一、前置条件与目标环境#

• 操作系统：以 Linux 服务器为例（物理机、虚拟机或 WSL 均可），本文命令均为 bash/shell 语法。
• 必备软件：已安装 Docker 与 Docker Compose（二者官方安装文档成熟，此处不展开）。
• 硬件参考：Dify 官方建议不低于 2 核 CPU、4 GB 内存、50 GB 磁盘；实际运行多个容器时按负载适当上调。
• 可选前置：若要接入本地模型，需先用 LM Studio（本地运行开源大模型的桌面工具）在本机或另一台机器上跑起一个模型，并提供兼容 OpenAI 的 API 接口。

说明：Dify 版本迭代较快，菜单名称、端口和配置项请以官方文档为准；本文以稳定版界面为基准。

二、解决国内拉取镜像的问题#

直接 docker compose up 时，国内网络拉取 Docker Hub 镜像经常超时。部署前先配置镜像加速器。

编辑 Docker 守护进程配置 /etc/docker/daemon.json，加入 registry-mirrors 字段，填入可在国内访问的加速器地址（具体地址以你采用的加速器服务商文档为准）。保存后重新加载并重启：

1
sudo systemctl daemon-reload
2
sudo systemctl restart docker

如已存在该文件，把 registry-mirrors 配置合并进去即可。

三、用 Docker Compose 启动 Dify#

1. 获取官方仓库（网络不畅时，可先把仓库压缩包下载到本地再解压，等价于 git clone）。
2. 进入 compose 目录：

1
cd dify/docker

3. 把示例配置复制为实际配置文件。.env.example 是官方给出的参考配置，其中包含 Redis、PostgreSQL 等组件的参数；默认情况通常无需修改：

1
cp .env.example .env

4. 一条命令启动全部依赖容器（up 启动，-d 后台守护运行，不占用当前终端）：

1
docker compose up -d

Docker Compose 是容器编排工具，Dify 由 Web、API、worker、数据库、缓存等多个容器组成，把这些启动配置写在 docker-compose.yaml 里，即可一键启停，不必逐个 docker run。

5. 启动完成后，在浏览器访问 http://<服务器IP>（例如 http://192.168.x.x）。首次进入会要求注册管理员账号——这个注册只发生在本地，本质是向 Dify 自带的 PostgreSQL 写入一条管理员记录，不会上传到外网。

四、（可选）把数据库端口映射到宿主机#

默认情况下，docker-compose.yaml 只把 Nginx 的 Web 端口映射出来，PostgreSQL（默认 5432）和 Redis（默认 6379）只在 Docker 内网可见。若需要用数据库工具直连查看数据，可手动改 docker-compose.yaml：

在 db 服务下增加端口映射，例如把宿主机 6432 映射到容器 5432：

1
services:
2
  db:
3
    ports:
4
      - "6432:5432"

同样在 redis 服务下把宿主机 7379 映射到容器 6379：

1
services:
2
  redis:
3
    ports:
4
      - "7379:6379"

修改后重启 compose 即可。这一步是可选的，仅用于调试；生产环境把数据库端口暴露到公网会带来安全风险。

五、界面与接入第一个云端模型（DeepSeek）#

首次登录若显示英文，在右上角账户 → 设置中把语言改为简体中文。界面主要区域：

• 工作室：创建 AI 应用和工作流的地方。
• 探索：官方模板市场，可一键把别人写好的工作流加入自己的工作区。
• 知识库：基于 RAG（Retrieval-Augmented Generation，检索增强生成）原理，把文档分段入库，提问时先检索相关片段再连同问题一起发给大模型。
• 工具：Dify 内置或可安装的插件，如网页抓取、搜索引擎、天气查询等。

接入云端模型的步骤：

1. 创建一个空白应用，选择 聊天助手 或 Agent（Agent 可调用工具，功能更强；文本生成类用于单次生成）。
2. 在应用右上角进入模型设置，安装模型供应商。例如选择 DeepSeek（深度求索），在列表中点击安装。
3. 到 DeepSeek 开放平台创建一个 API Key（一串用于鉴权的密钥），复制它；把 Dify 中的自定义 API 地址指向 DeepSeek 的接口地址，粘贴 API Key，保存。
4. 此时 DeepSeek 的模型会出现在模型列表，在应用中选定即可对话。

价格与配额：DeepSeek 按 tokens（模型计费与计量的最小单位）收费，文中涉及的单价（如”每百万 tokens 几元”）随官方调整变化，充值与用量请以 DeepSeek 开放平台当前页面为准。

六、提示词、变量与工具#

• 提示词（Prompt）：在应用里用自然语言约束模型的行为与输出风格。Dify 还提供”生成”按钮，可调用模型自动帮你把一段需求扩写成结构化提示词。
• 变量：在提示词中定义变量后，使用时必须由用户填入对应内容才会运行，适合做”代码助手""翻译器”这类需要每次输入不同内容的应用。
• 工具：给 Agent 装上工具即可联网。例如”谷歌搜索”工具会在回答前先调用搜索，把结果与问题一起发给模型。使用该工具需配置 Google 自定义搜索的 API Key，它有免费额度，具体每日/每月配额以 Google 官方文档为准，不同时期政策不同。
• 嵌入网站：应用发布后，Dify 可生成一个独立访问 URL，也提供可粘贴到自己网站的 iframe（内嵌框架）代码，让别人不必打开 Dify 后台就能直接使用这个聊天应用。纯本地自用场景下用不到，需要对外分享时再配置。

七、用工作流搭一个”网页内容总结”#

Dify 的工作流把多个节点按箭头串联，数据沿箭头流动。搭一个最简单的示例：

1. 开始节点：新增一个文本字段，例如命名为 user_url，限制最大长度。使用时必须填入一个网址。
2. 网页抓取节点：添加”网页抓取”（Web Crawler）组件，在其输入处插入变量 user_url，让它抓取用户给出的网址。
3. 大语言模型节点：把抓取输出中的”文本内容”作为上下文传入，并在提示词里写”请总结以下内容”。
4. 结束节点：把大模型的文本输出作为最终结果返回。

运行时可在”追踪/详情”里看到每一个节点的输入与输出，便于排查哪一步出错。复杂工作流可直接从”探索”模板复制后再改。

八、接入本地 LM Studio 模型#

接入云端模型受平台限制与计费约束；如果想让 Dify 调用本地 LM Studio 跑的模型，走的是”OpenAI 兼容接口”方式。

1. 在 Dify 模型供应商中选择 OpenAI API（兼容）。
2. 在 LM Studio 的”开发者/Local Server”页面复制本地服务地址，末尾加上 /v1，填到 Dify 的接口 URL 处；单机部署时地址形如 http://127.0.0.1:1234/v1。
3. 填写模型名称和最大上下文长度，保存。
4. 关键前提：
   • LM Studio 默认只监听本机；若 Dify 与模型不在同一台机器，必须在 LM Studio 的 Server 设置里打开”允许局域网访问（Serve on Local Network）”。
   • 跨机调用还需允许跨域（CORS，浏览器跨源资源共享策略），否则前端请求会被拦截。
5. 添加后，在应用模型列表里选择这个本地模型，提问即可验证是否走通。

这样一来，Dify 既能调用云端的 DeepSeek，也能调用完全离线的本地模型，按场景在二者间切换。

九、不想本地部署？用云端版#

如果只是想先体验、不打算维护一台服务器，可以直接使用 Dify 的云端版（cloud.dify.ai）。它的界面、模型配置、知识库、工具和工作流与本地版基本一致，注册后即可使用，不必处理 Docker、镜像加速和端口映射。本地版与云端版二选一即可：要数据私有化和接入本地模型用本地部署，要开箱即用用云端版。

十、小结#

本地部署 Dify 的核心链路是：装好 Docker → 配国内镜像加速 → cp .env.example .env → docker compose up -d → 浏览器访问完成初始化。模型接入分两类：云端模型填 API Key，本地模型走 OpenAI 兼容的 /v1 地址并放行局域网与跨域。过程中涉及的镜像加速器地址、DeepSeek 价格、Google 搜索配额都会随时间变化，实操前以各服务的官方文档为准。