必须将Dify连接至外部独立Weaviate实例，禁用内置服务；配置WEAVIATE_ENDPOINT为宿主机IP（非localhost），确保网络可达、端口开放、绑定0.0.0.0，并正确设置API密钥与安全参数，否则知识库向量化失败、检索无结果且状态显示“disconnected”。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Dify中使用本地自建的Weaviate向量数据库而非默认容器内嵌版本，必须切断Dify对内置Weaviate服务的依赖，改连外部独立部署的Weaviate实例，否则知识库向量化会失败、检索始终无结果，且系统状态页显示“weaviate (disconnected)”。
确认本地Weaviate服务已独立运行并可达
在宿主机或目标服务器上启动Weaviate（非Dify自带docker-compose.yml中的weaviate服务），确保其监听地址可被Dify容器网络访问。例如：执行weaviate start或通过docker run -p 8080:8080 semitechnologies/weaviate:1.24.5拉起单机版，验证curl http://localhost:8080/v1/meta返回正常JSON响应。
这一步不能跳过——Dify容器默认无法访问宿主机的localhost，若Weaviate仅绑定127.0.0.1:8080，Dify将永远连不上。必须将Weaviate绑定到0.0.0.0:8080或使用宿主机真实IP（如192.168.1.100:8080）。
检查Weaviate日志是否含GraphQL is available at /v1/graphql，说明服务已就绪；若看到no modules enabled警告，暂可忽略，Dify不强依赖模块。
修改Dify的.env配置文件指向外部Weaviate
进入Dify项目根目录，打开.env文件，定位到向量存储相关配置段。
将VECTOR_STORE=weaviate保持不变——这是启用Weaviate后端的开关，不可改为其他值。
找到并取消注释以下四行，填入你本地Weaviate的实际连接参数：
WEAVIATE_ENDPOINT=http://192.168.1.100:8080（替换成你的Weaviate真实IP+端口，【切勿写localhost或127.0.0.1】）
WEAVIATE_API_KEY=（若Weaviate启用了鉴权，则填入对应key；未启用则留空，但该字段必须存在）
WEAVIATE_SECURE=False（明文HTTP连接设为False；若用HTTPS且自签证书，需额外设WEAVIATE_VERIFY=False）
WEAVIATE_BATCH_SIZE=100（建议设为100，避免大文档解析时连接超时）
删除WEAVIATE_ENDPOINT行末尾所有空格和不可见Unicode字符，这类隐藏符号会导致Dify启动时解析.env失败并卡死在初始化阶段。
停用Dify原生Weaviate服务并重启
打开docker-compose.yml，找到weaviate:服务区块，在其上方添加#注释掉整段，或直接删去该服务定义。
同时检查depends_on:字段，确保api和worker服务不再依赖weaviate。
执行docker compose down && docker compose up -d重建服务。
等待约70秒，访问http://localhost:3000→右上角头像→「管理后台」→「系统状态」，确认「向量数据库」一栏显示weaviate (connected)。
若仍显示disconnected，请立即执行docker logs dify-api | grep -A3 -B3 weaviate，重点排查Connection refused（地址不通）、timeout（网络延迟过高）或401 Unauthorized（API key不匹配）三类错误。
创建知识库并触发首次向量化
第一步：登录Dify控制台，进入「知识库」→「新建知识库」，填写名称与描述，保存。
第二步：点击刚建好的知识库→「上传文件」，选择PDF/Markdown等格式文档，上传成功后状态显示「待处理」。
第三步：等待10–90秒（取决于文档长度与嵌入模型速度），状态变为「已完成」即表示向量化成功写入你本地的Weaviate实例。
第四步：在知识库页面点击「测试检索」，输入关键词（如“故障代码E102”），若返回相关文档片段，说明整个链路闭环完成。
注意：首次上传后若状态长期卡在「处理中」，大概率是WEAVIATE_ENDPOINT不可达或Weaviate未启用text2vec-transformers等嵌入模块——Dify不负责提供嵌入模型，它只把文本发给Weaviate，由Weaviate内部完成向量化。
