DeepSeek + Dify AI アプリを構築

Difyの主な利点

• ビジュアルプロンプトオーケストレーション、ドラッグ＆ドロップのワークフロー設計、コード不要
• 組み込みRAGエンジン、PDF / Word / TXT / Markdown / Webページなど複数形式をサポート
• エージェント：ツール呼び出し、コード実行、条件分岐
• 会話ログと分析でアプリの効果を継続的に最適化
• ワンクリックAPI公開、iframe埋め込みと共有リンクをサポート
• OpenAI-API互換経由でDeepSeekとシームレスに統合

Difyとは？

DifyはLangGeniusチームによって開発された、LLMアプリケーションのライフサイクル全体をカバーする開発プラットフォームです。プロンプトオーケストレーション、ナレッジベース管理、エージェントワークフローからアプリケーションの公開まで、ワンストップのソリューションを提供します。Difyは「AIアプリケーションのWordPress」と考えることができます。ビジュアルインターフェースを通じて、コードを書かずにさまざまなAIアプリケーションを迅速に構築できます。

環境要件

Docker Composeによるワンクリックデプロイ

以下のコマンドでDifyリポジトリをクローンし、Docker Composeですべてのサービスを起動します：

# Difyリポジトリをクローン git clone https://github.com/langgenius/dify.git # Dockerディレクトリに移動 cd dify/docker # 環境変数設定ファイルをコピー cp .env.example .env # すべてのサービスを起動（PostgreSQL、Redis、Weaviate、Nginx、Dify API、Dify Web） docker compose up -d # サービス状態を確認 docker compose ps

デプロイ完了後、ブラウザでhttp://localhost:3000にアクセスすると、Dify管理画面に入れます。初回アクセス時には管理者のメールアドレスとパスワードを設定する必要があります。

設定手順

1. Dify管理画面にログイン後、右上のアバターをクリックし、「設定」を選択
2. 左側のメニューで「モデルプロバイダー」をクリック
3. モデルプロバイダー一覧で「OpenAI-API互換」を見つける
4. 「プロバイダーに追加」ボタンをクリック
5. 以下の設定情報を入力

方法1：DeepSeek公式APIに接続

DeepSeek公式APIを使用する場合、以下のように設定します：

APIキー取得先：platform.deepseek.com/api_keys。登録後に作成でき、新規ユーザーには無料枠があります。

方法2：OllamaでローカルにデプロイしたDeepSeekに接続

Ollamaを使用してDeepSeekモデルをローカルで実行している場合、以下のように設定します：

DifyとOllamaが同じマシンで動作している場合は、localhostを使用します。Ollamaが別のマシンにある場合は、対応するIPアドレスに置き換えてください。OllamaにOLLAMA_HOST=0.0.0.0:11434環境変数が設定されていることを確認してください。

モデルの追加

設定後、「モデルプロバイダー」ページで追加したDeepSeekプロバイダーをクリックし、「モデルを追加」ボタンをクリックします：

ステップ1：アプリを作成する

1. Difyのホームページで「アプリを作成」ボタンをクリックします
2. 「チャットアシスタント」アプリタイプを選択します
3. アプリ名を入力します（例：「DeepSeekスマートアシスタント」）
4. アプリアイコンを選択します（任意）
5. 「作成」をクリックします

ステップ2：モデルを設定する

アプリ編集ページに入ったら、右側の「モデル設定」領域で：

• 「モデル」ドロップダウンメニューで、先ほど追加したDeepSeekモデル（deepseek-chatまたはdeepseek-reasoner）を選択します
• モデルパラメータを設定します：
  • Temperature：0.7（会話）/ 0.1（コード）/ 0.9（クリエイティブライティング）
  • 最大トークン数：ニーズに応じて設定します。通常2048で十分です
  • コンテキストウィンドウ：デフォルト値を維持することをお勧めします

ステップ3：システムプロンプトを設定する

システムプロンプトは、AIの役割と動作を定義します。「オーケストレーション」ページの「プロンプト」領域に、以下を入力します：

あなたはDeepSeekモデルによって駆動されるプロフェッショナルなAIアシスタントです。 あなたの回答スタイル： - 簡潔明瞭で、冗長でなく、要点を直接伝えます - 質問がコードに関する場合は、完全に実行可能な例を提供します - 質問が数学や論理に関する場合は、推論プロセスを示します - ユーザーの説明が不明瞭な場合は、積極的に詳細を尋ねます - 中国語で回答し、専門用語には英語の原文を併記しても構いません あなたの制限： - 知らないことは知らないと言い、情報を捏造しません - 医療、法律などの専門的なアドバイスに関わる場合は、専門家に相談するようユーザーに注意を促します

ステップ4：チャットをテストする

ページ右側の「プレビュー」領域で、チャットを直接テストできます。質問を入力し、DeepSeekの応答が期待どおりか確認します。効果が不十分な場合は、Temperatureパラメータを調整するか、システムプロンプトを最適化できます。

システムプロンプトの設計に関する詳細は、DeepSeek使用チュートリアルのプロンプトエンジニアリングのセクションを参照してください。

ドキュメントのアップロード

Difyの上部ナビゲーションバーで「ナレッジベース」をクリックし、ナレッジベース管理ページに移動します：

1. 「ナレッジベースを作成」ボタンをクリックします
2. ナレッジベース名を入力します（例：「会社製品マニュアル」）
3. 「ドキュメントをアップロード」をクリックし、アップロードするファイルを選択します

対応ドキュメント形式

チャンク設定

ドキュメントをアップロードすると、Difyは自動的にドキュメントを複数の「チャンク」に分割し、各チャンクは独立してベクトル化され、保存・検索されます。チャンク設定は検索結果に直接影響します：

検索設定

ナレッジベースの「検索設定」で、以下のパラメータを設定できます：

RAGアーキテクチャの詳細については、DeepSeek導入チュートリアルのDify統合セクションを参照してください。

ナレッジベースQ&Aアプリの作成

1. Difyのホームページで「アプリ作成」をクリックし、「チャットアシスタント」を選択します
2. アプリ名を入力します（例：「製品ドキュメントQ&A」）
3. アプリのオーケストレーションページに移動し、「コンテキスト」領域で「追加」をクリックします
4. 先ほど作成したナレッジベースを選択します
5. 右側のモデル設定でDeepSeekモデルを選択します

システムプロンプトの設定

ナレッジベースQ&Aアプリでは、AIが取得したドキュメントをどのように利用するかを知るために、特別なシステムプロンプトが必要です：

あなたは専門的なナレッジベースQ&Aアシスタントです。回答は提供されたドキュメントの内容に基づく必要があります。 回答ルール： 1. ドキュメントの情報を優先的に使用して質問に回答します 2. ドキュメントに関連情報がある場合は、直接引用して回答します 3. ドキュメントに関連情報がない場合は、ユーザーに「この内容はドキュメントに含まれていません」と明確に伝えます 4. 回答時には情報源を明記します（例：「製品マニュアル第3章によると...」） 5. ドキュメントにない情報を捏造しないでください ドキュメントの内容： {{#context#}} ユーザーの質問：{{#query#}} 上記のドキュメントの内容に基づいてユーザーの質問に回答してください。

RAGワークフロー

ナレッジベースQ&Aの完全なワークフローは次のとおりです：

テストと最適化

プレビュー領域でいくつか質問をテストし、回答の品質を確認します：

• 回答が十分に正確でない場合は、ナレッジベースのドキュメントの分割と検索設定を確認します
• 回答がドキュメントと無関係な場合は、システムプロンプト内の変数参照が正しくない可能性があります
• 関連コンテンツを取得できない場合は、類似度しきい値を下げるか、Top K値を増やしてみてください
• 「ログと注釈」ページで、各回に取得された具体的なドキュメントの断片を確認できます

Agentアプリの作成

1. Difyのホームページで「アプリ作成」をクリックします
2. 「Agent」アプリタイプを選択します
3. アプリ名を入力します（例：「データ分析アシスタント」）
4. ワークフローオーケストレーションページに移動します

ワークフローノードの紹介

実践：データ分析Agentの構築

以下は完全なデータ分析Agentワークフローの例です：

LLMノード設定例

LLMノードでDeepSeekモデルを選択し、以下のプロンプトを設定します：

あなたはデータ分析の専門家です。ユーザーのデータ分析ニーズを分析し、以下のタイプのどれに属するかを判断してください： 1. 記述的分析：ユーザーはデータの基本状況を理解したい（例：「売上額はいくらか」） 2. トレンド分析：ユーザーはデータの変化傾向を理解したい（例：「直近3ヶ月の変化」） 3. 比較分析：ユーザーは異なる次元を比較したい（例：「製品Aと製品Bの比較」） ユーザーニーズ：{{#query#}} 分析タイプの番号（1、2、または3）のみを出力してください。他の内容は出力しないでください。

コードノード例

コードノードでは、データ処理用のPythonコードを記述できます：

def main(data: str) -> dict: """入力データを処理し、分析結果を返す""" import json # 入力データを解析 records = json.loads(data) # 基本統計指標を計算 values = [r["value"] for r in records] total = sum(values) avg = total / len(values) if values else 0 max_val = max(values) if values else 0 min_val = min(values) if values else 0 return { "total": total, "average": round(avg, 2), "max": max_val, "min": min_val, "count": len(values), "summary": f"合計 {len(values)} 件のデータ、合計 {total}、平均 {avg:.2f}" }

条件分岐設定

条件分岐ノードは、LLMノードの出力結果に基づいてルーティングします：

方法1：API公開

アプリケーションをREST APIとして公開し、任意のバックエンドプログラムから呼び出すことができます：

1. アプリケーション編集ページで、右上の「公開」ボタンをクリックします
2. 「APIアクセス」を選択します
3. APIキーとインターフェースドキュメントを取得します

# DifyアプリケーションAPIを呼び出す curl -X POST https://your-dify-host/v1/chat-messages \ -H "Authorization: Bearer app-xxxxxxxxxxxxx" \ -H "Content-Type: application/json" \ -d '{ "inputs": {}, "query": "こんにちは、最近の売上データを分析してください", "response_mode": "streaming", "user": "user-001" }'

方法2：iframe埋め込み

アプリケーションをWebサイトに埋め込むと、ユーザーはWebページ上で直接使用できます：

1. アプリケーション編集ページで、右上の「公開」をクリックします
2. 「Webサイトに埋め込む」を選択します
3. 生成されたiframeコードをコピーします

<!-- 以下のコードをWebページに貼り付けてください --> <iframe src="https://your-dify-host/chatbot/xxxxxxxxxxxxx" style="width: 100%; height: 600px; border: none; border-radius: 12px;" allow="microphone"> </iframe>

方法3：共有リンク

公開共有リンクを生成すると、誰でもリンクからアプリケーションにアクセスできます：

1. アプリケーション編集ページで、右上の「公開」をクリックします
2. 「実行」を選択します
3. 生成された共有リンクをコピーします

アクセス制御設定

事例1: インテリジェントカスタマーサービスボット

事例2: ドキュメントQ&Aアシスタント

事例3: データ分析アシスタント

その他のアプリケーションシナリオ