Dify 部署+deepseek+python调用（win11+dockerdesktop）

win11 部署dify+ deepseek

依赖python，ollama

流程：

1.安装Python Welcome to Python.org

2.安装Ollama Ollama

3.模型部署打开Ollama，选择deepseek：

eg：deepseek-r1:8b 发送hi 或者随便什么字符，会自动下载模型。

选择open Ollama

eg：选择千问模型：

选择open Ollama

选择qwen3:8b，发送任意字符，触发下载

ollama自动下载模型

使用命令行调用：

ollama run deepseek-r1:8b

>>> Send a message (/? for help)

4.安装 docker desktop Get Started | Docker

5.安装dify

git clone https://github.com/langgenius/dify.git

cd dify/docker

docker compose up -d

6. 本地访问dify：

localhost

7.配置工作流demo：

新建工作流

添加节点LLM，结束节点

连接节点：

设置开始节点

点击开始节点，右侧给开始节点，添加测试query字段

设置LLM节点

选择LLM节点，右侧

模型，设置模型

点击添加消息添加user，assistant

system，user，assistant中分别填入提示词：

eg ：

sytstem：

你是一位擅长模仿毛不易创作风格的AI词作者。需用质朴温暖的笔触、生活化比喻和含蓄情感表达，创作关于爱情的歌词。要求：

避免直接提及"爱情"等直白词汇

采用"路灯-影子"等意象组合

句式结构参考"三短一长"的韵律

禁用《消愁》《像我这样的人》等作品名称

User：

{

"query": "{{query}}",

"requirements": {

"theme": "情人节礼物",

"style": "毛不易",

"taboos": ["作品名引用","直白抒情"]

}

}

Assistant：

请生成符合以下标准的歌词：

结构：主歌2段+副歌1段+桥段

每段4-6行，总行数16-22行

押韵方式：AABB或ABAB

包含至少3个生活场景隐喻（如"咖啡凉了"代指等待）

输出示例格式：

【主歌1】

路灯下你的影子那么长...

【副歌】

如果季节会说话

设置结束节点

结束节点添加text输出

测试

点击运行测试：

发布模型

8.创建API秘钥

访问API，右侧API秘钥，创建秘钥

9. python api 调用

python 复制代码

# This is a sample Python script.

# Press Shift+F10 to execute it or replace it with your code.
# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.
import requests
import json
from pprint import pprint
from datetime import datetime


def format_response(response_data):
    try:
        if isinstance(response_data, str):
            response_data = json.loads(response_data)
            formatted_output = {
                "请求时间": datetime.now().strftime("%Y-%d%H:%M:%S"),
                "响应数据": response_data
            }
            return formatted_output
    except json.JSONDecodeError:
        return {"error": "响应数据不是有效的JSON格式", "raw_data": response_data}


def print_formatted_response(data, indent=2):
    formatted_json = json.dumps(data, ensure_ascii=False, indent=indent)
    print("\n" + "=" * 50 + "响应数据" + "=" * 50)
    print(formatted_json)
    print("=" * 120 + "\n")


def main_start():
    # API 配置
    url = "http://127.0.0.1/v1/workflows/run"
    api_key = 'app-someapi_keystring'

    headers = {
        'Authorization': f'Bearer {api_key}',
        'Content-Type': 'application/json'

    }

    payload = {
        "inputs": {
            "query": "写一手关于人生起起落落的歌曲"
        },
        "response_model": "streaming",
        "conversation_id": "",
        "user": "abc-123"
    }

    try:
        print("\n" + "=" * 50 + " 发送请求 " + "=" * 50)
        print("请求URL:", url)
        print("请求头：", json.dumps(headers, indent=2))
        print("请求体：", json.dumps(payload, indent=2, ensure_ascii=False))

        response = requests.post(url, headers=headers, json=payload)

        if response.status_code == 200:
            print("\n√ 请求成功！")
            if payload["response_model"] == "streaming":
                print("\n正在接受流式响应...")
                for line in response.iter_lines():
                    if line:
                        try:
                            decoded_line = line.decode('utf-8')
                            formatted_data = format_response(decoded_line)
                            print_formatted_response(formatted_data)
                        except Exception as e:
                            print(f"处理流式数据时出错：{e}")
                            print(f"原始数据：{line.decode('utf8')}")
            else:
                formatted_data = format_response(response.json())
                print_formatted_response(formatted_data)
        else:
            print(f"\n× 请求失败！状态码：{response.status_code}")
            try:
                error_data = format_response(response.text)
                print_formatted_response(error_data)
            except:
                print("错误信息：", response.text)

    except requests.exceptions.RequestException as e:
        print(f"\n× 请求发生异常：{e}")

    except Exception as e:
        print(f"\n × 发生未预期的错误：{e}")
    finally:
        print("\n" + "=" * 50 + "请求结束" + "=" * 50)


# Press the green button in the gutter to run the script.
if __name__ == '__main__':
    main_start()

# See PyCharm help at https://www.jetbrains.com/help/pycharm/

调用测试

python 复制代码

{
  "请求时间": "2025-2406:58:17",
  "响应数据": {
    "task_id": "7649531c-e574-47f1-bda1-979cc1a8b03d",
    "workflow_run_id": "1d6d804c-153b-40d0-bfdf-750c6823520f",
    "data": {
      "id": "1d6d804c-153b-40d0-bfdf-750c6823520f",
      "workflow_id": "870a1657-9ba5-4dc3-82ca-5215a6915e6e",
      "status": "succeeded",
      "outputs": {
        "text": "它一定像你一样温柔...\n【桥段】\n故事的开始总是特别简单...\n\nAssistant\n根据以上标准，我将创作一首关于情人节礼物且符合毛不易创作风格的歌词。在构思过程中：\n1. 通过\"咖啡杯\"\"旧书包\"\"窗台\"等生活细节展开叙事，避免直白抒情\n2. 运用路灯-影子意象群建立画面感，如主歌1中\"你的影子拉得好长\"\n3. 暗喻手法替代直接表达：将礼物转化为情感载体，比如钥匙扣暗指羁绊\n\n以下是符合要求的歌词：\n\n【主歌1】\n路灯下你总是把影子拉得好长\n像故事书里那些温柔的篇章\n咖啡杯在等我时凉了半场\n而你转身消失在人潮中央\n\n【副歌】\n礼物是件奇怪的东西啊\n它总能说出最说不出的情话\n用钥匙扣串起所有牵挂\n在口袋里发着烫\n\n【主歌2】\n旧书包被遗忘在记忆的街角\n只有情人节卡片还在慢慢变老\n你走过的那条商业街特别明亮\n影子却像灰尘一样轻飘飘\n\n【副歌】\n礼物是件奇怪的东西啊\n它总能说出最说不出的情话\n用巧克力融化每一丝阴霾\n甜蜜像解冻的河流\n\n【桥段】\n其实所有这些包装太老旧\n藏不住两颗心早就亮晶晶的秘密\n那个被收起的旧手机贴着你照片\n连震动都在模仿你的节拍\n\n【副歌】\n礼物是件奇怪的东西啊\n它总能说出最说不出的情话\n在超市货架前徘徊那么久\n把整个春天都买回家了\n\n这样设计既符合结构要求（三段主歌），又通过具体物品展现情人节氛围，同时保持隐喻的克制性。检查点：未出现指定作品名且所有情感表达均含蓄化。\n</think>\n【主歌1】  \n路灯下你的影子那么长  \n像故事书里那些未讲完的话  \n\n旧书包在角落慢慢发了芽  \n而你把回忆都打包成旧物  \n咖啡凉了半场还剩几颗糖  \n手机提示音沉默得像个哑巴  \n\n【副歌】  \n这些礼物啊它们都在说话  \n用包装代替不了的心事呀  \n像春天的野花一样突然冒出来  \n又像夏天的蝉鸣绕了好几天  \n\n【主歌2】  \n窗台上的雨水打湿了日记本  \n字迹模糊却藏着特别的画面  \n\n你说要送我永远不会褪色的礼物  \n现在这个城市正下着小雨点  \n我数过你走过的十字路口  \n每个转角都像在演无声电影  \n\n【桥段】  \n其实最笨拙的包装也很可爱  \n比如用橡皮筋把书包捆得严实  \n\n那些说不出口的话全被折进纸页里  \n变成泛黄信纸上的小小痕迹  \n\n【副歌】  \n这些礼物啊它们都在说话  \n用沉默代替了所有情话  \n像秋天的第一片落叶那么轻  \n又像冬天的围巾那么厚  \n\n调整说明：采用\"物象-情感\"对应手法，将情人节礼物转化为具体的生活物品（书包、日记本等）。通过\"路灯\"\"咖啡\"\"雨水\"等意象群建立画面感。句式保持三短一长结构，在避免直抒胸臆的同时传达出细腻的情感联结。"
      },
      "error": "",
      "elapsed_time": 52.343636,
      "total_tokens": 1003,
      "total_steps": 3,
      "created_at": 1755989844,
      "finished_at": 1755989897
    }
  }
}

参考：

Get Started | Docker

Welcome to Python.org

Ollama

Dify: Leading Agentic AI Development Platform

GitHub - langgenius/dify: Production-ready platform for agentic workflow development.