Dify+DeepSeek-R1: 我的超强AI工作流,详细的部署与使用实录！

这个春节AI圈可以说是热闹非凡。deepseek连放"卫星"，先是R1震惊四座，现在又整了个能跟DALL-E 3叫板的Janus-Pro。

前排提示，文末有大模型AGI-优快云独家资料包哦！

与此同时，有个叫dify的开源平台默默破了6万star，成了开源开发圈的新宠。今天，我要跟大家分享如何搭建这对黄金搭档，以及我简单的使用心得。

Dify是何方神圣?

Dify是一个开源的LLM应用开发平台，它通过直观的可视化界面，帮助开发者快速构建和部署AI应用，支持包括模型管理、知识库、工作流编排等全方位功能，你可以把它理解为一个类似于扣子的"AI应用的乐高积木系统"。

#来!安装试试看

在开始安装之前，我们需要确保系统满足以下基本要求：

• CPU至少2核心
• 内存至少4GB（建议8GB以上）
• 硬盘空间至少20GB（为了后续扩展）
• 操作系统支持：Windows、macOS或Linux
• Docker环境（Windows用户建议开启WSL2）如果你对 docker 不熟 建议看看这个文章[Docker 和 Docker Compose 命令行工具整理]

1. dify的安装步骤

首先，让我们来安装dify。虽然有多种部署方式，但我建议使用Docker方式部署，这样最简单稳妥也最不容易出错：

• 下载代码：

git clone https://github.com/langgenius/dify.git
cd dify/docker

• 配置环境：

cp .env.example .env

• 启动服务：
  如果你使用的是Docker Compose V2：

docker compose up -d

如果是V1版本：

docker-compose up -d

安装完成后，通过以下命令检查服务状态：

docker compose ps

检查要特别关注以下几个关键容器的状态：

• docker-api-1：API服务
• docker-web-1：Web界面
• docker-worker-1：后台任务处理
• docker-db-1：数据库
• docker-redis-1：缓存服务
• docker-nginx-1：反向代理

所有容器都应该显示"Up"状态。然后我们可以通过浏览器访问：

http://localhost/install

2. deepseek-r1的部署

接下来是安装deepseek-r1。这个过程相对简单，但需要注意一些细节：

• 安装Ollama：Windows用户：从官网下载安装包.Linux用户：使用curl安装

curl -fsSL https://ollama.ai/install.sh | bash

• macOS用户：使用Homebrew安装

brew install ollama

安装完成后，打开终端验证：

ollama -v

• 下载deepseek-r1模型：基础版本（推荐新手使用）：

ollama run deepseek-r1:7b

高性能版本（需要较好的硬件配置）：

ollama run deepseek-r1:14b

下载过程可能需要一段时间，取决于你的网络速度。7b版本大约需要4.7GB空间，14b版本需要约9GB空间。

3. 系统联调与配置

现在两个系统都装好了，需要进行整合配置：

dify基础配置：打开.env文件，配置以下关键参数：

`CONSOLE_URL=http://localhost SERVICE_API_URL=http://localhost UPLOAD_FILE_SIZE_LIMIT=50 # 文件上传限制，单位MB UPLOAD_FILE_MIME_TYPES=.pdf,.doc,.docx,.txt # 允许上传的文件类型`在dify控制台中添加模型配置：访问http://localhost,完成注册,登录后进入Settings → Model Provider添加Local Model配置,这里选择ollama就可以了

选择API格式为Ollama,相关的配置如下,因为我是使用的docker来进行部署的,访问部宿主机的地址记得使用host.docker.internal这个地址,你也可以使用你局域网电脑中的网址！

测试整合，来创建一个简单的聊天会话应用创建一个新的应用

选择刚配置的deepseek-r1模型，我发送测试消息发送测试消息验证响应

实战应用案例

现在来分享一些实际应用场景和具体的操作步骤。

智能文档案例

什么是知识库？知识库就像是一个智能的企业大脑，你可以往里面放入公司的各种资料，比如产品手册、培训文档、客户案例等。当有人需要找什么信息时，不用再到处问同事或者翻文件夹，直接在知识库里搜索就能快速找到答案。它最大的特点是可以帮你管理和查找各种资料，让公司的知识经验能够保存下来，新员工也能更快上手工作。

创建知识库：进入dify控制台，选择"Dataset"→"Create New"，上传文档文件，这里的文档支持多种格式，也支持从notion当中导入，还可以同步外部的站点

设置索引参数和检索规则,这里我推荐使用 nomic-embed-text:latest作为你的文件嵌入模型,也是使用 ollama来拉取和运行,pull一下就可以了,完全不用操心其他的操作!

ollama pull nomic-embed-text

完成上面的步骤之后，我们就可以导入自己需要检索的文档。在后面的对话或者工作流中直接引用

工作流案例

配置工作流：创建新的Workflow,我这里直接选择一个已有的工作流: 文档总结工作流

然后添加文档处理节点,这里只需把之前的GPT3.5换成DeepSeek-R1就可以了

操作步骤如下:

当然你也可以自定义设置提示词模板：

`任务：分析以下文档并提取关键信息 文档内容：{{context}} 要求： 1. 提取主要观点 2. 总结关键数据 3. 生成行动建议之之后`击运行输入要总结的内容

最后的运行结果是:

最后

上面演示的只是Dify最简单的聊天应用知识库和工作流的使用,还有更多的功能和工作流值得您挖掘，更多高级的用法

玩Dify的工作流本身就像搭积木一样，用它来搭建各种有趣的 AI 应用。比如做一个智能客服，帮你自动回答客户的问题；或者做个私人助理，帮你整理文档、写邮件、做会议记录；甚至可以做个创意助手，帮你写文案、做营销策划、设计广告语。

你不需要写复杂的代码，只要像拖拽积木一样，把不同的功能模块组合在一起，就能做出你想要的应用。它就像是给你一套 AI 魔法工具，让你能轻松地把脑子里的想法变成现实。

而且扣子能做的,它统统都能做!

因为deepseek已经把开源的威力充分的展示给大家看了!相信随着AI技术的快速发展，dify和deepseek-r1的结合使用将会迎来更多可能性!

结语

通过本文的详细指南，相信大家已经对如何部署和使用这对搭档有了深入的了解。记住，工具的价值在于使用，建议大家在实践中不断探索和优化，找到最适合自己需求的使用方式。

如果你在使用过程中遇到任何问题，欢迎在评论区讨论。让我们一起在AI技术的浪潮中不断学习和进步！

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓