AI工作流平台Dify本地部署

Dify 是一个支持通过AI工作流的形式，开发AI应用的开源平台，他相比 LangChain 更加的易用，甚至零代码即可创建你的AI应用。

功能	Dify.AI	LangChain	Flowise	OpenAI Assistant API
编程方法	API + 应用程序导向	Python 代码	应用程序导向	API 导向
支持的 LLMs	丰富多样	丰富多样	丰富多样	仅限 OpenAI
RAG引擎	✅	✅	✅	✅
Agent	✅	✅	❌	✅
工作流	✅	❌	✅	❌
可观测性	✅	✅	❌	❌
企业功能（SSO/访问控制）	✅	❌	❌	❌
本地部署	✅	✅	✅	❌

所谓AI工作流，就是能将多个AI的输入输出进行关联，还可以在任意环节加入知识库，数据库，python/JS脚本，插件等进行高度定制处理的流式工作空间。

通过使用工作流的形式组织多个AI各司其职，可以实现更复杂功能，例如私有知识库RAG，模型管理，AI应用。

下面我将详细知道你搭建本地Dify，并在Dify中配置AI模型。

安装Dify

下载源码

将Dify的源码克隆到本地

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

使用Docker安装

如果你还没有Dokcer，可以前往官网下载 Docker Desktop 一键安装Docker

进入docker文件夹，在文件夹下执行命令行，拷贝环境配置文件

cp .env.example .env

然后从当前文件夹内找到 docker-compose.yaml 文件，使用它可以便捷的安装Dify

默认 docker-compose.yaml 文件的配置，安装的Dify会在80端口启动，如果不想80端口被占用，可以打开该文件，修改 nginx 配置

通过命令行使用docker-compose安装Dify

docker compose up -d
​
# 正常返回
[+] Running 74/9
 ✔ db Pulled                                                    834.2s
 ✔ sandbox Pulled                                              1120.7s
 ✔ weaviate Pulled                                              526.5s
 ✔ web Pulled                                                   174.0s
 ✔ redis Pulled                                                 893.7s
 ✔ api Pulled                                                  2919.8s
 ✔ worker Pulled                                               2919.8s
 ✔ ssrf_proxy Pulled                                            494.0s
 ✔ nginx Pulled                                                 184.7s
[+] Running 11/11
 ✔ Network docker_default             Created                     0.0s
 ✔ Network docker_ssrf_proxy_network  Created                     0.0s
 ✔ Container docker-db-1              Started                     1.1s
 ✔ Container docker-web-1             Started                     1.1s
 ✔ Container docker-redis-1           Started                     1.1s
 ✔ Container docker-sandbox-1         Started                     1.1s
 ✔ Container docker-weaviate-1        Started                     1.1s
 ✔ Container docker-ssrf_proxy-1      Started                     1.1s
 ✔ Container docker-api-1             Started                     0.7s
 ✔ Container docker-worker-1          Started                     0.7s
 ✔ Container docker-nginx-1           Started                     0.8s

等待命令安装完成，打开Docker Desktop或者通过命令行即可查看到安装好的Dify包含的所有镜像

在Docker中启动Dify容器，打开浏览器访问 http://localhost:80/install

初次登录需要设置管理员账号密码，然后使用账号密码登录即可进入到平台，至此你的Dify就安装好了

配置AI模型

我们的目的是制作AI应用，所在创建应用之前，你需要在Dify上配置可供平台使用的大模型。你可以通过调用大模型的API进行使用，也可以部署自己的本地大模型私有化使用。

第三方AI模型

你可以直接配置第三方模型的API-KEY调用，通过"设置"-"模型供应商"找到对应的模型，设置你的API-KEY即可添加

配置保存后，模型即可在AI应用中使用。

本地AI模型

如果是打算做私有化的应用，则需要本地的AI模型来保护隐私，就需要部署本地的AI模型。

部署本地模型

本地模型可以使用 Ollama 进行部署，部署指南可以参考《DeepSeek-R1私有化部署》

使用本地模型

部署完成本地AI模型，就可以在设置的模型供应商中找到 Ollama ，点击添加模型

填写模型名称，这里需要填写Ollama中正确完整的模型名称，你可以通过命令行 ollama list 指令查看

Ollama list
​
NAME                  ID              SIZE      MODIFIED
llama3.2:latest       a80c4f17acd5    2.0 GB    41 minutes ago
deepseek-r1:latest    0a8c26691023    4.7 GB    26 hours ago
deepseek-r1:7b        0a8c26691023    4.7 GB    11 days ago

配置Ollama的访问路径，这里使用域名 localhost 可能无法访问，因为是docker服务，建议使用 host.docker.internal 域名

添加模型后，在Dify上创建AI应用的时候，大模型节点即可选择对应模型进行处理了。

到此Dify的本地搭建工作就完成了，建议你继续阅读《Dify搭建私有化RAG应用》，通过实操来学习如何创建一个AI工作流应用。

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​