Chatbot de atención al cliente con IA para su web con Dify: base de conocimiento e inserción

Un chatbot de soporte en su sitio web puede responder las mismas preguntas que su equipo contesta cada día (planes, precios, entregas, métodos de pago y pasos de configuración) a cualquier hora y en el idioma del visitante. Dify es una plataforma de código abierto para crear aplicaciones de IA con un editor visual, una base de conocimiento integrada y opciones listas para insertarlas en sitios web. Esta guía utiliza Dify autoalojado para crear un chatbot que responde a partir de sus propios documentos, lo inserta en su sitio web como burbuja de chat y explica el trabajo diario que lo hace funcionar bien: revisar conversaciones, mejorar respuestas y mantener el conocimiento actualizado.

Paso 1: Configurar la dirección pública de Dify

El código de inserción y los enlaces a archivos usan las direcciones configuradas en Dify. Si todavía apuntan a una dirección IP o a localhost, la burbuja de chat no se cargará en su sitio web. Configúrelas con su dominio HTTPS y reinicie:

# In dify/docker/.env, set your HTTPS domain:
CONSOLE_API_URL=https://dify.example.com
CONSOLE_WEB_URL=https://dify.example.com
SERVICE_API_URL=https://dify.example.com
APP_API_URL=https://dify.example.com
APP_WEB_URL=https://dify.example.com
FILES_URL=https://dify.example.com

# Then apply the change:
cd dify/docker && docker compose up -d

Paso 2: Conectar los modelos

En Settings > Model Provider (configuración > proveedor de modelos), instale el proveedor que quiera usar. Para un modelo local, instale el proveedor Ollama y añada dos modelos: un modelo de chat y un modelo de embeddings.

ollama pull qwen2.5:7b
ollama pull nomic-embed-text

# Dify runs in Docker, so Ollama must accept connections from containers
# (OLLAMA_HOST=0.0.0.0 plus the firewall rules from the Ollama guide). Check:
curl -s http://172.17.0.1:11434/api/tags | head -c 300; echo

# In Dify, add both models with the base URL:  http://172.17.0.1:11434
#   qwen2.5:7b        model type: LLM
#   nomic-embed-text  model type: Text Embedding

La parte de Ollama se explica en ejecutar un LLM local con Ollama. Después, configure ambos como predeterminados en los ajustes de modelos del sistema. También puede añadir un proveedor en la nube y elegir en cada aplicación qué modelo usar.

Paso 3: Crear la base de conocimiento

1. Abra Knowledge (conocimiento), cree una base de conocimiento y suba sus preguntas frecuentes, páginas de producto, precios, información de envío y pago, y guías de configuración.
2. Mantenga la fragmentación general predeterminada para los documentos normales. En un archivo de preguntas frecuentes, ponga cada pregunta y su respuesta en un mismo párrafo para que cada par forme un fragmento.
3. Elija el índice de alta calidad con su modelo de embeddings y la búsqueda híbrida o vectorial; luego guarde y deje que Dify procese los archivos.
4. Use la prueba de recuperación para escribir preguntas reales de clientes y compruebe que se devuelven los pasajes correctos.

Unos documentos limpios y actualizados importan más que cualquier ajuste: elimine las listas de precios antiguas y redacte por completo las respuestas importantes en lugar de depender de menciones dispersas. Para elegir la arquitectura de despliegues más grandes, consulte crear una base de conocimiento privada de soporte con IA en un servidor dedicado.

Paso 4: Crear el chatbot

En Studio, cree una nueva aplicación de tipo Chatbot. En su editor, añada la base de conocimiento como contexto, seleccione el modelo de chat con una temperatura baja (alrededor de 0.3) y escriba las instrucciones:

You are the online assistant of ACME Hosting.
Answer only with information from the context. If the context does not contain
the answer, say you are not sure and suggest contacting support at [email protected].
Keep answers under 120 words and reply in the visitor's language.
Never promise discounts, refunds or delivery times that are not in the context.
If the question is unrelated to our products and services, politely decline.

Añada también un mensaje de bienvenida con tres o cuatro preguntas sugeridas y active las citas para ver qué documento usó cada respuesta. Antes de publicar, pruébelo en el panel de vista previa con al menos 20 preguntas reales de sus tickets y chats.

Paso 5: Publicar e insertar el chatbot en su sitio web

Publique la aplicación, elija la opción para insertarla en su sitio y seleccione la burbuja de chat. Dify genera el código exacto para su aplicación, que tiene este aspecto:

<script>
  window.difyChatbotConfig = {
    token: 'your-app-token',
    baseUrl: 'https://dify.example.com'
  }
</script>
<script src="https://dify.example.com/embed.min.js" id="your-app-token" defer></script>
<style>
  #dify-chatbot-bubble-button { background-color: #009aff !important; }
</style>

Péguelo antes de la etiqueta de cierre </body> de la plantilla de su sitio. En WordPress, un plugin para insertar código en la cabecera y el pie de página lo hace sin editar el tema. La misma aplicación dispone además de una página web pública y de una API, por si quiere un chat a página completa o su propio front-end.

Paso 6: Operación diaria

• Revise las conversaciones cada semana en los registros de la aplicación. Busque preguntas que no supo responder y respuestas incorrectas, y corrija los documentos.
• Use anotaciones para las preguntas frecuentes: guarde una respuesta aprobada y, con la respuesta por anotaciones activada, el bot la devolverá cada vez que se haga una pregunta similar.
• Vigile la página de monitorización para seguir el volumen de mensajes, los usuarios activos y el consumo de tokens, sobre todo si tiene conectado un modelo de pago.
• Actualice la base de conocimiento cada vez que cambien los precios, los planes o las políticas, y elimine los archivos obsoletos.
• Ofrezca atención humana: mencione su contacto de soporte en el mensaje de bienvenida y deje en manos de su equipo los reembolsos, las reclamaciones y los cambios de cuenta.
• Limite el abuso: un chatbot público puede recibir spam. Si detecta tráfico inusual, limite por IP la frecuencia de solicitudes a las rutas de la API de Dify en Nginx o en su CDN.

Preguntas frecuentes

¿Dify o AnythingLLM?

Dify está pensado para publicar aplicaciones de IA: burbujas de chat públicas, API, flujos de trabajo, registros y anotaciones. AnythingLLM es la opción más rápida para un asistente interno de documentos para su propio equipo; consulte crear un chatbot RAG privado con AnythingLLM.

¿La burbuja de chat no aparece en mi sitio web?

Abra la consola de desarrollador del navegador. Lo más habitual es que las URL del paso 1 sigan apuntando a una dirección IP o a http://, por lo que el navegador bloquea el script en un sitio HTTPS, o que un plugin de seguridad o una política de seguridad de contenido bloquee los scripts de otro dominio.

¿Puede el mismo bot responder en Telegram?

Sí. Las aplicaciones de Dify tienen una API a la que pueden llamar otras herramientas. Como alternativa, cree el bot de Telegram directamente en n8n; consulte crear un bot de Telegram de atención al cliente con IA en n8n.

¿Sigue sin resolverlo después de seguir estos pasos? Abra un ticket de soporte y el equipo técnico de IMIDC, disponible 24/7, le ayudará. Incluya la IP del servidor, su versión de Dify y su dominio, la salida de docker compose ps en la carpeta dify/docker y los errores que aparezcan en la consola del navegador para que podamos localizar el problema más rápido.