【AI应用/Agent智能体搭建平台2】Dify——自部署

Dify部署

官方文档 https://docs.dify.ai/zh/self-host/deploy/overview

总览介绍

只要能运行 Docker,就能部署 Dify:笔记本、内网服务器或云端虚拟机均可。推荐使用 Docker Compose

有2种部署方式。两种方式的核心差别,本质是要不要自己管中间件和进程。先一句话定性:

  • Docker Compose 部署:官方给你一个 docker-compose.yml,一条命令把 Dify 所有组件(前端、后端、异步任务、数据库、缓存、向量库)连同它们的依赖一起拉起来,全部跑在容器里、彼此网络隔离。

  • 源代码部署:从 GitHub git clone 源码,本机自己装 Python(后端 Flask)、Node(前端 Next.js)、Celery(异步 worker),再自己装 PostgreSQL / Redis / 向量数据库,然后手动逐个启动进程。
    怎么选

  • 想自己用 / 公司内网搭一个 Dify 用 → 直接 Docker Compose,省心,官方推荐。

  • 想读源码、改功能、做二次开发、给社区提 PR、本地打断点调试 → 必须源码部署。

  • 生产环境 → 一般用 Compose(规模大了上 Kubernetes),不会裸跑源码进程,因为少了进程守护和编排。

方式一:使用 Docker Compose 部署 Dify

安装 Docker Desktop

https://docs.docker.com/desktop/setup/install/windows-install/#wsl-2-backend

前置条件
1. 启动cpu虚拟化

这里显示已经启动了,如果没有启动,需要先启动

启动方法:重启电脑进入 BIOS 开启硬件虚拟化(具体可以找视频)

2. 启动windows虚拟机功能

勾选以上3项

点击确定,会帮我们下载数据

需要重启电脑生效

3. 安装 WSL

终端执行:

bash 复制代码
wsl --install

使用科学上网,安装更快(我中间出现下载70%后, "无法与服务器建立连接",之后关闭科学上网,又很快下载成功了。。。);如果不能科学上网,就去github上下载,进行安装

这里还让输入密码

然后 y

就直接进入到了 适用于 Linux 的 Windows 子系统中

常用指令:

wsl --version 查看版本号;

wsl 可以直接进入到该 windows 子系统;

exit 从终端退出子系统

安装 Docker Desktop

软件默认会安装到 C 盘,且后续 WSL(Windows Subsystem for Linux) 数据也会存在 C 盘,会占用较大磁盘空间。这里先默认安装,暂时没有找到更换路径的方法

部署并启动

克隆Dify

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

此命令需要 git、curl 和 jq。如提示 command not found,安装缺少的工具后重新运行命令。

我这里没有 jq,为了方便,直接打开git bash,进行安装

。。。超级慢

直接下载zip包,本地解压

启动Dify

  1. 进入 Dify 源代码中的 docker 目录:

    bash 复制代码
    cd dify/docker
  2. 复制必要的环境配置文件(真正使用的是 .env):

    bash 复制代码
    cp .env.example .env
  3. 启动容器:

    bash 复制代码
    docker compose up -d

直接让claude code帮我定位

其实就是添加了国内镜像源(可以直接在 C:\Users\asus.docker\deamon.json 修改,或者在Docker Desktop中设置-Docker engine中添加)

解决后,还帮忙测试验证了Dify是否成功运行:

正常启动后,以下容器都会运行起来:

7 个核心服务:api、api_websocket、worker、worker_beat、web、plugin_daemon、agent_backend

8 个依赖组件:weaviate、db_postgres、redis、nginx、ssrf_proxy、agent_ssrf_proxy、sandbox、local_sandbox

1 个一次性任务:init_permissions,用于设置存储文件权限,完成后自动退出。

  1. 验证所有容器是否成功运行:
    docker compose ps

每个容器的状态应为 Up 或 healthy。init_permissions 状态显示为 Exited 是正常的。


接下来,就可以访问本地部署的 Dify 界面,并进行使用了

访问

  1. 打开管理员初始化页面,设置管理员账户:

    bash 复制代码
    # 本地环境
    http://localhost/install
    
    # 服务器环境
    http://your_server_ip/install
  2. 完成管理员账户设置后,在以下地址登录 Dify:

    bash 复制代码
    # 本地环境
    http://localhost  
    
    # 服务器环境
    http://your_server_ip

首次进入,需要注册账户

登录进入

后面就可以创建应用进行使用了

如果关闭本地Dify:

执行

bash 复制代码
docker compose down

联合 Ollama 使用本地部署模型

方式二:使用源代码本地启动

相关推荐
AI推荐率14 小时前
企业归属关系:开发、运营、持有和销售主体需要按真实关系表达
人工智能
海兰14 小时前
【应用】Firecrawl-Style Scrape Demo网页爬取效果演示及部署
人工智能·网页爬虫
疯狂打码的少年14 小时前
【数据库技术】SQL嵌套查询(IN/EXISTS/ANY/ALL)
数据库·笔记·sql
code 小楊14 小时前
Agent间如何高效协作?深度拆解A2A(Agent-to-Agent)协议
人工智能·架构·开源
天远Date Lab14 小时前
计算机视觉管道构建:基于天远身份证OCR实现机器学习身份信息提取
人工智能·机器学习·计算机视觉·ocr
俊哥V14 小时前
AI一周事件 · 2026-08-26 至 2026-09-01
人工智能·ai
Wang's Blog14 小时前
Vibe Coding一人即团队系列50: 基于 Claude Code 的多项目测试计划生成与自动化测试实战
人工智能
小柯南敲键盘14 小时前
跨马翻译批量图片视频字幕翻译,跨境电商AI智能抠图一站式工具
人工智能·python·音视频·xcode
DevOps老兵14 小时前
AI Infra实战05:用Helm在K8s中部署vLLM,从安装到压测全流程
人工智能·kubernetes·helm·vllm·大模型推理·ai infra
张--小涛涛14 小时前
0004 - 机器学习-K近邻算法
人工智能·机器学习·近邻算法