在Mac上搭建本地AI工作流：Dify与DeepSeek的完美结合

原创 已于 2025-08-10 11:18:33 修改 · 置顶 · 1.2k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #dify+deepseek #AI工作流 #大模型 #本地部署 #工作流

于 2025-08-10 11:06:24 首次发布

在Mac上搭建本地AI工作流：Dify与DeepSeek的完美结合

一、Dify平台简介

Dify是一个开源的大语言模型(LLM)应用开发平台，旨在简化和加速生成式AI应用的创建和部署。其名字蕴含着"Define（定义）+ Modify（修改）"的理念，体现了平台的灵活性和易用性。

作为一个综合性开发平台，Dify结合了后端即服务（BaaS）和LLMOps的概念，使开发人员能够更高效地构建AI原生应用。无论您是开发者还是非技术人员，都可以利用Dify构建、部署和运营AI应用。

Dify的主要特点包括可视化的AI应用开发模式，支持聊天机器人、AI工作流、RAG管道、Agent、模型管理以及可观测性功能。其应用场景十分广泛，包括智能客服、企业知识库、特定领域的聊天机器人和AI助理、自动化报告生成以及多模态内容创作。

二、在Mac上本地部署Dify

（一）准备工作

  1. 确保Mac环境满足要求：你的Mac需要安装有Homebrew，它是Mac上优秀的包管理工具。如果没有安装，可以在终端中运行以下命令进行安装：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
最低0.47元/天 解锁文章
搭建AI工作流：DeepSeek+Dify自动化实战指南
沧海之巅的专栏
03-23 1926
（或者使用本地搭建的模型也可以，往期文章里也有部署教程，本文尽量让无编程经验的文科生也可以实现自动化处理日常任务，所以使用api更加简单）简介API 可以简单理解成某个功能，为了开放给其他人使用，所以指定了一个网络地址，用户只需要请求这个地址，就可以使用该功能，并得到该功能处理后返回的数据。API申请指引DeepSeek | 深度求索点击右上角的API开放平台，进行注册账号进来后就会发现送了10元额度点击左侧菜单的API keys，点击创建API key，输入任意名字，点击创建。
mac下dify+deepseek部署，实现私人知识库
猿分已尽的博客
02-10 4686
mac种，使用Dify+deepseek实现私有知识库
Dify：在MacOS系统下Dify的本地部署与使用
echola_mendes的博客
07-17 2927
Dify是一个开源的AI应用开发平台，旨在帮助开发者快速构建基于大语言模型的应用程序。平台提供低代码/无代码开发环境，支持多种模式创建智能体，其中最常用的是Chatflow模式。与LangChain相比，Dify更注重生产级部署，降低了工程复杂度；与Coze相比，Dify提供更灵活的自主控制与数据管理能力。本地部署需要Python3.8+和Docker环境，支持多种主流模型厂商。平台功能包括模型配置、知识库管理（支持本地和外部知识库）、智能体创建
FastGPT + Dify，本地知识库快速部署！
AAI666666的博客
11-14 1409
大家好，我是一名喜欢在家折腾本地部署的开发者，这次我来分享如何在本地运行 Ollama，并将它与 FastGPT 和 Dify 两个知识库对接。
（三）DeepSeek本地知识库部署来了，Dify+DeepSeek实现智能体工作流
qq_30065669的博客
02-27 1463
我第一次打开半天没出来界面，我开了梯子，打开了。后面测试直接使用http://192.168.1.2/signin登录不用梯子，也能打开。从github下载社区版的zip包，解压到文件夹。在 .env 文件后面添加自定义模型为true，并指定Ollama的API地址（本机IP地址，我部署在同一台机器上）。在docker里会出现 docker容器。首先，我们配置docker 资源目录。也有说改文件的，我没改也行。这个命令是检查组件是否齐全，不齐会下载更新到本地。这里我把这个我暂时能用的分享出来，这个会变的。
超实用！用 Dify + DeepSeek +Ollama 搭建本地Ai助手
qq_46094651的博客
04-12 986
今天分享用 **Dify + DeepSeek + Ollama** 搭建本地Ai助手。 **本地部署大模型**，好处是数据不会上传，使用本地机器进行交互，但是对机器有一定要求。 这里使用**DeepSeek蒸馏版**，性能可能相对于671B满血版有一定的削减。
本地部署DeepSeek+Dify构建AI 智能体
2401_85390073的博客
05-16 1382
是专为大规模语言模型（Large Language Model, LLM）应用设计的一整套工具和服务，旨在帮助开发者更高效地构建、管理、部署和维护基于 LLM 的应用。这类平台通过提供从模型选择、数据处理、训练调优到部署监控的全流程支持，简化了 LLM 应用的开发复杂度，使开发者能够专注于业务逻辑和创新，而无需深入底层技术细节。
Dify 接入 Ollama 本地模型Deepseek-r1:14b实战指南：解锁意图识别与高级 Agent 工作流
朴拙科技的博客
02-13 2399
本地大模型部署已成为企业级AI应用的新趋势，Ollama作为轻量级本地模型管理工具，结合Dify的可视化AI应用编排能力，可快速搭建符合企业安全要求的智能系统。fill:#333;color:#333;color:#333;fill:none;常规问答功能调用复杂任务用户输入Dify处理中心意图识别模块Ollama本地模型决策引擎RAG检索Function模块Agent工作流向量数据库外部API多步骤执行。
deepseek+dify搭建知识库和个人聊天机器人
qq_36221620的博客
02-22 2075
最近研究了一下Dify这个AI应用引擎，感觉功能还是很强大的，特别是流程编排、RAG检索、模型管理、知识库维护等，内置了各种国内外的厂商模型，可以根据自己的业务需求来选择模型进行处理，而且模型可以借助Ollama来私有化部署,不过自己电脑配置不够搭建出来的deepseek不够智能，直接使用线上的deepseek也不贵，体验更好。（2）非必须C盘大的可以跳过，修改模型下载路径因为Ollama默认下载模型的路径是在C盘，如果模型太大，放到C盘也是不合适的，所以我们需要修改一下下载模型的目录。
[特殊字符]企业级大模型私有化部署实战！Dify+DeepSeek 零风险落地，数据安全与成本优化全攻略
真心喜欢你吖研发工程师，记录学习笔记、问题解决方案、知识总结、知识分享；冲鸭！
05-23 934
本文详细介绍了企业级大模型私有化部署的全流程，重点推荐了DeepSeek和Dify作为解决方案。文章首先强调了私有化部署的必要性，包括数据安全、成本控制和业务定制化需求。接着，通过对比不同工具和模型版本，指导企业如何选择适合的技术方案，并提供了具体的部署步骤和成本优化建议。此外，文章还涵盖了数据安全防护、常见问题解决方案以及未来发展趋势，帮助企业快速落地私有化AI应用，确保数据安全与业务需求的双重满足。
黄仁勋GTC开场：「AI-XR Scientist」来了！
2501_94005722的博客
11-20 1311
丛乐 (Le Cong)，斯坦福大学医学院病理学系和遗传学系教授。他被公认为是 CRISPR 基因编辑领域的奠基人之一。早在哈佛大学攻读博士学位期间，丛乐在导师张锋（Feng Zhang）和乔治・丘奇（George Church）的指导下，作为第一作者在 Science, Cell, Nature 杂志上发表了数篇标志性论文，首次证实 CRISPR/Cas9 系统可以在哺乳动物和人类细胞中实现基因编辑，为这一革命性技术的后续应用奠定了基石。
传统NLP算法
记录成长‌，知识沉淀，连接同行‌
11-19 743
传统NLP算法与当前大模型的对比分析 传统NLP算法主要基于规则和统计模型（如HMM、CRF、SVM），依赖人工特征工程和领域知识，适合特定任务但泛化能力有限。其优势在于可解释性强、计算资源需求低。典型应用包括分词、命名实体识别和文本分类等。 现代大模型（如Transformer架构LLM）采用预训练-微调范式，通过海量数据自动学习语言表示，具备强大的生成能力和跨任务迁移性。它们能处理复杂任务如对话生成和多语言翻译，但需巨额计算资源。 二者存在技术演进关系：大模型继承了传统NLP的核心思想，但通过深度学习实
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1498
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 460
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
最新发布
人生不是轨道，是旷野。希望每天都有好心情。
11-23 152
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
创客匠人 2025 高峰论谈（11.22-25）：AI 智能体重构创始人 IP 打造与知识变现的管理逻辑
ckjrxx的博客
11-20 629
这一 “数据化定位逻辑”，将在。创客匠人峰会筹备阶段强调，AI 智能体的核心意义是 “解放人”—— 将创始人从机械性工作中解放，专注知识体系迭代、用户信任构建等核心价值创造，让知识变现从 “个人生意” 升级为 “企业级业务”。创始人 IP 定位的核心是 “找到市场需求与核心能力的交集”，传统模式本质是 “个体直觉管理”，而 AI 智能体通过数据化管理思维，将定位转化为可量化、可追溯的流程。这些问题本质是企业管理中 “个体能力” 与 “系统效率” 的失衡，而 AI 智能体的出现，正从管理底层重构这一逻辑。
强化学习人形机器人奖励函数分析
ModestCoder_的博客
11-23 580
PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的跟随精度。这种设计是现代机器人控制领域的标准范式。形式，在总奖励计算中通常会被赋予。
宇树G1-D：人形机器人下一步方向！
Charlie_Mo的博客
11-21 962
宇树科技推出G1-D人形机器人工作站全栈解决方案，实现从硬件平台向"硬件+数据+AI"生态平台升级。该方案以G1-D为核心载体，为AI模型开发提供强力支撑，可应用于制造业等场景，提升生产精度和效率。在AI技术快速发展的背景下，掌握基于G1-D的AI开发技能将增强就业竞争力。这一创新方案为行业搭建AI训练基础设施，推动技术进步，展现未来发展潜力。
5G与人工智能：相辅相成推动未来智能化世界
2501_94108919的博客
11-21 926
近年来，5G和人工智能（AI）被视为数字时代的两大核心技术，它们不仅各自推动了技术进步，还在相互结合的过程中，带来了革命性的变革。例如，在智能制造中，AI可以基于5G传输的生产数据，实时调整生产线，优化生产效率，减少停机时间。比如，通过5G网络连接的智能穿戴设备可以实时监测患者的生命体征，并通过AI分析数据，为医生提供决策支持，甚至进行远程手术指导。5G网络的普及需要大量的基站和基础设施建设，而AI的应用则要求更高的计算能力和更低的延迟，这对硬件的要求非常高。
dify搭建deepseek工作流 知识库读取不出来
03-20
<think>嗯，用户的问题是关于在Dify搭建DeepSeek工作流时遇到知识库无法正常读取的情况，需要解决方案。首先，我需要回忆一下之前看过的引用内容，特别是关于DeepSeek和Dify结合的文档。 根据引用[1]和[2]，Dify和DeepSeek结合使用时，工作流需要同时搜索本地知识库和联网搜索，然后整合结果进行推理。如果知识库无法读取，可能涉及配置问题或者路径错误。引用[3]提到文档提取和数据验证，说明知识库的结构和文档格式可能也是关键因素。 接下来，我需要考虑可能的原因。首先检查知识库路径是否正确，权限是否足够。然后看文档格式是否支持，比如PDF、TXT等。知识库配置是否正确，比如索引是否建立。另外，工作流的流程设计是否有误，比如节点连接是否正确，参数传递是否准确。还有网络问题，比如本地服务是否可达，或者API调用是否受限。最后，日志分析也很重要，查看错误信息定位具体问题。 然后，解决方案需要分步骤。第一步检查配置，确保路径和权限正确。第二步验证文档格式，可能需要转换文件类型。第三步检查索引，重建索引。第四步检查工作流设计，确认节点参数是否正确。第五步网络检查，确保服务正常运行。最后，查看日志，根据错误信息调整。 可能还需要用户提供更多细节，比如错误日志或配置截图，这样能更精准地解决问题。同时，可以建议参考Dify和DeepSeek的官方文档，或者联系技术支持。 另外，用户可能在使用过程中遇到了具体的错误提示，但问题中没有提到，所以可能需要引导用户提供更多信息。例如，是否在运行工作流时出现权限拒绝，或者文件解析失败等具体错误。这些信息有助于缩小问题范围。 总结一下，解决方案应该涵盖配置、文档格式、索引、工作流设计、网络和日志等方面，并建议用户检查这些点，逐步排查问题。</think>在Dify搭建DeepSeek工作流时遇到知识库读取异常问题，可按照以下步骤排查解决： ### 一、知识库配置检查 1. **路径验证** 确保知识库存储路径在Dify配置文件中正确声明，特别注意相对路径需基于容器环境设置，建议使用绝对路径格式：`/opt/dify/data/knowledge_base`[^3] 2. **文件格式兼容性** 确认上传文档格式符合要求，目前支持的格式包括： - PDF（需验证文本可提取性） - TXT（编码应为UTF-8） - DOCX（需安装libreoffice组件） 若文件包含扫描图像，需先进行OCR处理 ### 二、工作流节点调试 1. **索引重建** 通过Dify的API执行强制索引更新： ```python POST /v1/knowledge-base/{kb_id}/reindex ``` 响应状态码200表示重建成功[^2] 2. **连接测试** 在工作流调试模式下，添加调试节点输出知识库查询结果： ```python # 示例调试节点配置 { "debug_output": "${knowledge_query_result}" } ``` ### 三、常见错误处理 | 错误类型 | 解决方案 | |---------|----------| | 403权限拒绝 | 执行`chmod -R 755 /data/knowledge_base` | | 文件解析失败 | 使用`pdftotext`工具预处理PDF文档 | | 索引超时 | 调整`knowledge_index_timeout`参数至300秒 | ### 四、进阶排查工具 1. 使用`docker logs dify-ai`查看容器日志 2. 在RAGFlow工作流引擎中启用调试模式： ```bash curl -X PUT http://localhost:7860/api/debug -d '{"enable":true}' ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值