让数据库自己“说话”！DeepSeek+Dify打造AI助手
詹姆斯邦德007约 3 分钟Dify在构建企业级AI Agent时的敏捷性与安全性非常强大。接下来我们将逐步拆解实现步骤——从模型部署到工作流编排，带您亲手打造一个“会说话的数据库AI助手”。
1.亮点
1.技术民主化： Ollama + DeepSeek 实现私有化低成本模型部署； Dify 拖拽式Agent搭建，分分钟构建生产级应用。
2.企业级价值： 将数据查询效率提升10倍，释放技术团队资源； 为CRM、BI、ERP、MES等系统提供自然语言交互入口。
3.开源生态优势： 避免厂商绑定，支持Any Model（GLM/Gemma/LLaMA等）；完整链路闭环：从意图理解到安全执行。
2.安装dify
# 安装Docker及Docker Compose
sudo apt-get update && sudo apt-get install docker.io docker-compose -y
# 克隆Dify代码库
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
# 启动Dify服务（默认端口80）
sudo docker-compose up -d
3.启动Ollama模型服务
curl -fsSL https://ollama.com/install.sh | sh
在Service中增加下面两行
sudo vim /etc/systemd/system/ollama.service
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_ORIGINS=*"
然后重启ollama服务
sudo systemctl daemon-reload
sudo systemctl restart ollama
验证服务是否开启，11434是核心端口，必须开启。
ss -anlp|grep 11434
# 拉取DeepSeek-R1 1.5B模型
ollama pull deepseek-r1:1.5b
交互式聊天模式：
ollama run deepseek-r1
验证模型：
运行 ollama run deepseek-r1:1.5b "生成测试SQL"
4.Dify接入本地DeepSeek模型
Dify控制台：右上角头像 → 设置 → 模型供应商 → 选择“Ollama”。
配置参数：
模型名称：deepseek-r1:1.5b
基础URL：http://10.12.*.*:11434
5.创建知识库
1.去知识库面板创建一个知识库
2.我们点开“创建知识库”，进入文件上传页面
3.需要上传文件，文件类型可以是多种类型
4.用高质量的索引方式创建文本向量
6.自然语言查询
自动转化为可执行的SQL语句，降低非技术人员操作数据库门槛。
典型应用： 企业数据分析：业务人员直接提问获取数据，无需依赖SQL工程师。
智能客服：自动解析用户查询订单状态的请求，生成SQL并返回结果。
7.Agent工作流优化SQL
接下来我们在工作流中添加一个叫做“Agent”工作流节点.这个Agent是dify 1.0.0之后版本中出现的，之前的版本没有。
这里我们需要2个工具1个是 agent策略工具 1个是 database 插件,这2个都是可以在插件市场找到,这样我们就可以连数据库优化SQL了。
我们可以在https://marketplace.dify.ai/plugins/hjlarry/database?language=zh-Hans 市场上找到这个项目
目前这个项目支持的数据库有mysql, postgresql, sqlite, sqlserver, oracle
mysql+pymysql://root:123456@localhost:3306/test
postgresql+psycopg2://postgres:123456@localhost:5432/test
sqlite:///test.db
mssql+pymssql://<username>:<password>@<freetds_name>/?charset=utf8
oracle+oracledb://user:pass@hostname:port[/dbname][?service_name=<service>[&key=value&key=value...]]
总而言之，Dify 与 DeepSeek 的结合，将SQL优化从一项高度依赖个人经验的“手艺”，转变为一个标准化、自动化、且能持续学习和改进的智能系统。
它不仅能极大提升数据库性能优化的效率和效果，更重要的是降低了技术门槛，让业务人员也能直接参与数据查询，真正释放数据价值。
结语
希望以上信息能帮助您成功搭建属于自己的AI数据库智能助手，如果您在具体实施中遇到更多细节问题，欢迎随时提出。