Windows本地部署Dify(Docker)

Windows本地部署Dify(Docker)

官方文档:https://docs.dify.ai/zh/use-dify/getting-started/introduction

1. 环境准备

查看windows显卡:
Ctrl + Shift + Esc打开任务管理器,左侧选项卡选性能,然后可以看到GPU配置

  1. 准备git环境:

    下载并安装git:https://git-scm.com/install/windows

  2. 在本地某个位置新建文件夹Dify,选择文件夹,右键选择Open Git Bash Here。

  3. 输入git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git

    如果报错 bash: jq: command not found说明windows没有jq命令,这时可以手动输入最新的版本号。

    打开链接 https://github.com/langgenius/dify/releases/latest 浏览器地址栏里最后的部分就是最新的版本号,如1.13.3.

    直接输入:git clone --branch 1.13.3 https://github.com/langgenius/dify.git

    这样就将源代码下载到了本地。

  4. 将dify代码上传到自己的gitee仓库管理(可选)

    首先,确保已经参照gitee官网添加本机的ssh公钥。

    进入项目目录/dify:cd dify

    在gitee上需要创建一个名称为dify的完全空的仓库(不要初始化仓库),点击创建。在gitee页面上获取仓库的https地址,如:https://gitee.com/xumengting/dify.git

    回到git bash界面,如果没有配置过git,先进行Git全局设置:

    git config --global user.name "your_gitee_name"

    git config --global user.email "your_gitee_related_email_address"

    确保自己的目录在dify中,输入命令:git remote add dify <你的Gitee仓库地址>

    在git bash上创建并切到分支git checkout -b master(不然可能出现没有分支,只推送标签)

    推送本地代码到gitee:git push -u dify master

  5. 准备docker

    下载并安装docker:https://www.docker.com/products/docker-desktop/

    查看自己的docker compose版本:docker-compose --version

2. 按官方教程部署

Dify部署官方教程:https://docs.dify.ai/zh/self-host/quick-start/docker-compose

3. 遇到的问题

  1. 启动容器:docker compose up -d报错:error response from daemon: ports are not available: exposing port TCP 0.0.0.0:5003 -> 127.0.0.1:0:listen tcp 0.0.0.0:5003:bind: an orbidden by its access permissions
    原因:系统端口映射服务缓存异常。
    解决办法:重启Windows NAT服务:
    net stop winnat
    net start winnat

4. 注意事项

  1. 如果修改了本地.env文件中的环境变量,一定要重启Dify应用更改:
    docker compose down
    docker compose up -d

5. 补充:docker compose开启的核心服务

docker compose开启了一些核心服务,可以理解为一个服务就是一个容器。

Web:作为整个系统的前端入口。它负责处理用户的HTTP请求,提供网页界面和API接口,是用户与系统交互的桥梁。用户访问网站、调用API时,实际上就是在和这个服务打交道。

API:系统的核心业务逻辑处理中心。它接收来自Web前端的请求,执行创建、查询、更新等核心操作,并协调其他服务(如调用数据库、触发后台任务)。简单来说,它负责处理"干什么"的具体指令。

Worker:负责执行耗时的、后台的异步任务。比如发送邮件、处理视频、AI模型推理等。这些任务如果放在API或Web服务里做,会阻塞用户请求,导致页面卡顿。引入Worker后,API只需把任务"丢进"队列,Worker就会在后台取走并慢慢处理,前端可以立即响应用户。

Worker_Beat:定时任务的调度器。它负责按预定时间(如每天凌晨3点)触发特定的任务,并将这些任务发送给Worker去执行。没有它,系统就无法自动执行周期性任务,比如定期清理过期数据、生成报表等。通常,一个系统中只有一个worker_beat服务处于激活状态。

Plugin_Daemon:插件的"管家"。它负责管理第三方或自定义插件的整个生命周期,包括插件的安装、卸载、运行环境隔离以及任务执行。它就像一个轻量级的插件运行平台,确保外部代码在安全的环境下运行,不影响主系统的稳定性。

相关推荐
chh5635 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval5 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi6 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿6 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方6 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI7 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP7 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷7 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
学无止境小袁同学7 小时前
LangGraph 深度指南
语言模型·框架·agent·并发·上下文·langgraph·长期记忆
罗西的思考8 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习