Dify：可视化搭建 AI 应用平台

写在前面

Open WebUI 是「聊天界面」，而 Dify 是「AI 应用开发平台」：在网页上拖拖拽拽，就能搭出知识库问答、智能体（Agent）、自动化工作流，并一键发布成可访问的应用或 API。它本身不带模型，对接 Ollama 本地模型或任意云端 API 都行，数据可完全留在你自己的机器上。

本教程带你用 Docker Compose 部署 Dify（2026 年 8 月版本 1.13+），并接上本地 Ollama，跑通一个知识库问答应用。

前置：Docker + GPU 容器 与 Ollama 本地部署。如果还没理解 RAG 概念，先看 RAG 知识库实战。

Dify 能做什么

功能	说明
聊天助手	类 ChatGPT 应用，可自定义提示词、开场白
知识库问答	上传文档自动建 RAG，附引用来源
Agent 智能体	让模型自主调用工具（搜索、计算、HTTP 请求）
工作流	可视化画布编排多模型、多步骤的复杂流程
应用发布	网页链接 / 嵌入 iframe / OpenAI 兼容 API 三种方式

环境要求

• Docker + Docker Compose V2（docker compose，不是 docker-compose）
• 内存：只跑平台 + 外部 API 最少 4GB；平台 + 本地 3B 模型建议 8GB；7B 模型建议 16GB（Dify 全套约 11 个容器，常驻约 1.6~1.8GB）
• 磁盘：预留 10GB 以上（镜像 + 数据）
• 模型：已通过 Ollama 拉好模型（如 qwen3:4b），见 Ollama 教程

第一步：克隆并启动 Dify

git clone https://github.com/langgenius/dify.git --depth 1
cd dify/docker
cp .env.example .env
docker compose up -d

首次启动会拉取十余个镜像（API、Worker、Web、PostgreSQL、Redis、向量库、Nginx、沙箱等），耗时取决于网速。想锁定稳定版本，用 git clone --branch 1.13.0 --depth 1（版本号以 GitHub Releases 为准）。

验证：

docker compose ps
# 所有服务应为 Up 或 healthy

第二步：初始化管理员

浏览器访问 http://<你的IP>/install，设置管理员邮箱和密码，然后登录进入工作台。

本机部署访问 http://localhost/install；服务器部署访问 http://服务器IP/install。若 80 端口被占用，在 .env 中改 EXPOSE_NGINX_PORT 后重启。

第三步：对接本地 Ollama

Dify 本身不含模型，需要添加模型供应商。这里以对接本机 Ollama 为例：

1. 让 Ollama 监听所有网卡（Dify 容器要访问它）：

# Linux/macOS：临时生效
export OLLAMA_HOST=0.0.0.0
# 持久化：写入 systemd 服务配置或 shell 配置文件后重启 Ollama
# Windows：setx OLLAMA_HOST 0.0.0.0

2. 在 Dify 中添加模型：右上角头像 → 设置 → 模型供应商 → 找到 Ollama → 安装插件 → 添加模型：

字段	填写
Model Name	你在 Ollama 拉取的模型名，如 qwen3:4b
Base URL	http://host.docker.internal:11434
Model Type	LLM
Context Length	按模型填写，如 32768

关键坑：Base URL 不要填 localhost 或 127.0.0.1。 Dify 的容器运行在 Docker 网络里，localhost 指向容器自身而不是宿主机。host.docker.internal 是 Docker 提供的宿主机别名；部分旧版 Docker 不支持时，改为宿主机局域网 IP（如 http://192.168.1.10:11434）。

第四步：搭一个知识库问答应用

以「知识库 + 聊天机器人」模板为例，5 分钟跑通：

1. 工作台 → 从应用模板创建 → 选「知识库 + 聊天机器人」
2. 左侧「知识库」→ 创建知识库 → 上传你的文档（txt / markdown / PDF 均可）
3. Dify 自动切块并向量化。注意：这需要配置一个 Embedding 模型——回到模型供应商添加 Ollama 的 embedding 模型（如 bge-m3），或在「系统模型设置」中指定
4. 回到画布，把 LLM 节点换成你刚才添加的本地模型
5. 右上角「发布」→ 打开预览链接提问，回答会附上引用来源

至此，一个纯本地的知识库问答应用就上线了——概念上与 RAG 实战教程 一致，但 Dify 帮你把切块、向量化、检索全部可视化搞定。

进阶玩法

• 工作流：从空白画布搭建「多步流程」，例如：意图判断 → 检索知识库 → 模型生成 → 结果后处理，各节点可拖拽连线、串多个模型
• Agent：配置工具（HTTP 请求、计算器等），让模型自主决定调用哪个工具完成任务
• 对外发布：每个应用都有独立的网页访问链接，也提供 OpenAI 兼容的 API 端点，可接入你自己的程序
• 多模型并存：可同时配置 DeepSeek API、OpenAI、智谱等多家供应商，按应用自由切换

常见问题

容器反复重启？ 查日志定位：docker compose logs api / docker compose logs worker。常见原因：内存不足、端口被占（80/443）、磁盘空间不够。

添加 Ollama 模型后测试报连接错误？

1. 确认 Ollama 在监听 0.0.0.0（OLLAMA_HOST=0.0.0.0）——默认只监听 127.0.0.1，Docker 容器访问不到
2. Base URL 不要用 localhost，用 host.docker.internal:11434 或宿主机 IP
3. 在宿主机验证：curl http://localhost:11434 应返回 Ollama is running

知识库报「No embedding model configured」？ 在模型供应商中加一个 embedding 模型（如 Ollama 的 bge-m3），并在系统模型设置里指定。

Dify 和 Open WebUI 怎么选？ 只想聊天 → Open WebUI，一条命令部署、占用小；要搭知识库/智能体/工作流应用 → Dify。两者可共存于同一台机器。

怎么更新？ 进入 dify/docker：docker compose down → 在仓库根目录 git pull origin main（或切换到新版 tag）→ 对比 .env 与 .env.example 合并新变量 → docker compose up -d。更新前建议备份：docker compose down 后打包 volumes/ 目录。

下一步

• 想搞懂知识库背后的原理 → RAG 知识库实战
• 想给 Dify 换更快的推理后端 → vLLM 部署
• 想理解模型本身怎么跑 → llama.cpp 推理

提示：Dify 默认暴露 80 端口，部署在公网服务器时请务必设置强管理员密码，必要时加防火墙限制访问；生产环境建议配置 HTTPS。升级与备份前请先备份 volumes/ 数据目录。