2026 Dify 部署教程：开源 LLM 应用平台，Docker 搭建 AI 工作流与知识库

想做个 AI 客服机器人、公司内部的知识库问答、或者一个能自己写周报的 Agent，怎么起步？

自己写代码调 API？Prompt 要调、上下文要拼、知识库要切分和检索，一套下来没个把月搞不定。用 Coze（扣子）、Dify 云端版这些平台？免费额度用完就收费，数据全在别人服务器上，规则条款随时变。

Dify 就是来解决这个问题的：开源、可自托管、可视化编排。不用写代码，拖拖拽拽就能做出带知识库的问答机器人、多步推理的工作流、会调用工具和网页搜索的 Agent。这篇文章从零部署到发布完整走一遍。

一、Dify 是什么？和 Coze 有什么区别#

Dify 是一个开源的 LLM（大语言模型）应用开发平台，GitHub 上 80k+ Star，是目前最火的开源 LLM 应用平台之一。核心能力：

可视化工作流：把「用户提问 → 意图识别 → 检索知识库 → 调用模型 → 输出回答」编排成流程图，节点之间拖线连接
RAG 知识库：上传 PDF、Word、Markdown、网页链接，自动切分、向量化，问答时检索最相关的内容拼进 Prompt——这就是「让 AI 回答你自己的文档」的关键
Agent 能力：让模型自己决定调用哪些工具（网页搜索、代码执行、自定义 API）
模型无关：OpenAI、Anthropic、DeepSeek、通义千问、Kimi、Ollama 本地模型等几十种模型随便切换，同一应用可以换模型对比效果
一键发布：生成网页应用、嵌入网站 iframe、或通过 API 接入自己的系统

Dify vs Coze vs 自研#

对比项	Dify（自托管）	Coze 扣子（云）	自研代码
部署方式	自己服务器 Docker 部署	云端托管	全自己写
数据归属	完全在自己手里	平台方	自己
费用	服务器成本（模型费另算）	免费额度+订阅	开发成本
上手门槛	低（可视化）	低	高
扩展性	开源可魔改、插件丰富	受平台限制	无限

一句话：想要数据安全、长期可控，选 Dify 自托管；想零成本快速试玩，可以先用 Coze 体验下效果。

二、部署前的准备#

Dify 官方推荐配置：

CPU：2 核及以上
内存：4 GB 及以上（建议 8G，因为要跑 PostgreSQL、Redis、向量数据库等一整套服务）
磁盘：20 GB 以上
系统：Linux（Debian/Ubuntu 推荐），Docker + Docker Compose

Dify 部署依赖 Docker，没装的话先装：

1
curl -fsSL https://get.docker.com | bash
2
sudo systemctl enable --now docker

服务器选型上，Dify 全家桶（PostgreSQL + Redis + Weaviate/向量库 + API 服务）内存占用不小，2 核 4G 是最低门槛。预算有限的话可以看伤心的云的香港/美国机——香港 Ares 精品云面向大陆访问优化，2核4G 的配置月付 40 出头，跑 Dify 加一个本地模型或者接 DeepSeek 云端 API 都够用；如果想本地跑 Ollama 小模型，美国洛杉矶款的高配机性价比更高，免备案、支付宝付款、随开随用。等应用做大了再纵向升级也不迟。

三、Docker Compose 部署 Dify#

1. 拉取项目并安装#

1
# 克隆 Dify 源码仓库（部署配置都在里面）
2
git clone https://github.com/langgenius/dify.git
3
cd dify/docker
4

5
# 复制环境变量模板
6
cp .env.example .env
7

8
# 启动（首次会拉取 10+ 个镜像，约 2-5 分钟）
9
docker compose up -d

启动完成后检查容器状态：

1
docker compose ps

看到 api、web、db、redis、sandbox、weaviate（或 pgvector）等容器都是 running 状态就成功了。

2. 访问并初始化#

浏览器打开 http://服务器IP:80（或者 http://服务器IP:3000，取决于 .env 里的端口配置）：

第一次访问会让你设置管理员邮箱和密码
登录后进入「设置」→「模型供应商」，接入你要用的模型

如果 80 端口被占用，改 .env 里的 EXPOSE_NGINX_PORT，然后 docker compose up -d 重新生效。

四、接入模型：云端 API 或本地 Ollama#

Dify 支持几十种模型，最常见的三种接入方式：

方式一：DeepSeek（国内直连，性价比高）#

DeepSeek 开放平台注册后拿 API Key，在 Dify 模型供应商列表选「DeepSeek」，填 Key 即可。国内服务器直连 DeepSeek 无压力，价格便宜（百万 token 几块钱级别），是自托管首选。

方式二：OpenAI / Claude（需要海外网络）#

同样在模型供应商里选 OpenAI 或 Anthropic，填 API Key。国内服务器直连不上，需要走中转（比如用 one-api/new-api 自建 API 中转网关，把多个模型渠道统一成一个入口）。

方式三：Ollama 本地模型（完全离线）#

先在服务器上部署 Ollama + Open WebUI，然后在 Dify 的模型供应商里选「Ollama」，填 http://宿主机IP:11434 和模型名。完全离线运行，数据不出服务器，适合隐私敏感场景；缺点是本地小模型的智商和云端大模型有差距。

五、实战：10 分钟做一个知识库问答机器人#

假设你要做一个「网站使用帮助机器人」，让用户提问后 AI 根据你的帮助文档回答：

1. 创建知识库#

「知识库」→ 创建 → 上传你的文档（PDF/Word/Markdown 都行，或者直接粘贴文本）→ Dify 自动切分文档并向量化。

切分参数默认即可，注意：文档质量直接决定问答质量，一份组织良好的帮助文档比任何参数调优都管用。

2. 创建应用#

「创建应用」→ 选「聊天助手」→ 写系统提示词，比如：

你是网站使用助手，只能根据提供的知识库内容回答，回答不了就说明不清楚，不要编造。

然后在「上下文」里关联刚才的知识库。

3. 测试#

右侧对话框直接测试。问「怎么重置密码？」，AI 会从知识库检索相关段落，组织成回答，并标注引用来源——这就是 RAG（检索增强生成）的效果，AI 的回答有出处，不再一本正经地胡说八道。

4. 发布#

「发布」→ 可以生成分享链接（网页应用），也可以复制 iframe 代码嵌入自己的网站，或者「API 访问」拿到 api_key 和接口地址，接入自己的业务系统。

六、进阶：工作流编排#

「创建应用」时选「工作流」类型，就能看到流程图画布。常用节点：

开始/结束：输入输出的出入口
LLM 节点：调用大模型
知识检索节点：从知识库取相关片段
条件分支：比如「问题含’价格’走价格回答，否则走通用回答」
代码节点：写 Python 处理中间数据
HTTP 请求节点：调用外部 API

举个例子：做一个「日报生成器」工作流——用户丢进来一堆工作记录 → 代码节点整理格式 → LLM 节点生成日报 → 结束输出。全程不用写业务代码，只写几个小函数。

工作流适合流程固定、需要稳定输出的场景；聊天助手适合自由对话场景。两者可以组合：应用先走工作流，再衔接对话。

七、常见问题（FAQ）#

Q1：Dify 部署需要多大内存？ 官方要求 4G 起步，实际跑起来（含数据库和向量库）空闲占用 2-3G，建议 8G 更从容。内存不够可以先不启用向量数据库，用默认的简易模式。

Q2：Dify 和 Coze 能迁移吗？ 应用配置不能直接迁移，但思路一样：把 Prompt、知识库文档、工作流逻辑在 Dify 里重搭一遍即可，成本不高。

Q3：接入模型后报「模型未配置 / 请求失败」？ 先在「设置 → 模型供应商」确认模型状态是绿色可用；再确认网络——OpenAI 系模型在国内服务器直连必失败，换 DeepSeek 或走中转网关。

Q4：知识库问答效果差怎么办？ 三件事：① 文档质量——别丢一堆扫描件/排版混乱的文件；② 切分方式——在「分段设置」里调 chunk 大小，太大会稀释相关性，太小会丢上下文；③ 检索模式——试试「全文检索」或「混合检索」，以及调高「相关性阈值」。

Q5：能多用户使用吗？ 可以。管理后台里给团队成员开账号，或者用 API 方式接入你自己的用户体系。Dify 也支持单点登录（OIDC/LDAP）。

Q6：Dify 数据安全吗？ 自托管部署，数据库和向量库都在你自己的服务器上，所有对话记录、文档、配置完全私有。这也是它比云平台最核心的优势。

延伸阅读#

Dify 这类平台的出现，把「做一个 AI 应用」的门槛从「会写代码」降到了「会拖流程图」。对于想给网站加个智能客服、给团队建个知识库、或者纯粹想折腾 AI 的人，自托管 Dify 是当前最优解之一——数据在自己手里，能力不输云平台。

音乐