在今天这一期，我们将一起学习一种基于 MCP 提高大模型检索外部知识精度的新思路，实测比 RAG 效果要好很多。

AI 知识库应用，在继 Dify 和 FastGPT 之后，我又玩儿了一下 RAGFlow，果然名不虚传

以下是 Dify + RAGFlow + DeepSeek 的完整集成方案，结合企业级部署需求与开源技术栈优化，覆盖从环境搭建到生产调优的全流程,通过该方案，可构建支持百万级文档处理、响应延迟<2秒的

经过简单的几步，完成了从零构建 RagApi 服务的全过程：从数据向量化、接入向量库、配置大模型、构建 Prompt，到部署兼容 OpenAI 接口的对话服务 RagApi。

今天，带大家写一个通信方式为SSE的MCP服务器，让你的Dify拥有自主查询数据库的能力，弥补传统RAG知识库在结构化数据精确统计场景上的短板！

知识图谱是谷歌在2012年提出来的，最初的目的是优化其搜索引擎。现实世界中存在很多的实体的：各种人、物，他们之间是相互联系的。知识图谱就是对这个真实世界的符号表达，描述现实世界中存在的一些概念...

主要从前端方向讲解AI互动的实现，通过3D数字人问答功能（面部表情，说话时的嘴型）的实例讲解前端具体的实现方式，至于后端接口部分只会讲解实现思路

用自己写的所有笔记，基于 LLM + 外挂知识库的知识库问答系统，搭建一个个人知识库，通过 LLM 的推理和归纳能力，将这些吃灰的笔记回收利用！！！