常去抓是会识别成机器人返回错误结果的如下图解决方案就是加个请求头伪装成正常的浏览器{User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36}这样就能正确把文章内容抓下来了。\3.参数提取器目的是从返回的内容中把标题和正文识别出来。注意在提示词中要让AI确保还原完整的内容不要去做任何改动。\4.转义特殊符号因为我们要走HTTP请求对于内容的格式是特别敏感的有点换行符之类的就会报错了。这里我们直接插入一段代码把里面的几乎所有特殊符号都做处理。参考function main({arg1}) { return { content: arg1.replace(/\\/g, \\\\).replace(//g, \\).replace(/\n/g, \\n).replace(/\r/g, \\r).replace(/\t/g, \\t) } }\5.HTTP请求存进知识库有了内容后就可以新建HTTP请求节点。这里有个小技巧就是把前面API文档里的cURL示例复制过来能自动填入然后点上面的**「鉴权API-Key」**按下图把知识库的密钥加进去。还有个要点Headers里一定要加Content-Type要不然会无法识别正确的格式。\6. 测试运行至此就完成工作流了。测试一下把网址放进去。OK存进去了先不着急用这个知识库今天这内容解决的是「存入」的问题下次来解决「读取」怎么用的问题。白银批量存多篇内容假如我现在有一批内容要存进去怎么搞这样一篇一篇的加明显效率很低。思路是\1. 先获取这些内容的地址\2. 用**「迭代」节点遍历网址**循环调用第一步的“读取网页-存入知识库”工作流长这样ok先解决第一步。饼干哥哥之前用AI编程Cursor开发了一个浏览器插件功能是把打开的网址采集下来很方便感兴趣可以留言我出一期具体怎么做的教程得到标题 mp_url 提高数学成绩的学习方法比补课效果强100倍深度长文 https://mp.weixin.qq.com/s/NuFfXophlFASb2B6dpD17Q 学好数学最重要的是抓住这个“根”附方法指引 https://mp.weixin.qq.com/s/uz50tLQpHisNeYT9J-naHQ 提高数学成绩的超常规学习方法深度好文 https://mp.weixin.qq.com/s/vMqdQp0LWCO-OXgRRdJ7PQ 提高数学成绩的方法(建议永久保存) https://mp.weixin.qq.com/s/SVSXmGDfR0JCDXq8Za9pvw 数学开窍的第一步是规则的开窍 https://mp.weixin.qq.com/s/FDIOBPZA7RMqwXeIMVdyQQ 哈罗学校讲座逐字稿怎样培养孩子的数学思维 https://mp.weixin.qq.com/s/k_Dbkcf2fd15ItnlURiJtQ接下来就是对工作流做修改\1.参数提取器首先是**「参数提取器」把提取参数改成 数组类型****Array**同时修改**「指令」要求AI输出的是数组**测试一下节点能正常输出\2.新建「迭代」节点把原先的流程一模一样的在迭代里重新新建吐槽怎么不能直接复制进去呢麻烦要点注意迭代输入的一定是Array的数组类型这样才能逐个遍历去跑。\3.运行测试我们一次性把多篇地址扔进去就可以看到「迭代」里面已经在跑了没毛病。黄金自动爬虫除了手动去加之外还有没有更极致的方法呢我想是有的两个思路1个是借助AI「深度搜索」的能力把相关内容先搜索一遍再整理到知识库中这样就能快速新建多个主题的知识库内容。计划下一篇做用Dify做深度搜索工作流的内容感兴趣的同学可以三连支持另一个是借助Agent 的能力给一个网站AI之后让它判断这个网站有什么跟主题相关的内容然后把内容抓下来存进数据库。后者就有点像是Browser-use的能力可以自主浏览网站这样是不是连小红书也能爬进去知识库了今天的内容就是给后面这两种方式打底的这个工作流可以打包成工具供给它们调用。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】