【AI工具箱】Dify：可视化 AI 应用开发平台

【AI工具箱】Dify：可视化 AI 应用开发平台

Dify 是什么？

想象一下，你想做一个 AI 客服、AI 助手或者 AI 文档分析工具，但是不会编程怎么办？

Dify 就像是一个"AI 乐高积木盒"：

• 零代码开发：像搭积木一样拖拽组件，画出流程图
• 知识库功能：把你的文档、资料"喂"给 AI，它就能基于这些内容回答问题
• 多种 AI 模型：支持 GPT、Claude、国产大模型等各种 AI
• 可视化界面：所见即所得，不需要写代码

简单来说：你完全不用懂编程，只要拖拽连线画出流程，再把文档资料上传，就能组装出一个既懂你业务、又能办事的专属 AI 助手！

官方文档

完整的使用教程请参考：docs.dify.ai/zh-hans

---

本地部署教程

为什么要本地部署？

• 💰 省钱：不需要按使用量付费
• 🔒 隐私：数据在自己电脑上，更安全
• ⚡ 自由：想怎么用就怎么用，没有限制

前提条件 ：确保你已经安装了 Docker（查看 Docker 安装教程）

第一步：修改端口（可选）

作用： 如果默认端口（80）被占用，需要修改成其他端口。

操作步骤：

1. 进入 Dify 项目的 docker 文件夹
2. 找到 .env 文件，用文本编辑器打开
3. 找到 EXPOSE_NGINX_PORT=80 这一行
4. 把 80 改成其他端口号（比如 8011）

文件路径： ./docker/.env

第二步：启动 Dify

启动命令：

# 进入 docker 目录后执行
docker compose -p dify up -d

说明：

• -p dify：项目名称设为 dify
• up：启动服务
• -d：后台运行

访问地址： 启动成功后，在浏览器打开 http://localhost 或 http://localhost:你的端口号

停止 Dify

停止命令：

docker compose -p dify down

说明： 这个命令会停止并删除所有容器，但数据会保留。

配置反向代理（进阶，使用域名访问）

什么是反向代理？ 简单来说，就是让你的 Dify 可以通过域名（比如 ai.yourdomain.com）访问，而不是 IP 地址。

适用场景： 如果你有自己的域名，想让 Dify 更专业、更好记。

Nginx 配置示例：

location ^~ / {
    proxy_pass http://127.0.0.1:8011;
    proxy_set_header Host $http_host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Real-Port $remote_port;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;
    proxy_set_header X-Forwarded-Host $host;
    proxy_set_header X-Forwarded-Port $server_port;
    proxy_set_header REMOTE-HOST $remote_addr;

    proxy_connect_timeout 60s;
    proxy_send_timeout 600s;
    proxy_read_timeout 600s;
    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection $connection_upgrade;
}

注意： 把 8011 改成你实际使用的端口。

数据备份与迁移

重要提示： Dify 的所有数据（知识库、对话记录、配置等）都保存在 /docker/volumes 目录。

备份方法：

# 方法一：直接复制整个 volumes 文件夹
# Windows: 用资源管理器复制
# Linux/Mac: 
cp -r ./docker/volumes ./docker/volumes-backup

# 方法二：打包压缩（推荐，节省空间）
tar -cvf volumes-backup.tar.gz ./docker/volumes

迁移到新电脑：

1. 把备份的 volumes 文件夹复制到新电脑的 Dify 项目的 docker 目录下
2. 运行 docker compose -p dify up -d 即可

升级 Dify 到最新版本

为什么要升级？ 获取新功能、性能优化和 bug 修复。

升级步骤：

# 1. 备份配置文件（可选但推荐）
cd docker
cp docker-compose.yaml docker-compose.yaml.backup

# 2. 获取最新代码
git checkout main
git pull origin main

# 3. 停止当前服务
docker compose down

# 4. 备份数据（重要！）
tar -cvf volumes-backup-$(date +%s).tgz volumes

# 5. 启动新版本
docker compose up -d

小提示：

• 升级前一定要备份数据！
• 如果不是通过 git 安装的，可以直接下载最新的 docker-compose.yaml 文件替换

---

常见问题解决

问题 1：端口被占用

现象： 启动时报错 Error starting userland proxy: listen tcp4 0.0.0.0:80: bind: address already in use

原因： 80 端口已经被其他程序占用了。

解决方法：

1. 打开文件：./docker/.env
2. 找到 EXPOSE_NGINX_PORT=80
3. 改成其他端口，比如：EXPOSE_NGINX_PORT=8011
4. 重启 Dify

问题 2：忘记登录密码

解决方法：

# 1. 进入 API 容器
docker compose exec api bash

# 2. 执行密码重置命令
flask reset-password

# 3. 按照提示输入新密码即可

问题 3：代码执行节点无法引入第三方 Python 库

现象： 在代码执行节点中使用 import requests 等第三方库时报错。

解决方法：

1. 打开文件：docker/volumes/sandbox/dependencies/python-requirements.txt
2. 在文件末尾添加需要的库，比如： requests pandas numpy
3. 保存文件
4. 重启 Dify：docker compose -p dify restart

问题 4：使用清华镜像源加速 Python 库下载

作用： 让 Python 库下载更快。

操作方法：

1. 打开文件：docker/volumes/sandbox/conf/config.yaml

2. 添加一行配置：

   python_pip_mirror_url: https://pypi.tuna.tsinghua.edu.cn/simple

3. 保存并重启

提示： 可以参考示例文件 sandbox/conf/config/config.yaml.example

问题 5：替换官方 sandbox（解决某些兼容性问题）

参考教程： dify-sandbox-py

修改方法：

在 docker-compose.yaml 文件中找到 sandbox 部分，修改镜像：

sandbox:
  # image: langgenius/dify-sandbox:0.2.10  # 注释掉官方镜像
  image: svcvit/dify-sandbox-py:0.1.4      # 使用替代镜像

问题 6：代码节点无法获取上传的文件

现象： 在工作流中上传了文件，但代码节点无法访问。

解决方法：

在 .env 文件中添加或修改配置：

FILES_URL=http://你的服务器地址

说明： 配置后，上传的文件会以 URL 形式传递给后续节点，代码节点就可以通过 URL 下载和处理文件了。

问题 7：无法连接本地 Ollama 模型

现象： 添加本地 Ollama 模型时连接失败。

解决方法：

在 .env 文件中添加以下配置：

PROVIDER_OLLAMA_API_BASE_URL=http://host.docker.internal:11434
PLUGIN_WORKING_PATH=/app/cwd

说明：

• host.docker.internal 是 Docker 内部访问宿主机的特殊地址
• 11434 是 Ollama 的默认端口

---

性能优化与限制调整

调整并行分支数量

作用： 提高工作流的并行处理能力。

配置方法：

在 .env 文件中修改：

MAX_PARALLEL_LIMIT=10  # 默认值，可根据电脑配置调整

建议：

• 配置较低的电脑：保持默认值 10
• 配置较高的电脑：可以提高到 20-30
• 设置过大可能导致内存不足

调整数组和字符串长度限制

问题场景： 代码执行节点返回大量数据时报错。

配置方法（在 .env 文件中）：

# 数组长度限制（默认 30）
CODE_MAX_STRING_ARRAY_LENGTH=100

# 字符串长度限制（默认 80000）
CODE_MAX_STRING_LENGTH=200000

调整工作流执行限制

配置方法（在 .env 文件中）：

# 工作流最大并发线程数（默认 100）
MAX_SUBMIT_COUNT=200

# 工作流执行总次数限制（默认 500）
WORKFLOW_MAX_EXECUTION_STEPS=1000

# 工作流调用深度限制（默认 5）
WORKFLOW_CALL_MAX_DEPTH=10

# 工作进程数（默认值 = CPU核心数×2+1）
SERVER_WORKER_AMOUNT=5

说明：

• 这些限制是为了防止系统资源被耗尽
• 根据实际需求和服务器配置调整
• 修改后需要重启 Dify

调整文件上传大小限制

作用： 允许上传更大的文件到知识库或多模态节点。

配置方法（在 .env 文件中）：

# 知识库文件上传大小限制（单位：MB）
UPLOAD_FILE_SIZE_LIMIT=1024

# 批量上传文件数量
UPLOAD_FILE_BATCH_LIMIT=50

# 多模态文件大小限制
UPLOAD_IMAGE_FILE_SIZE_LIMIT=1000    # 图片（MB）
UPLOAD_VIDEO_FILE_SIZE_LIMIT=10000   # 视频（MB）
UPLOAD_AUDIO_FILE_SIZE_LIMIT=50      # 音频（MB）

# Nginx 总容量大小限制
NGINX_CLIENT_MAX_BODY_SIZE=150000M

注意：

• 增大限制前确保服务器有足够的存储空间
• 修改后需重启 Dify

---

其他配置技巧

安装本地插件

默认情况下，Dify 会验证插件签名，本地开发的插件可能无法安装。

解决方法（在 .env 文件中）：

FORCE_VERIFYING_SIGNATURE=false

变量聚合节点的使用技巧

重要提示： 如果要等待多个变量都到达后再继续执行，需要为每个变量创建独立的分组。

正确做法：

• 创建多个变量分组
• 每个分组添加对应的变量
• 分支场景同样适用此规则

解决 URL 上传文件的验证错误

现象： 通过 URL 方式上传文件时出现 pydantic 验证错误。

解决方法：

在 docker/.env 文件中添加或修改相关配置：

---

总结

通过这篇教程，你应该已经掌握了：

1. ✅ Dify 的基本概念：零代码 AI 应用开发平台
2. ✅ 本地部署方法：使用 Docker 快速部署
3. ✅ 常见问题解决：端口占用、密码重置、第三方库安装等
4. ✅ 性能优化：根据需求调整各种限制参数
5. ✅ 数据管理：备份、迁移和升级操作

下一步建议：

• 访问 官方文档 学习如何创建工作流
• 尝试构建你的第一个 AI 应用
• 加入 Dify 社区，获取更多帮助

祝你玩得开心！🎉