无代码搭建ArcGIS Pro AI助手：Dify与Coze实战指南

前言

关于什么是 RAG

检索增强生成 （RAG） 是一种强大的技术，通过将语言模型与外部知识库相结合来增强语言模型。RAG 解决了模型的一个关键限制：模型依赖于固定的训练数据集，这可能导致信息过时或不完整。当给定查询时，RAG 系统首先在知识库中搜索相关信息。然后，系统将检索到的信息合并到模型的提示中。该模型使用提供的上下文生成对查询的响应。通过弥合庞大的语言模型和动态、有针对性的信息检索之间的差距，RAG 是一种构建功能更强大、更可靠的人工智能系统的强大技术。

dify-and-fastgpt-for-RAG文章中有简单说明，你也可以查看其他资料比如 Retrieval augmented generation...，这里不再赘述。

---

ArcGIS Pro AI 助手开发日志 #2

在上一篇文章里，我们立下了一个 Flag，要从零开始打造一个专属的 ArcGIS Pro AI 助手。

别担心！今天这篇，就是专门为零基础、完全不会编程的你准备的。

我们的目标很简单：不动一行代码，只用鼠标点一点，就把那些枯燥的 ArcGIS 帮助文档，变成一个能与你对话的 AI 知识库。让你亲身体验，原来 AI 离我们这么近！

为什么我们要先玩“低代码”？

简单说，有三大好处：

1. 快！几分钟搞定：能让你在几分钟内就看到成果，瞬间获得成就感。
2. 省钱！几乎零成本：我们今天选的工具，基本都是免费的，你只需要有大模型的 API Key 就够了，甚至你可以在阿里百炼平台直接注册白嫖Qwen模型。
3. 理解概念：它能帮你直观地理解一个 AI 应用是怎么工作的（上传知识 -> 处理知识 -> 对话），为你以后深入学习打下基础。

话不多说，我们来看看今天的主角：Dify。

第一站：Dify - 你的开源 AI 应用工厂

Dify 就是一套“活页本工具”，让你自由组装和定制自己的 AI 应用。最棒的是，它是开源的，你可以像我一样部署在自己的服务器上，数据安全有保障。

• 一句话总结：一个能让你“造”出自己 AI 应用并分享出去的开源平台。
• 优点：开源，可私有化部署，定制能力强，支持团队协作。
• 缺点：需要自己准备一台装了Docker的电脑和OpenAI 或者 Deepseek、Qwen API Key，对完全不懂技术的小白有那么一点点初始门槛（不过你跟着我之前的文章，问题不大）。

实战步骤：

1. 登录你的 Dify：打开你自己部署的 Dify ，或者免去部署步骤，直接注册官方的云平台：dify cloud。

2. 创建知识库：在“知识库”菜单栏，点击“创建知识库”。

3. 上传文档：在新创建的知识库里，点击“添加文档”，选择“文本文件上传”。把你的 ArcGIS 文档传上去。参考图中相关配置，Dify 会自动处理分段和嵌入。你可以看到它处理的过程。

   默认情况下，ArcGIS Pro 的离线帮助文档可能位于安装目录下的某个子文件夹，例如： C:\Program Files\ArcGIS\Pro\Resources\Help或者C:\Users\<your_username>\AppData\Local\Programs\ArcGIS\Pro\Resources\Help 具体路径可能因安装配置而异。中文版会在zh-CN子文件夹中。

   
   
   

   这里的嵌入模型，根据你的情况选择，国内可以使用千问的通用文本向量-v4。

4. 创建应用：回到探索界面，选择从 知识库 + 聊天机器人 创建应用程序：
   

5. 关联知识库：在工作流的“知识检索”界面，，把你刚刚创建的“ArcGIS 知识库”关联进来。
   

6. 编写提示词：
   

你是一个地理信息专家，专注于ArcGIS Pro和arcpy相关问题。

你将使用以下内容作为你所学习的知识，放在<context></context> XML标签内。

<context>

这里是上下文的变量 <<<　需要修改

</context>

请按照以下步骤完成任务：

1. 阅读用户的问题。

2. 你始终需要寻找知识库中内容来回答用户，基于这些内容用与用户相同的语言进行详细、准确的回答。

3. 如果你不知道答案，直接告诉用户你不知道。

4. 如果用户的问题比较模糊或不明确，请礼貌地要求用户澄清问题。

5. 回答时保持简明、专业，并确保输出不包含任何xml标签。

7. 调试： 点击预览可以实时对话：
   
   

   查看工作流的知识库检索情况，很明显，我们通过父子检索完整的把缓冲区的整个文档喂给了大模型：
   

8. 发布与分享：你可以点击发布中的运行，在新窗口中对话，你也可以把这个链接发给你的朋友，他们也能和你做的这个 ArcGIS 问答机器人聊天了！

体验总结：Dify 的强大在于“创造”和“分享”。它让你从一个 AI 的“使用者”，变成了 AI 应用的“创造者”。对于我们这种喜欢折腾的人来说，简直是神器。

---

第二站：Coze (扣子) - 功能全面的“机器人商店”

Coze 就是一座设备齐全、琳琅满目的现代化“机器人生产工厂”，而且目前还是提供免费额度。

• 一句话总结：一个免费、功能强大到不像话的，集创建、调试、发布于一体的 Bot（机器人）开发平台。
• 优点：功能超多（数据库、插件、工作流），能一键把你的机器人发布到微信公众号、豆包、飞书等平台，也能发布微网页，有更多符合国内的助手模板。
• 缺点：2025 年 7 月 26 号开源了，数据和应用都托管在官方平台上。

实战步骤：

整体跟 Dify 差不多。

1. 访问官网：打开 Coze 官网（国内是coze.cn，国际是coze.com），登录账号。
2. 创建 Bot：点击“创建 Bot”，给你的机器人起个名字和介绍。
3. 配置知识库：在左侧的“技能”模块里，找到“知识库”，点击“创建”。然后把你的 ArcGIS 文档上传。
4. 配置提示词和调试对话：上传完毕后，右侧的“预览与调试”窗口就是你的实时聊天界面。你可以不断和它对话，同时在左侧调整“人设与回复逻辑”里的提示词（Prompt），把它调教得更符合你的要求。
5. 发布：当你满意后，点击右上角的“发布”按钮，就可以选择把它发布到哪个平台了。比如你可以直接关联到你的个人微信公众号上，让你的粉丝都能用上这个 ArcGIS 问答机器人。

体验总结：Coze 的完成度和生态集成度高得惊人。它不仅是一个知识库工具，更是一个完整的 Bot 开发和分发平台，可玩性极高。

横向对比 & 我该怎么选？

特性	Dify	Coze (扣子)
上手难度	⭐⭐ (较低)	⭐⭐ (较低)
定制能力	⭐⭐⭐⭐ (高)	⭐⭐⭐⭐ (高)
分享与集成	⭐⭐⭐ (可分享网页)	⭐⭐⭐⭐⭐ (极强)
成本	服务器成本 + API 按量付费	每天提供免费额度
数据隐私	自己掌握	托管于平台
一句话建议	想自己掌控数据、爱折腾的开发者	想快速体验完整功能、并发布到多平台的用户

除此之外还有阿里百炼、腾讯等等国内平台，也都是低代码开发平台，都很不错。

总结与下一步

我们体验了几款强大的工具，成功地在不编写代码的情况下，创建了属于我们自己的 ArcGIS 问答机器人。从 Dify 到国内的阿里百炼，这些平台都证明了 AI 应用的门槛，远比我们想象的要低。

通过这次“快餐式”的体验，我们已经看到了 AI 知识库的巨大潜力。但你可能也发现了，这些平台虽然方便，但在处理专业的 GIS 问题时，有时会答得不够精准。

也许你会想：我们能不能在平台内部把它调得更好？当然可以！

比如在 Dify 中，我们完全可以构建一个更复杂的工作流：可以利用ReAct Agent让 AI 对自己的回答进行反思和修正；也可以在知识检索前加入一个查询优化节点；甚至可以让工作流针对一个问题，生成多个子问题去并行检索，最后再汇总信息进行回答。也可以维护知识库文档的元数据，检索的时候用来过滤文档。Dify 也可以做很复杂的工作流：

对于 90%的用户和场景，Dify 这类低代码平台就是最佳解决方案。

它的上限远比看起来要高。通过精细化的知识运营和高级的工作流编排，其性能足以满足绝大多数专业需求。对结果导向的人来说，这应是首选工具。

所以，Dify 这类低代码平台能走多远？它能帮我们复刻出官方的 AI 助手吗？

答案是：能，但只能完成一半。

让我们回顾一下官方 AI 助手的核心能力：

1. 智能问答 (Help) ：基于文档回答问题。
2. 数据查询 (Query) ：将自然语言翻译成 SQL。
3. 意图驱动操作 (Intent-Driven Actions) ：将自然语言翻译成可执行的 ArcGIS 操作。

通过精心设计 Dify 工作流，我们可以非常出色地实现前两个目标。让它成为一个博学的 ArcGIS 专家和数据查询大师，是完全可行的。对于许多用户来说，这已经是一个能极大提升生产力的工具了。

我们项目的终极目标，是实现意图驱动操作 (Intent-Driven Actions)。

我们希望 AI 能听懂“对学校做 500 米缓冲”这样的话，然后亲自动手去操作软件。这意味着，AI 必须能执行ArcPy代码。

也许你会想到 Dify 强大的代码节点功能。没错，它可以在云端沙箱里执行 Python，但那个沙箱访问到你本地 ArcGIS Pro 很困难，虽然可以修改源码实现安装arcpy，但是已经偏离低代码的初衷了，操作起来比纯代码还要痛苦一百倍。

要让 AI 拥有能操作本地软件的“双手”，唯一的办法就是把 AI 的“指挥中心”建在本地。

这就是我们必须转向LangChain的原因。作为一个人工智能框架和代码库，它允许我们在自己的电脑上构建和运行 AI 应用。只有在这里，我们的程序才能跨过云与本地的鸿沟，真正地调用ArcPy，将用户的意图，转化为对 ArcGIS Pro 的实际操作。

在下一篇文章中，我们将着手搭建这座连接 AI 与 ArcGIS Pro 的桥梁，为我们的 AI 助手装上那双至关重要的“手”。如果你想学习更多关于Python和AI应用开发的知识，欢迎来云栈社区交流探讨。