- 综合排序
- 最热优先
- 最新优先
- 来自专栏Dify
Dify 平台的部署
Dify 部署前置准备：安装 Docker 环境安装 Docker Compose 工具接下来我将介绍如何通过 Docker Compose 部署 Dify 平台。 其次，进入 dify/docker 目录：cd dify/docker接着，复制一份官网提供的 环境配置文件样例 作为实际的 环境配置文件：cp .env.example .env之后通过 docker 通过以上步骤，我们就可以在本地安装 Dify平台。 origin main拉取或更新镜像docker compose pull启动容器：docker compose up -d小结本文详细讲解了如何利用 Docker Compose 工具快速在本地或服务器上部署 Dify 平台，该方法操作简便且高效。
2.3K77编辑于 2025-03-20 - 来自专栏灵墨AI探索室
私有化部署Dify
Dify 是一个开源的可视化智能体搭建平台，旨在为用户提供简便、直观的智能体构建和部署体验。 今天，我们将详细讲解如何将 Dify 平台成功部署到你自己的服务器上，从而更好地利用其功能进行智能体开发和管理。为了顺利完成这一过程，我们首先需要做好一些基本准备工作。 部署dify进入系统后，首先点击进入宝塔面板，然后在宝塔面板中找到并进入 Docker 管理界面。 导入其他dify应用如果你在其他服务器上部署过dify，想要平滑迁移过来，也是可以的。如图所示：在相应的应用中，点击导出DSL即可，我们不需要了解他是什么格式，dify会自动识别即可。 接下来就是导入应用，如图所示：小结今天简单讲解并部署了一下 Dify 整个流程。后续，我会详细讲解 Dify 内部各个应用的创建过程，并分析它们的共性特点，以便大家在后续能够更加高效、快捷地创建应用。
5K10编辑于 2025-03-18 - 来自专栏周拱壹卒
ARM 环境中部署 Dify
web: image: langgenius/dify-web:0.11.1 platform: arm64 # The postgres database. https://github.com/langgenius/dify/discussions/10580 https://github.com/langgenius/dify/discussions/10580 docker-compose.yaml[2]，精简掉暂不使用的向量库等配置，并修改如下内容： 将 dify-api 镜像调整为上面重新构建的版本，以解决 ARM 环境启动报错问题； 为 dify-api 和 dify-sandbox 服务添加 privileged: true 配置，以解决 https://github.com/langgenius/dify/issues/886 中描述的 OpenBLAS : ${DIFY_BIND_ADDRESS:-0.0.0.0} DIFY_PORT: ${DIFY_PORT:-5001} SERVER_WORKER_AMOUNT: ${SERVER_WORKER_AMOUNT
3.3K00编辑于 2024-11-25 【AIGC系列】dify本地部署
1.clonegit clone https://github.com/langgenius/dify.git2.docker 目录cd dify/docker3.env 文件cp .env.example .env4.启动docker compose up -d# 或者docker-compose up -d5.查看docker compose ps6.更新 difycd dify/dockerdocker
1.2K00编辑于 2024-12-03- 来自专栏ceshiren0001
Dify入门指南（2）：5 分钟部署 Dify：云服务 vs 本地 Docker
本文手把手对比 云服务直装 和 本地 Docker 部署 两种方案，附避坑指南与性能实测！ 一、云服务部署：3 分钟极速开箱适合人群：快速验证原型 · 中小企业轻量化使用核心优势：零运维、免费用量额度、自动升级操作步骤：注册登录 访问 Dify 官网 → 点击「免费开始」→ 用邮箱/GitHub ollama run qwen:4b-chat # Dify 控制台添加模型 模型类型：OpenAI 兼容 端点：http://ollama:11434/v1 模型名称：qwen:4b-chat 私有化部署调优技巧场景配置方案提升知识库性能挂载 ）一次性服务器投入适用场景PoC 验证 · 轻量应用生产环境 · 强合规需求实测数据：本地部署运行 Qwen-4B 模型，单条查询响应 <2s（RTX 3060 GPU）四、避坑指南：高频问题解决方案镜像拉取失败 无论选择哪种方式，Dify 都大幅降低了 AI 应用的门槛。
2.2K00编辑于 2025-08-11 Dify的部署以及免费API调用教程
1.环境准备 DIFY的运行需要一些必备组件 1.1Docker的下载 网站：Docker: Accelerated Container Application Development 大部分Windows 系统选择这个下载就好 1.2下载Git组件 网站：Git 这个是我们后续克隆必备的组件 2.DIFY的克隆及安装 2.1 找到GitHub上DIFY的源文件数据库供待会我们克隆 GitHub - langgenius /dify: Production-ready platform for agentic workflow development. 2.2 将数据库的位置在我们的终端上以管理员身份使用git进行所有文件的克隆 文件克隆后我们输入以下指令来完成配置文件的拷贝 3.安装完成后我们来进行DIFY初始化配置 在浏览器上点击工作室 - Dify，并设置邮箱密码然后开始对DEFY进行初始配置 模型供应商这一块搜索CanopyWave
2.7K31编辑于 2026-02-26- 来自专栏Lcry个人博客
开源 LLM 应用开发平台 Dify 部署教程
最近出了 react 和 next.js 出了远程执行漏洞，包括 dify 在内的产品无疑幸免，在最新版本中 v1.11.1版本中才修复，虽然本站出了很多一些关于 dify 的使用教程，但是很多人还没有部署过这个平台 ，今天就趁到全新安装 v1.11.1为例带大家部署一下这个 AI 应用开发平台 dify，从本文中你可以找到修改默认 80 端口占用冲突问题，插件老是下载失败超时等等一些列问题的答案，让你部署更简单。 介绍 Dify 是一款开源的大语言模型（LLM）应用开发平台，它结合了后端即服务（BaaS）和 LLMOps 理念，让开发者、企业甚至非技术人员都能快速构建、部署和管理生产级的生成式AI应用，例如智能客服 答：这个错误最常见，如果你不是一个全新的服务器，服务器上已经部署nginx、apache等占用80端口的服务器，启动时候docker-nginx-1 肯定会报错这个，那么你要做的是修改 dify 的默认端口 总结 本文主要带实战部署了 dify 最新版本 v1.11.1，并且针对于博主在多次安装 dify 过程中遇到的常见问题进行了解答，使其安装过程更加顺畅，如果你是一台干净的服务器并且还有科学上网大概率不会遇到奇奇怪怪的问题
1.2K10编辑于 2026-01-09 - 来自专栏轩辕镜像
DIFY-WEB Docker 容器化部署指南
通过DIFY，用户可以基于任何LLM模型自助部署类似AssistantsAPI和GPTs的能力。 本文档将详细介绍如何通过Docker容器化方式部署DIFY-WEB，包括环境准备、镜像拉取、容器配置、功能测试及生产环境优化等关键步骤，帮助用户快速实现DIFY-WEB的本地化部署。 容器部署基本部署步骤创建工作目录（可选，用于挂载配置文件和数据）：展开代码语言：BashAI代码解释mkdir-p/opt/dify-web/{config,logs}chmod-R755/opt/dify-web 总结本文详细介绍了DIFY-WEB的Docker容器化部署流程，从环境准备、镜像拉取到容器配置、功能验证及生产环境优化，提供了一套完整的部署方案。 通过容器化部署，用户可以快速搭建DIFY-WEB应用，同时保证环境一致性和部署效率。
95910编辑于 2025-11-18 - 来自专栏Dotnet Dancer
基于Ubuntu22.04 部署Dify详细教程
文件夹，进入到里面，然后开始克隆dify开源项目到本地 git clone https://github.com/langgenius/dify.git 进入到dify目录下的docker文件夹下，复制一份示例配置到 { "registry-mirrors": ["https://docker.m.daocloud.io"] } 重启docker然后重新启动dify systemctl restart docker docker compose up -d 这次是启动成功了 打开 http://ip:nginx端口/install ip换成你自己的部署服务器的IP 如果需要停止Dify，使用下面命令执行 ： docker compose down 根据我本地配置，打开 http://IP:8099/install 进行初始配置 设置账户以后，就可以正常进入Dify了 其他设置： Dify默认上传文件限制大小 然后打开Dify，知识库内可以看到提示，单个文件不超过1500M。并且测试上传知识库文档，也确实可以实现成功上传大于15MB的了。 以上就是本文章的全部内容，感谢阅读！
6.1K01编辑于 2025-04-18 - 来自专栏全栈测试技术
【详细教程】如何在Ubuntu上本地部署Dify？
1 关于DifyDify 是一个开源的大语言模型（LLM）应用开发平台；可以简化和加速生成式AI应用的创建和部署；为开发者提供低代码/无代码的解决方案，同时支持高级定制化需求。 2 Dify核心功能多模型支持：① 支持主流商业模型（如 OpenAI GPT、Claude、DeepSeek、ChatGLM 等）及开源模型（如 Llama、Mistral）；② 提供 模型管理 功能 3 访问和使用详见Dify官方文档；4 dify部署在 Ubuntu 上本地部署 Dify 可以按照多种方式，以下是通过 Docker Compose 进行部署的步骤，这是官方推荐的简单部署方式：4.1 源码# 克隆Dify仓库git clone https://github.com/langgenius/dify.git4.4 配置环境变量进入到如下目录：cd dify/docker# 复制环境变量示例文件 部署完成后，通过浏览器访问：http://localhost/apps;图片6 初始化管理员账号首次访问时，系统会引导创建管理员账号，按照提示完成设置即可。
3.5K31编辑于 2025-10-29 - 来自专栏码匠的流水账
docker部署dify结合deepseek构建知识库
序本文主要研究一下本地docker部署dify结合deepseek构建知识库步骤difygit clone https://github.com/langgenius/dify.git git co tags : ${DIFY_BIND_ADDRESS:-0.0.0.0} DIFY_PORT: ${DIFY_PORT:-5001} SERVER_WORKER_AMOUNT: ${SERVER_WORKER_AMOUNT worker: image: docker.1ms.run/langgenius/dify-api:0.15.3 restart: always environment: # 小结Dify提供了docker-compose.yaml可以一键部署，如果中间有什么问题重新部署，记得把docker/volume删掉，不然dify worker启动时migration会出问题导致worker Dify强大的地方在于编排，这个后续有时间再研究一下。docDify
2.1K20编辑于 2025-02-16 - 来自专栏LLM学习笔记
Dify学习笔记01：什么是Dify
Dify 是一个开源的 LLMOps（大模型运维）平台，专为构建、管理和部署基于大语言模型（LLM）的 AI 应用而设计。 它不仅让开发者能快速创建 AI 应用，还能为企业提供稳定的推理能力和可扩展的 RAG（检索增强生成）方案。 我们也可以从这个页面看到 Dify 的常用功能，例如：知识库 本地安装 Dify 提供了 Docker 方式进行部署，用户可以快速在本地或服务器上运行。 创建 AI 应用 进入 Dify 管理后台，选择 创建新应用。 点击创建之后，我们进入到 AI 应用，可以配置 LLM。 配置知识库和 API。 设计 AI 交互流程。 部署并测试应用。 同时Dify既能支持 RAG，又能与主流 LLM 兼容，并支持私有化部署，在后面会继续深入学习这部分的内容。
3.5K10编辑于 2025-03-24 - 来自专栏AI
Dify 集成 SearXNG 搜索引擎：Docker 部署配置实战
本文记录了在 Dify 中集成自建 SearXNG 的完整过程，从 Docker 部署到插件对接，帮你省下每月的搜索 API 费用。 环境准备开始部署前，确保你的环境满足以下条件：Docker 及 Docker Compose 已安装Dify 服务已部署运行Dify 使用的 Docker 网络名称（本文以 acowbo_network 总结SearXNG 作为 Tavily 的开源替代方案，部署简单且完全免费，通过 Docker 内部网络与 Dify 通信既安全又高效。 环境准备开始部署前，确保你的环境满足以下条件：Docker 及 Docker Compose 已安装Dify 服务已部署运行Dify 使用的 Docker 网络名称（本文以 acowbo_network 总结SearXNG 作为 Tavily 的开源替代方案，部署简单且完全免费，通过 Docker 内部网络与 Dify 通信既安全又高效。
2.7K10编辑于 2026-01-18 - 来自专栏AI前沿技术学习和实战案例
CNB私有化部署Dify教程（零成本）
本篇文章介绍一下如何进行dify的私有化部署的过程：dify定位是开源的LLM应用平台，搭建自己的这个AI应用，而我们非常熟悉的这个coze实际上是通过搭积木一样搭建AI应用，我选择从dify开始进行了解学习 的合格仓库克隆下来，这个仓库的地址我放下：git clone https://github.com/langgenius/dify.git下面的这个就是我们的克隆之后的仓库：然后把这个目录切换一下，使用的就是我们的 的私有化部署就是成功了的：这个其实就是和dify的官网页面是没有太大的这个区别的；下面的这个是我这个过程当中涉及到的这个所有的指令，其实也不算很多，即使是小白，应该也是没有很大的问题的：为了方便大家复制 ，我放在下面啦 2 git clone https://github.com/langgenius/dify.git 3 cd dify 4 cd docker 5 cp .env.example .env 6 docker compose up -d 7 docker ps -a以上就是这个文章的全部内容啦，主要就是借助cnb这个平台进行我们的私有化部署的这个过程
1K10编辑于 2025-08-07 - 来自专栏新手实践
【实践】ThinkPad X270部署Dify全过程
Dify 1. langgenius/dify.git" "《自选路径》" 2. 启动 Dify， 打开浏览器， 地址输入：localhost，按指示创建账户。 账户信息与系统和软件无关联，并无相互核证。 II. Dify 应用开发 A. 基础开发 1. 输入到 Qwen.ai 和Dify 里， Dify 点击“运行” x. 结果并排同框如下，方便对比： 翻出来的内容有一点点无伤大雅的差异。 B. ，否则，将报错如下 四、参考 西柚小萌新吖(●ˇ∀ˇ●) 大神的 【人工智能agent】--docker本地部署dify教程 Docker 官方说明：https://docs.docker.com/
41811编辑于 2025-09-25 - 来自专栏周拱壹卒
用 TEI 部署向量嵌入和重排模型，并在 Dify 中使用
TEI TEI[1]（Text Embeddings Inference）是 Hugging Face 提供的一个服务框架，用于部署和运行文本嵌入模型，以及序列分类模型（重排模型）。 Benchmark for BAAI/bge-base-en-v1.5[2] on an Nvidia A10 with a sequence length of 512 tokens: 部署 CPU 在 Dify 中配置 TEI 部署的模型 Dify 支持通过 Text Embedding Inference 模型提供商配置 TEI 部署的向量嵌入和重排模型： provider 嵌入模型 配置嵌入模型时 既然如此，也可以直接使用 Dify 中 OpenAI-API-compatible 模型供应商配置 TEI 发布的嵌入模型服务。 #L25 v1.x: https://github.com/langgenius/dify-plugin-sdks/blob/main/python/dify_plugin/interfaces/model
35410编辑于 2026-03-16 - 来自专栏大数据杂货铺
CSA部署方案
我们在Cloudera的流分析系列中介绍了《Cloudera中的流分析概览》和《SQL Stream Builder的概览》，今天我们来进行下一个章节：CSA的部署方案。 您可以根据要构建的应用程序在私有云基础版上部署Streaming Analytics。 仅使用Flink的DataStream应用程序。在这种情况下，您需要创建一个Flink应用程序集群。 您可以使用以下工作流程来了解部署过程： ?
98340发布于 2021-05-20 - 来自专栏热度文章
从零开始在Ubuntu上快速部署Docker和Dify：结合 Dify + 大模型打造 AI 应用实战指南
引言在人工智能应用快速发展的今天，如何高效部署 AI 应用并灵活调用不同的大模型能力，已经成为开发者和企业的核心需求之一。 本文将详细介绍如何在 Ubuntu 环境中借助镜像源快速安装 Docker 与 Docker Compose，并完成 Dify 智能应用平台的部署与配置。 docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin验证安装docker -vdocker compose version二、拉取并部署 ZIP这里是将压缩包移动到了指定的文件夹里面后进行的解压，这样会避免很多不必要的麻烦（大家一定要看清文件路径）unzip dify-main.zipcd dify-main/docker这里进入的是docker 整体的配置还是很简单，完整的工作流如下：总结通过结合Dify + 蓝耘 MaaS API，我们能够以极低的门槛实现 AI 应用的开发与部署，为内容创作、智能问答、数据分析等场景提供更强大的能力和更高的效率
1.2K21编辑于 2025-12-05 Dify mcp
随着MCP协议爆火，Dify也增加了支持mcp的插件，本篇分为两个方面来介绍Dify mcp，首先是Dify通过mcp协议调用本地实现的mcp server；然后是Dify把自己的aget 实现这些功能，需要在dify基础上有一个适配层，这个就是Dify的mcp插件。 目前比较熟知的有下面四个插件，Mcp Agent策略、Agent 策略、MCP SSE 和mcp-server，其中前三个是调用外界mcp server的，最后一个是把Dify的能力封装成mcp server 下面我们重点介绍下MCP SSE和mcp-server 首先我们在Dify的插件市场安装上述插件，然后开发一个mcp server package main import ( " 如果我们在Dify中集成了特别厉害的功能，想在本地工具中使用，这个如何操作呢，可以使用mcp-server插件，将Dify的功能作为一个mcp server发布给外界使用。
15710编辑于 2026-03-18Dify插件开发
在学会Dify中使用DeepSeek模型后Dify使用deepseek，我们可以用Dify快速搭建一个聊天工具或者通过工作流完成较为复杂的任务，但是对于一些定制化比较高的操作，或者任务中的某个流程在现有的工作流中没有插件能满足需求 Dify官方给了文档https://github.com/langgenius/dify-docs/blob/main/zh_CN/plugins/quick-start/develop-plugins 包 (Bundles): 了解如何将多个插件组合打包，以便于分发和部署。 不同插件的开发流程都差不多，这里以Extension为例，介绍下Dify插件的完整开发流程。 首先我们下载开发插件用的脚手架： https://github.com/langgenius/dify-plugin-daemon/releases/download/0.0.9/dify-plugin-darwin-amd64 这时候我们就可以在Dify后台的插件列表中看到我们刚刚开发的插件了。测试跑通以后，我们需要打包安装插件。 ./dify-plugin-darwin-amd64 plugin package .
31210编辑于 2026-03-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号