本文章全程 AI 编程
用到工具：
一台服务器：我用的是虚拟机 Ubuntu，安装 Docker，用 Docker 跑 Dify
AI 编程工具：Trae 国际版
1. 安装好 Dify
2. 开始 Dify
第 1 步：用 Trae 生成产品手册 PDF
打开 Trae，输入以下指令：
请生成 3 份 LED 灯具产品手册的详细文本内容，包含产品型号、功率、光通量、色温、价格范围（美元）、最小起订量 MOQ、适用场景。分别给 3 个型号：A100（室内办公）、B200（工业厂房）、C300（户外道路）。中文描述。然后写一个 Python 脚本，将这 3 份文本分别输出为 3 个 PDF 文件，文件名用型号命名。
Trae 会生成文本和 Python 脚本。
第 2 步：创建知识库并上传 PDF
Dify 左侧菜单 →知识库→创建知识库。
名称填 "LED 灯具产品手册"，其余默认。
上传刚生成的 3 个 PDF，等待向量化完成（状态变为 "已完成"）。
在知识库右下角测试框输入："A100 的 MOQ 是多少？" 确认能正确回答。
第 3 步：搭建核心工作流（10 分钟）
顶部导航工作室→创建应用→ 选择聊天助手，勾选工作流编排，命名 "外贸智能销售 Agent"。
进入画布，拖放以下节点并连线：
节点 1：问题分类器（意图识别）
从左侧拖入 "问题分类器" 连接 Start。
点击节点，输入分类（每个类别一行）：
询价要样品投诉其他
从 "询价" 分支拖出 "知识检索" 节点。
配置：知识库选 "LED 灯具产品手册"，查询内容
{{#sys.query#}}，输出变量knowledge。同样，在 "要样品" 和 "投诉" 分支后各拖一个知识检索节点，配置相同。
从 "询价" 分支的知识检索节点后，拖出 "HTTP 请求" 节点。
配置：
- 方法：
POST - URL：先用
https://jsonplaceholder.typicode.com/posts - Body：
{"product": "{{#knowledge#}}"} - 输出变量
price_info
- 方法：
从 HTTP 请求节点后拖入 "LLM" 节点。
模型选择
deepseek-chat。系统提示词：
你是一个专业的外贸 LED 灯具销售助手。根据以下信息回复客户： 客户意图：{{#classifier_output#}} 检索到的产品知识：{{#knowledge#}} 价格查询结果：{{#price_info#}} 要求： 如果客户询价，必须给出价格、币种、最小起订量。 语气友好专业，用中文回复。 如果信息不足，主动询问客户具体需求。其他分支的 LLM 节点删除
{{#price_info#}}行，其余不变。所有 LLM 输出连到 "结束" 节点。
（后面会换成你的真实价格 API）
测试一下
但是有些问题会乱回答哦！！！
所以要优化一下知识库的索引模式
优化知识库如下
然后我们还需要用 Trae 生成你自己的价格 API
生成的文件导入你的虚拟机
