Dify 是一个支持通过AI工作流的形式，开发AI应用的开源平台，他相比 LangChain 更加的易用，甚至零代码即可创建你的AI应用。
| 功能 | Dify.AI | LangChain | Flowise | OpenAI Assistant API |
|---|---|---|---|---|
| 编程方法 | API + 应用程序导向 | Python 代码 | 应用程序导向 | API 导向 |
| 支持的 LLMs | 丰富多样 | 丰富多样 | 丰富多样 | 仅限 OpenAI |
| RAG引擎 | ✅ | ✅ | ✅ | ✅ |
| Agent | ✅ | ✅ | ❌ | ✅ |
| 工作流 | ✅ | ❌ | ✅ | ❌ |
| 可观测性 | ✅ | ✅ | ❌ | ❌ |
| 企业功能（SSO/访问控制） | ✅ | ❌ | ❌ | ❌ |
| 本地部署 | ✅ | ✅ | ✅ | ❌ |
所谓AI工作流，就是能将多个AI的输入输出进行关联，还可以在任意环节加入知识库，数据库，python/JS脚本，插件等进行高度定制处理的流式工作空间。
通过使用工作流的形式组织多个AI各司其职，可以实现更复杂功能，例如私有知识库RAG，模型管理，AI应用。
下面我将详细知道你搭建本地Dify，并在Dify中配置AI模型。
安装Dify
下载源码
将Dify的源码克隆到本地
bash
git clone https://github.com/langgenius/dify.git使用Docker安装
如果你还没有Dokcer，可以前往官网下载 Docker Desktop 一键安装Docker
进入docker文件夹，在文件夹下执行命令行，拷贝环境配置文件
bash
cp .env.example .env然后从当前文件夹内找到 docker-compose.yaml 文件，使用它可以便捷的安装Dify
默认 docker-compose.yaml 文件的配置，安装的Dify会在80端口启动，如果不想80端口被占用，可以打开该文件，修改 nginx 配置
通过命令行使用docker-compose安装Dify
yaml
docker compose up -d
# 正常返回
[+] Running 74/9
✔ db Pulled 834.2s
✔ sandbox Pulled 1120.7s
✔ weaviate Pulled 526.5s
✔ web Pulled 174.0s
✔ redis Pulled 893.7s
✔ api Pulled 2919.8s
✔ worker Pulled 2919.8s
✔ ssrf_proxy Pulled 494.0s
✔ nginx Pulled 184.7s
[+] Running 11/11
✔ Network docker_default Created 0.0s
✔ Network docker_ssrf_proxy_network Created 0.0s
✔ Container docker-db-1 Started 1.1s
✔ Container docker-web-1 Started 1.1s
✔ Container docker-redis-1 Started 1.1s
✔ Container docker-sandbox-1 Started 1.1s
✔ Container docker-weaviate-1 Started 1.1s
✔ Container docker-ssrf_proxy-1 Started 1.1s
✔ Container docker-api-1 Started 0.7s
✔ Container docker-worker-1 Started 0.7s
✔ Container docker-nginx-1 Started 0.8s等待命令安装完成，打开Docker Desktop或者通过命令行即可查看到安装好的Dify包含的所有镜像
在Docker中启动Dify容器，打开浏览器访问 http://localhost:80/install
初次登录需要设置管理员账号密码，然后使用账号密码登录即可进入到平台，至此你的Dify就安装好了
配置AI模型
我们的目的是制作AI应用，所在创建应用之前，你需要在Dify上配置可供平台使用的大模型。你可以通过调用大模型的API进行使用，也可以部署自己的本地大模型私有化使用。
第三方AI模型
你可以直接配置第三方模型的API-KEY调用，通过"设置"-"模型供应商"找到对应的模型，设置你的API-KEY即可添加
配置保存后，模型即可在AI应用中使用。
本地AI模型
如果是打算做私有化的应用，则需要本地的AI模型来保护隐私，就需要部署本地的AI模型。
部署本地模型
本地模型可以使用 Ollama 进行部署，部署指南可以参考《DeepSeek-R1私有化部署》
使用本地模型
部署完成本地AI模型，就可以在设置的模型供应商中找到 Ollama ，点击添加模型
填写模型名称，这里需要填写Ollama中正确完整的模型名称，你可以通过命令行 ollama list 指令查看
makefile
Ollama list
NAME ID SIZE MODIFIED
llama3.2:latest a80c4f17acd5 2.0 GB 41 minutes ago
deepseek-r1:latest 0a8c26691023 4.7 GB 26 hours ago
deepseek-r1:7b 0a8c26691023 4.7 GB 11 days ago配置Ollama的访问路径，这里使用域名 localhost 可能无法访问，因为是docker服务，建议使用 host.docker.internal 域名
添加模型后，在Dify上创建AI应用的时候，大模型节点即可选择对应模型进行处理了。
到此Dify的本地搭建工作就完成了，建议你继续阅读《Dify搭建私有化RAG应用》，通过实操来学习如何创建一个AI工作流应用。