文章目录
- 一、部署前必看：环境配置要求
- 二、Dify核心架构速览
- [三、核心部署步骤：Docker Compose 方式](#三、核心部署步骤：Docker Compose 方式)
-
- [步骤 1：安装并验证Docker环境](#步骤 1：安装并验证Docker环境)
- [步骤 2：获取Dify项目代码](#步骤 2：获取Dify项目代码)
- [步骤 3：进入Docker编排目录并配置环境文件](#步骤 3：进入Docker编排目录并配置环境文件)
- [步骤 4：启动Dify所有服务](#步骤 4：启动Dify所有服务)
- 步骤5：访问Dify
- 四、其他部署方式适配场景
- [五、部署成功后：快速体验 Dify 核心能力](#五、部署成功后：快速体验 Dify 核心能力)
- 六、知识问答系统搭建案例
- 七、常见问题排查小技巧
- 八、总结
- 参考
在 AI 应用开发的浪潮中，Dify 凭借其可视化构建、多模型集成、全流程 LLMOps 等能力，成为了开发者和企业搭建 AI 应用的优选工具。它支持工作流编排、RAG 管道搭建、Agent 开发等七大核心能力，还能通过自托管方式实现数据私有化，无论是开发测试还是小型生产环境，都能灵活适配。今天这篇博客就带大家从环境要求到实际部署，一步步把 Dify 跑起来，零基础也能轻松上手！
一、部署前必看：环境配置要求
工欲善其事，必先利其器，部署 Dify 前需要确认服务器 / 本地机器满足最低配置要求，同时装好必备的容器工具，避免部署过程中踩坑。
基础硬件配置
- CPU：≥2 核
- 内存：≥4 GiB
必备软件环境
- Docker：最新稳定版（核心容器运行环境）
- Docker Compose：最新稳定版（容器编排工具）
以上工具是 Docker Compose 部署方式的核心依赖，也是本次教程的主要部署方式，兼顾操作简单性和实用性，适合开发及小型生产环境。
二、Dify核心架构速览
在部署前简单了解 Dify 的架构，能帮助我们理解各组件的作用，后续排查问题也更有方向。Dify 采用经典的面向服务设计，组件分工明确、通信清晰，核心组成包括：
- 前端：基于 Next.js 开发的可视化操作界面，提供低代码构建能力；
- 后端 API 服务器：由 Flask 搭建，通过应用工厂模式加载配置，处理前端请求；
- 异步工作进程：基于 Celery+Redis 实现，处理文档索引、工作流执行等重负载异步任务；
- 中间件：Nginx 作为反向代理，负责 Web 应用和 API 之间的流量路由，Redis 同时承担缓存、消息代理作用，PostgreSQL 作为主数据库并支持向量运算。
所有组件通过 Docker Compose 编排，一键启动即可实现组件间的自动通信和协同工作，无需手动配置复杂的网络关系。
三、核心部署步骤：Docker Compose 方式
Docker Compose 是 Dify 官方推荐的自托管方式，操作成本低，只需三条核心命令就能完成部署，是快速落地 Dify 的最佳选择，以下步骤适用于 Linux、MacOS，Windows 需开启 WSL2 并安装 Docker。
步骤 1：安装并验证Docker环境
如果你的机器还未安装 Docker 和 Docker Compose，需先完成安装，安装完成后执行以下命令验证版本，确认安装成功：
bash
# 验证Docker
docker --version
# 验证Docker Compose
docker compose --version确保输出为最新稳定版即可，若出现命令未找到，需检查环境变量配置。
步骤 2：获取Dify项目代码
通过 Git 克隆 Dify 官方仓库（也可直接在 GitHub 下载源码包解压）：
bash
# 克隆仓库
git clone https://github.com/langgenius/dify.git
# 进入项目目录
cd dify步骤 3：进入Docker编排目录并配置环境文件
Dify 的容器编排配置文件存放在docker目录下，同时需要复制环境示例文件生成自定义配置：
bash
# 进入docker目录
cd docker
# 复制环境示例文件为正式.env文件
cp .env.example .env关键配置说明：如果你的前端和后端部署在不同子域名，需要在.env文件中设置COOKIE_DOMAIN为共用的顶级域名（如example.com），确保认证 Cookie 跨服务共享，默认单域名部署可忽略此配置。
步骤 4：启动Dify所有服务
执行 Docker Compose 启动命令，后台运行所有 Dify 组件（包括前端、后端、Redis、PostgreSQL、Nginx 等）：
bash
docker compose up -d步骤5：访问Dify
1.打开管理员初始化页面以设置管理员账户
bash
# 本地环境
http://localhost/install
# 服务器环境
http://your_server_ip/install2.完成管理员账户设置后，在以下地址登录 Dify：
bash
# 本地环境
http://localhost
# 服务器环境
http://your_server_ip
按照页面提示完成管理员账号创建、工作区命名等操作，即可进入 Dify 的主界面，至此，Dify 部署就完成啦！
四、其他部署方式适配场景
除了 Docker Compose，Dify 还提供了多种部署方式，可根据实际业务需求选择，不同方式的适配场景和操作成本如下：
- Dify Cloud：一键启动，零配置，适合快速体验 Dify 功能，无需自己管理服务器；
- Kubernetes：提供 Helm Charts，适合高可用、需要弹性伸缩的大型生产环境，操作成本稍高；
- 源代码部署：适合需要二次开发、贡献代码的开发者，需搭建完整的本地开发栈（Python、Node.js 等）。
五、部署成功后：快速体验 Dify 核心能力
部署完成并初始化后，就可以解锁 Dify 的七大核心能力，快速搭建属于自己的 AI 应用：
- 可视化工作流：通过画布拖拽搭建多步骤 AI 管道，支持分支、条件逻辑，无需编写复杂代码；
- 多模型集成：无缝对接 OpenAI、Anthropic、Llama 等数百种 LLM，兼容 OpenAI 标准接口；
- 提示词 IDE：交互式编辑提示词，支持模型对比、实时测试，还能通过文本转语音增强体验；
- 端到端 RAG：轻松实现 PDF、PPT 等文档的摄入、嵌入、索引和检索，提升大模型回答准确性；
- Agent 开发：基于 LLM 驱动搭建 Agent，支持 Function Calling/ReAct 策略，内置 50 + 工具并支持自定义；
- LLMOps 能力：实现应用监控、日志分析、提示词优化和性能追踪，保障 AI 应用稳定运行；
- 后端即服务：所有功能通过 REST API 暴露，可轻松集成到自有业务系统中。
六、知识问答系统搭建案例
1、Dify知识库创建
为确保大语言模型回答的准确性，需预先构建知识库。在操作前，先启动Ollama容器并获取所需的嵌入模型。
运行Ollama容器
bash
docker run -d -v ollama:/root/.ollama -p 11434:11434 -p 18790:18790 -p 18789:18789 -e DISPLAY=host.docker.internal:0.0 --pid=host --gpus=all --name ollama ollama/ollama
# 进入容器
docker exec -u root -it ollama /bin/bash
# 下载模型，参考https://ollama.com/library/qwen3.5
ollama pull smartwang/bge-large-zh-v1.5-f32.gguf:latest
# 运行服务
ollama serve
# 查看ollama是否使用GPU，可通过下述的百分比查看，如果大于0则说明使用了GPU
ollama ps创建知识库
上传文件
选择Embedding模型 ：这里使用Ollama的Embeding模型
安装Ollama插件
配置模型
配置完成知识库
重命名知识库
2、创建工作流
这里我直接使用现有模板创建了
添加知识库
配置LLM节点
DeepSeek的API密钥需要到官网上获取
参数提取节点
直接回复节点
运行流程
3、问答测试
七、常见问题排查小技巧
- 容器启动失败 ：执行
docker compose logs查看容器日志，排查端口占用、镜像拉取失败等问题，默认 Dify 占用 80 端口，需确保该端口未被其他服务占用； - 无法访问初始化页面 ：检查 Docker 容器是否全部正常运行（
docker compose ps），关闭服务器防火墙或开放 80 端口； - 异步任务执行缓慢：如文档索引、工作流运行卡顿，检查机器内存是否满足≥4GiB 要求，Redis 容器是否正常运行。
八、总结
Dify 作为一款开箱即用的 AI 应用开发平台，极大降低了 AI 应用的构建门槛，而 Docker Compose 部署方式更是让零基础开发者也能快速落地。只需满足基础的硬件和软件要求，通过 5 个简单步骤，就能拥有属于自己的自托管 Dify 实例，后续可基于此搭建 RAG 知识库、智能 Agent、自动化工作流等各类 AI 应用。