准备运行环境
Dify 自托管版对机器的最低要求不高，普通家用服务器或小型云主机都能跑起来。官方 README 给出的最低配置：
- CPU ≥ 2 核
- 内存 ≥ 4 GiB
- 操作系统：Linux / macOS / Windows 均可
部署方式走 Docker Compose，所以先装 Docker 和 Docker Compose v2.24.0 或更高版本。Linux 用户按 Docker 官方文档 装好 Docker Engine，Compose 插件会一起带上来。装好后验证一下：
docker --version
docker compose version两条命令都能正常输出版本号，环境就准备好了。
拉取代码并启动 Dify
Dify 的部署文件都集中在仓库的 docker/ 目录里，先把仓库拉下来：
git clone https://github.com/langgenius/dify.git进入 Docker 部署目录，复制一份环境变量模板：
cd dify/docker
cp .env.example .envdocker/.env.example 里包含数据库密码、Redis、向量库、对象存储等关键配置，Dify 默认已经填好一组可用的本地值，直接用就能跑通。如果想自定义域名、密钥、第三方模型 API Key 等，可以编辑刚生成的 .env 文件。
然后一键拉镜像并启动：
docker compose up -d第一次执行会拉取十几个镜像（api、worker、web、db、redis、nginx 等），需要等几分钟。完成后用 docker compose ps 看一眼，所有容器都应该是 running 或 healthy 状态。
端口与组件说明
默认端口（与仓库 docker/.env.example 中的 EXPOSE_NGINX_PORT 对应）：
| 端口 | 服务 | 用途 |
|---|---|---|
| 80 | Nginx | Web 控制台和 API 入口 |
| 5432 | PostgreSQL | 元数据、对话日志、向量存储 |
| 6379 | Redis | 缓存、Celery 任务队列 |
| 9000 | 对象存储 | 上传文件、文档、生成的图片 |
这套 Compose 主要包含以下服务：
- api / worker：Dify 的后端 API 和异步任务执行进程
- web：前端控制台（基于 Next.js）
- db：PostgreSQL，主存储
- redis：缓存和异步队列
- nginx：对外统一暴露 80 端口
- ssrf_proxy / sandbox：保护 LLM 请求与代码执行沙箱
具体服务定义与最新字段以仓库 docker/docker-compose.yaml 当前版本为准；如果想了解所有可调环境变量，参考 官方环境变量文档。
初始化管理员账户
服务起来后浏览器打开 http://localhost/install，进入初始化页面。
按提示填写：
- 管理员邮箱
- 管理员密码
- 点击”设置”完成
随后自动跳转到登录页，用刚设置的账号登录进入主控制台。
> 80 端口被占用时，改 docker/.env 里的 EXPOSE_NGINX_PORT，然后 docker compose up -d 重启；或者直接 docker compose down 后再启动。
认识四个核心概念
登录之后，Dify 的界面可能会因版本迭代略有差异，但围绕四个核心概念展开：
- 应用（App）：最终对外提供服务的实体，可以是聊天助手、文本生成应用、工作流、Agent 等
- 知识库（Knowledge Base）：上传文档后自动分块、向量化，用于检索增强生成（RAG）
- 工作流（Workflow / Chatflow）：把多个步骤串起来的可视化编排画布
- 模型（Model）：底座大模型，Dify 本身不生产模型，只负责对接各种供应商
理解这四层关系后，后面的操作就是把它们组合起来。
配置模型供应商
进入「设置 → 模型供应商」，Dify 支持的供应商覆盖范围比较广（以官方 模型供应商列表 为准）：
- 闭源商用模型：GPT 系列、Claude、Gemini 等
- 开源模型：通过 Ollama、vLLM、Xinference 等本地推理引擎接入
- 国内云厂商：通义千问、文心一言、智谱、DeepSeek、Moonshot 等
- OpenAI API 兼容服务：只要目标服务兼容 OpenAI 的
/chat/completions接口就能加进来
新增一个供应商的通用流程：
- 点对应供应商卡片右上角的”设置”
- 填入 API Key（部分供应商还需要 Base URL、自定义模型名等）
- 点”保存”，下方会显示已连接以及该供应商可用的具体模型列表
> 想完全本地离线使用，推荐用 Ollama 接 DeepSeek、Qwen、Llama 等开源模型，完整步骤可以看《Dify + Ollama 搭建私有知识库》。
搭建第一个聊天助手
「工作室 → 创建空白应用 → 聊天助手」是最快的入门路径。
选模型
应用配置页的”模型”下拉框里只显示已经接入的供应商提供的模型。选一个日常够用的，比如 GPT-4o-mini、Claude Haiku 或本地 Qwen2.5。
写提示词
在”提示词（Prompt）”编辑框里写系统指令。一个最小可用的版本：
你是一个乐于助人的助手，回答简洁、准确，必要时分点列出。如果想让回答风格更稳定，可以在「变量」里定义用户输入字段（比如角色、问题背景），并在提示词里用 {{变量名}} 引用。
测试对话
右侧”调试与预览”面板直接对话测试：
- 输入”介绍一下你自己”
- 看模型是否按预期回应
- 反复改提示词直到满意
满意后点右上角”发布”。
给聊天助手挂上知识库
光靠模型自身回答往往不够准确，需要把内部资料喂给它。
创建知识库
进入「知识库 → 创建知识库」：
- 选择数据源：可以”导入已有文本”，也可以直接上传文件
- 支持的文件格式：PDF、Word、PPT、Markdown、TXT、CSV 等
- 上传后 Dify 会自动预览解析出来的内容
选分段与清洗模式
“分段设置”里建议先用默认的”通用”模式；如果文档结构复杂（多级标题、表格、FAQ），可以换成”父子分段”或”QA 分段”。
选 Embedding 模型
“Embedding 模型”下拉框里显示已经接入到 Dify 的向量化模型，比如 OpenAI 的 text-embedding-3-small，或者本地 BGE 系列。选好后点”保存并处理”。
处理完成后知识库就建好了，可以去”召回测试”页输入问题，看命中了哪几段内容。
关联到聊天助手
回到刚才那个聊天助手的编排页，在「上下文」或「知识库」区域点击”添加”，选择刚才创建的知识库。
接下来在右侧预览面板里提问一个知识库相关的问题，比如：
> 这份文档里 XX 流程是怎么规定的？
模型回答末尾会附带引用段落和来源文件，方便核对准确性。如果回答里没有引用，说明召回环节没命中，回到知识库调整分段策略或换 Embedding 模型重试。
工作流入门
聊天助手适合单轮问答，碰上多步骤、带分支、带工具调用的场景就要上 Workflow。
进入「工作室 → 创建空白应用 → Chatflow」，画布上默认会有「开始 → LLM → 直接回复」三个节点。围绕它做最小改造：
- 开始节点：定义输入变量，比如
user_query - 知识检索节点：从指定知识库里检索与
user_query相关的段落 - LLM 节点：系统提示词里把检索结果拼到上下文里，让模型”如果不知道就回答不知道，不要瞎编”
- 直接回复节点：把 LLM 输出回给用户
可以在节点之间插入条件判断、代码执行、HTTP 请求等节点，搭出多分支甚至循环的工作流。每次改动后点”运行”按钮单步调试，节点执行结果会在右侧面板展开。
发布应用
回到应用编排页，点右上角”发布”，Dify 会提供两种发布方式：
- 嵌入网页 / Web App：拿到一段 iframe 代码或独立 URL，扔到自己的网站或分享出去
- API：拿到一个 OpenAI 兼容的
/chat-messages接口，配合 API Key 直接集成进自家产品
{{图：应用发布对话框，包含 Web App 链接和 API 调用示例代码片段}}
发布后所有改动都会带上版本号，方便回滚。
排查问题的基本思路
第一次部署最容易遇到的几个卡点：
- 端口冲突：80 端口被 Nginx、Apache 占用，按上文改
EXPOSE_NGINX_PORT - 容器反复重启：用
docker compose logs -f api看错误，多数是.env没生成或数据库没起来 - 模型连不上：在「模型供应商」对应卡片里点”检查连接”，单独验证 API Key 是否有效、Base URL 是否可达
- 知识库处理失败：一般是文件编码问题或 PDF 加密，把文件转成纯文本或解除密码后重试
更全面的问题排查可以参考 Dify 官方 FAQ。
继续学习
到这里已经完整跑通了 Dify 的部署、模型接入、知识库搭建、工作流编排与发布一条主线。如果想继续深入，下一步可以看：
- 想了解 Dify 在同类工具中的定位和优缺点，看 Dify 评测
- 想完全离线运行，看 Dify + Ollama 搭建私有知识库教程
- 想把 Dify 用到具体业务里，看 Dify 搭建客服机器人教程
UI 菜单名、字段名会随版本变化，如果文中截图与当前界面不完全一致，请以 Dify 官方文档 为准。
评论(0)