DifyでLM Studio経由のEmbeddingモデルを設定（RAGで使用）

RAGとは

チャットボットの画面で、独自のデータを与えてそこから回答をさせることができます。
例えば、FAQのテキストが入ったPDFを用意して、チャットボットの回答はそのFAQデータから行わせることができます。

Difyで扱える独自のデータは下記のようになっています。

その仕組みは
RAG（検索拡張生成：Retrieval-Augmented Generation）
という技術です。Difyで使えるようになっています。

Embeddingモデルとは

RAGで検索できるようにするためには、独自のデータをLLMが扱いやすい形（数値ベクトル）に変換（ベクトル化）する必要があります。
その変換の仕組みはEmbedding（埋め込み表現）という技術です。
このEmbeddingをする処理は、Embeddingモデルで行うことができます。

LM StudioにEmbeddingモデルを持たせることによって、まずはDifyでEmbeddingモデルの登録をする手順を紹介いたします。
使用するEmbeddingモデルは、定評のあるオープンソースの下記モデルとします。

１．LM StudioでEmbeddingモデルの存在確認

• LM Studioを起動して、左メニューの虫眼鏡アイコンの「Discover」をクリックします。
• 検索窓に
  Copy nomic-ai/nomic-embed-text-v1.5-GGUF

  と入力して検索します。

  

  「Downloaded」の表示の場合は、すでにLM StudioにEmbeddingモデルが入っていることになります。
  「Download」の表示の場合は、クリックしてダウンロードを進めます。
  ※当方の環境では、LLMモデルの「gpt-oss-20」「gemma3:12b」等をインストールしていた状態では、すでにインストールされている状態になっておりました。

２．DifyのモデルプロバイダーでEmbeddingモデルを追加

• Difyを起動し、ログインします。
• 画面右上の プロフィールアイコン をクリックします。
• 表示されたメニューから 「設定」 を選択します。



• 左側メニューから 「モデルプロバイダー」 をクリックします。
  

  

• 「OpenAI-API-compatible」の「モデルを追加」をクリックします。
  

  

３．Embeddingモデルの接続情報を入力して保存

• 項目	選択・入力する内容	備考
  Model Type	Text Embedding	Embeddingモデルとしての登録になるので、「Text Embedding」が選択された状態にします。
  Model Name	Copy text-embedding-nomic-embed-text-v1.5
  API endpoint URL （dockerでローカル起動の場合）	Copy http://host.docker.internal:1234/v1	固定値として反映します。 LM Studioはローカルポート1234でAPIサービスを開始します。

  この表を参考に入力して、「保存」ボタンをクリックします。

  

• 「モデルを表示」をクリックしたときに、設定したモデルが表示されていれば設定は成功です。