docker搭建dify实操、使用

原创

已于 2024-08-26 21:33:56 修改 · 2.2w 阅读

66 ·

CC 4.0 BY-SA版权

文章标签：

#docker #容器 #大模型

于 2024-08-26 21:16:59 首次发布

操作日期：2024-8-26 linux操作系统 dify最新版本0.7.1

拉取代码

git clone --depth 1 https://github.com/langgenius/dify.git

docker部署

cd dify/docker
cp .env.example .env
docker compose up -d   如报错找不到命令则用 docker-compose up -d

注意：我自己本地已经有一个80端口的进程了，而这个dify里面的nginx默认也是80，这里给它改成180，不改的话，直接跳过改步骤

sudo vim .env

将里面的EXPOSE_NGINX_PORT默认80改成180，然后保存

sudo vim docker-compose.yaml

将里面的EXPOSE_NGINX_PORT默认80改成180，然后保存

部署后，docker ps查看结果如下

包括 3 个业务服务 api / worker / web，以及 6 个基础组件 weaviate / db / redis / nginx / ssrf_proxy / sandbox 。

首次访问安装页面

使用浏览器访问http://your_server_ip:180/install （这里我改为了180，如果没改就是80，不填也行）

首次访问会出现上面的注册页面，填入信息即可。后续访问，查询到已注册，会自动跳转到登录页面，如下：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

3333333_

关注关注

26
点赞
踩
66

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

大模型——保姆级实操一台主机同时部署Dify和RAGFlow全流程避坑指南

06-23

660

本文主要介绍了在同一设备上部署Dify和RAGFlow的注意事项及具体步骤。作者提醒若设备已部署Dify，需先备份数据再部署RAGFlow，避免端口冲突导致服务异常。通过修改RAGFlow的端口配置（8081:80）解决了端口占用问题，并展示了RAGFlow的基本使用流程，包括账号注册、模型配置、应用创建和知识库管理。部署过程中Dify出现Redis错误，将其从1.4.0升级至1.4.1版本后恢复正常。文章最后预告将介绍Dify与RAGFlow的对接协作方案。

Docker和Dify学习笔记

kaikai_sk的博客

03-20

2217

思路就是利用Dify的echarts渲染的能力(即使是Dify自带的Echarts图表生成工具也是输出了一串echarts的配置字符串，甚至还没有直接写python代码生成来的直接)。这里需要注意，我的ollama是直接安装在宿主机的。但是Dify是通过docker启动起来的，这里涉及到docker和宿主机之间的通信。默认占用的是80和443端口，如果你本机已经部署了其他的应用，占了该端口，修改.env文件中的下面两个变量。这是因为Dify限制了默认的长度。域名，Docker的DNS可以解析这个域名。

3 条评论您还未登录，请先登录后发表或查看评论

基于Docker+DeepSeek+Dify 搭建企业级本地私有化知识库超详细教程

xdpcxq的专栏

04-08

1036

Docker默认安装在C盘，大小大概2.9G，做这行最忌讳的就是安装软件全装C盘，所以我调整了下安装路径。新建安装目录：E:\MySoftware\Docker并将Docker安装包放在目录内，这里有个小细节，

【dify+docker安装教程】

qq_62223405的博客

04-28

3645

Docker 快速部署 Dify + 应用构建完整流程

热门推荐

qq_49035156的博客

10-27

5万+

这篇博客将详细介绍如何在 Windows 系统上部署 Dify，适合零基础用户。从 Docker 和 WSL 的安装配置开始，逐步指导用户设置 Git、Docker 环境以及 Dify 配置文件，解决可能遇到的端口冲突等问题，最终完成 Dify 的启动和测试。通过简明易懂的步骤，帮助用户在本地成功运行 Dify，实现模型供应商配置，让 Dify 项目在 Windows 平台上顺利上线。

手把手教你用Docker部署Dify平台，打造可视化LLM应用环境

Code1994的博客

12-01

1万+

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

Linux系统使用Docker快速部署一个简单易用的LLM平台Dify

ks_wyf的博客

05-16

3255

Linux系统使用Docker快速部署一个简单易用的LLM平台Dify

安装Docker，部署dify

m0_74537205的博客

07-17

1289

到这里我将Docker移动到D盘后发现无论是我点击桌面上的图标，还是以管理员身份运行exe都没有响应，并且任务管理器中没有Docker的进程，所以我查询了资料。默认安装路径是C盘，但是我C盘内存不够了，所以我想要将Docker移动到D盘。进入之前解压的路径：D:\SoftWare\dify\docker。建议多在网上找几个镜像，因为这个镜像变得很快，这里提供几个我用的。关闭docker的时候要点击右下角任务栏里的小鲸鱼，quit。结果没有完全成功，但是勉强也能接受，如果有解决的欢迎留言。

MAC 本地搭建部署 dify（含 github访问超时+Docker镜像源拉取超时解决方案）

小桥Dopey的博客

03-03

8612

最值得入坑的AI Agent框架—Dify，MAC 本地搭建部署 dify（含 github访问超时+Docker镜像源拉取超时解决方案）

本地部署 Dify + Deepseek (实操版)

weixin_51702416的博客

05-19

1089

我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。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；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。

DeepSeek+Dify搭建工作流.zip

03-26

提供以下解决方案及资料：（1）Dify搭建工作流(专题论文、DeepResearch等实操)文档（2）Dify的本地部署方案（3）Diffy源代码+Docker win系统安装包（4）提供上述视频学习地址

Dify使用教程（创建应用）

wal1314520的博客

02-23

1万+

Dify的安装部署我已经写过了，简单的模型配置我也在前面进行了讲解，今天我们主要来讲讲如何使用Dify。

【人工智能agent】--docker本地部署dify教程

我是个好人呀，O(∩_∩)O

04-23

1万+

Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。非技术人员：不懂编程、对大模型不太懂，也可以使用DIFY2、功能介绍由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agen

Dify + Xinference：一站式本地 LLM 私有化部署和应用开发

Z4400840的博客

11-15

4956

Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。

在阿里云上部署 Docker并通过 Docker 安装 Dify

taoxiayu的博客

08-16

7550

4核8G。

dify docker 部署方式

ling_zhi_xin的博客

03-07

4759

由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。知识库添加自己的文档信息，然后通过Rerank 模型和 Embedding 模型导入知识库就可以了。

手把手教你用Docker部署Dify平台，打造可视化LLM应用环境_dify docker部署

2401_85379281的博客

03-21

1580

Dify是一款开源的大语言模型(LLM)应用开发平台。它融合了后端即服务（Backend as Service）和LLM Ops的理念，使开发者可以快速搭建生产级的生成式AI应用。即使你是非技术人员，也能参与到AI应用的定义和数据运营过程中。 Dify内置了构建LLM应用所需的关键技术栈，包括对数百个模型的支持、直观的Prompt编排界面、高质量的RAG引擎、稳健的Agent框架、灵活的流程编排，并同时提供了一套易用的界面和API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。”

安装Docker和本地部署dify

Joesa优快云的博客

07-18

755

本文介绍了Docker Desktop的安装配置及本地部署Dify的完整流程

搭建dify

03-13

<think>好的，我需要帮助用户搭建Dify环境配置。首先，用户提到了几个引用，我需要先看看这些引用内容是否相关。引用1提到用docker compose安装，需要克隆代码库。引用2说明需要预备环境，包括docker和docker-compose，以及硬件要求。引用3是关于Mac本地搭建，使用miniconda创建Python环境。引用4提到实操教程，特别是接入大模型的部分。用户的问题是如何搭建Dify的环境配置，所以需要综合这些信息。根据不同的操作系统，步骤可能不同。首先应该分步骤说明，可能包括预备环境、Docker安装、克隆代码、配置等部分。对于Windows用户，可能需要安装Docker Desktop，而Mac用户可能用Docker或conda环境。需要检查引用中的步骤是否正确，比如引用3中的conda步骤是否适用于Mac。然后需要确保Docker和docker-compose的安装，克隆仓库，启动服务等。还要注意是否需要Python环境，比如引用3提到Python 3.10，这可能是在Mac本地运行的情况，而Docker方式可能不需要。需要明确不同部署方式的步骤，避免混淆。可能的问题包括如何安装docker-compose，如何处理依赖，如何验证安装是否成功。最后，生成相关问题，比如如何接入大模型，或者常见错误解决方法。</think>### Dify 环境搭建分步指南 #### 一、预备环境要求 1. 硬件配置最低要求：$CPU \geq 2$核，$RAM \geq 4GiB$[^2] 2. 操作系统支持： - Windows 10/11（需启用WSL2） - macOS 10.15+（Intel/M1/M2芯片） - Linux（推荐Ubuntu 20.04+） #### 二、Docker方式部署（推荐） 1. 安装Docker引擎： ```bash # Ubuntu示例 sudo apt-get update && sudo apt-get install docker-ce docker-ce-cli containerd.io ``` 2. 安装docker-compose： ```bash sudo curl -L "https://github.com/docker/compose/releases/download/v2.20.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose sudo chmod +x /usr/local/bin/docker-compose ``` 3. 克隆代码仓库： ```bash git clone https://github.com/langgenius/dify.git && cd dify/docker ``` 4. 启动服务： ```bash docker-compose up -d ``` 启动后访问`http://localhost`，初始账号：`admin@dify.ai`，密码：`difyai123`[^1] #### 三、Mac本地开发环境 1. 安装Miniconda： ```bash brew install miniconda ``` 2. 创建Python虚拟环境： ```bash conda create --name dify python=3.10 conda activate dify ``` 3. 安装依赖： ```bash pip install -r requirements.txt ``` 4. 配置环境变量： ```bash echo "API_SERVER=ws://localhost:5001" >> .env ``` 5. 启动服务： ```bash python manage.py runserver ``` 访问`http://localhost:3000`进入控制台[^3] #### 四、AI模型接入（以ChatGPT为例） 1. 在控制台点击「设置」-「模型供应商」 2. 选择「OpenAI」并填入API Key 3. 设置模型参数： ```python # API调用示例 openai.api_key = "sk-xxxxxxxx" response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[{"role": "user", "content": "Hello!"}] ) ``` 支持自定义prompt模板和温度参数调节[^4]