一、前言
在人工智能飞速发展的当下，智能体的构建需求也呈爆炸式增长，市面上也不断涌现出优秀的智能体构建平台如Dify、Coze、N8N等。在这种环境下，数据隐私和网络依赖问题依旧是急需解决的核心痛点，而Ollama则通过本地部署大模型的方式完美解决了这个问题。今天，我就手把手教大家在Windows环境下实现Dify和Ollama的部署集成。让你拥有属于自己的强大AI服务，无论是用于学习研究还是开发创新，都能得心应手。
二、环境要求
Windows 系统版本：建议使用 64 位的 Windows 10 或更高版本，以确保软件的兼容性和性能。
硬件配置：
内存：至少 8GB 内存，如果要运行较大参数规模的模型（如 13B 参数以上的模型），建议 16GB 或更高内存 ，因为大模型在运行时需要占用大量内存来存储模型参数和进行计算。
处理器：性能较高的 CPU 可以提供更好的运算速度和效率，多核处理器能够更好地处理并行任务，建议选择具有 4 核及以上的 CPU 。
磁盘空间：为 Ollama 和其模型至少预留 50GB 的磁盘空间，因为模型文件通常较大，如 7B 参数的模型文件可能就需要5GB 的存储空间 ，随着你下载更多模型，所需磁盘空间也会增加。如果还需要部署 Dify 及相关组件，还需考虑 Dify 运行所需的磁盘空间，Dify 运行过程中会涉及到数据库存储等，也会占用一定磁盘空间。
显卡（GPU）：Ollama 支持纯 CPU 运行，但如果你的电脑配备了 NVIDIA GPU，并且安装了相应的驱动和 CUDA 工具包，可以利用 GPU 进行加速，大大提高模型的运行速度和性能 。例如运行一些对计算量要求高的大模型时，使用 GPU 可以明显缩短响应时间。
三、安装与配置
由于docker我已经提前安装好了，故本文就不做赘述，咱们直接开始Dify和Ollma的安装。
Dify官方文档地址：docs.dify.ai/zh-hans/get...
参照官方文档，直接开始安装步骤：
1.拉取dify源码
2.验证docker compose是否正确安装
3.将环境变量配置文件复制一份命名为.env并调整其中的端口号等参数，按需调整即可
4.直接使用命令docker compose up -d启动dify服务，图中是启动过程中的拉取镜像和启动容器的过程，启动完成后再DockerDesktop中可以看到对应的容器
docker compose up -d5.启动完成后直接输入地址验证，我在.env环境中配置的port是8000,因此通过8000访问即可，初始界面需要配置管理员账户，自行设置一个即可，到该步骤Dify安装已经完成
6.Ollama的安装比较简单，直接从Ollama官网下载安装包安装即可
官网地址：
arduino
https://ollama.com/download安装完成后配置环境变量使得Dify可以访问Ollama，并且配置本地模型存储位置防止默认存储C盘导致磁盘空间不足
7.验证Ollama安装效果，直接浏览器访问地址，出现Ollama is running则表示Ollama安装启动成功。
makefile
localhost:11434
Ollama本地安装大模型比较简单，直接Ollama run 模型名称即可，会自动下载并启动大模型，例如：
arduino
ollama run deepseek-r1:7b8.调整配置将Ollama集成到Dify中首先获取本机的实际ip地址
arduino
ipconfig | finddstr "IPv4"
在Dify的.env文件中添加Ollama地址：
ini
OLLAMA_API_BASE_URL=http://192.168.193.188:11434
在Dify的设置->模型供应商中安装Ollama插件，安装完成后添加本地模型，我这里使用的是deepseek-r1:7b模型，大家按需配置即可。
9.测试集成结果，我们直接创建一个空白应用，配置开始->LLM->结束三个节点的工作流，LLM节点选择我们配置的Ollama的本地模型
deepseek-r1:7b，然后通过预览测试实际效果
四、总结
通过以上步骤，我们成功地在 Windows 环境下完成了 Dify 集成 Ollama 的本地部署，搭建起了一个属于自己的强大 AI 服务平台。。
如果你在部署过程中遇到任何问题，欢迎在评论区留言交流，大家一起探讨解决 。期待大家都能在人工智能的世界里玩得开心，创造出更多有趣、有用的 AI 应用 ！
本文使用 文章同步助手 同步