dify

量子物理学

Ubuntu上本地部署Dify‌配置Docker使用国内该加速器‌：在Linux上，你可以通过修改Docker的配置文件来实现。找到Docker的配置文件（通常位于/etc/docker/daemon.json），如果没有这个文件，你可以创建一个。然后，添加或修改以下内容：

离线安装dify 1.7参cdftcdcddocker 离线安装_离线docker安装包-CSDN博客docker compose 安装，启动

如何获取 dify-deploy skill 所需要的三个key值这是你部署的 Dify 服务的 API 地址：取决于你的 Dify 实例部署在哪里，如果本地部署的版本有自定义过访问 URL，将进入工作区后的网址去除尾部的/apps输入即可。

难以触及的高度

Dify 本地部署实操全教程：零基础快速搭建私有化 AI 应用随着大模型普及，不少人想搭建专属私有 AI，但从零搭建向量库、对接模型门槛高、配置繁琐。今天带来 Dify 实操教程，依托开源免费的 Dify 平台，零基础借助 Docker 就能本地私有化部署，轻松搭建私有知识库与自动化 AI 工作流，数据全部留存本地不外流。

Dify内网项目解决tiktoken连接问题问题：在使用Dify内网环境项目中，出现：当对话正常开始后，系统尝试连接openaipublic.blob.core.windows.net的443端口失败，出现名称解析错误的问题。原因：在Dify项目中使用的tiktoken库默认会尝试从OpenAI的公共存储服务下载必要的词汇表文件。在内网环境下无法正常访问。tiktoken库需要两个关键文件来正常工作：1、vocab.bpe - 字节对编码词汇表文件 2、encoder.json - 编码器映射文件

Dify笔记-知识库创建后设置和召回测试上传的文件，尽量要整理好，不要随便公司的word就往上怼。这样有有个问题，不准，或者说如果想准，需要35b甚至更大的模型。一般开发环境下，我们都是用8b或者8b内的，AI可以理解成小盆友，需要我们整理好数据，比如做xxx任务前，我最好给他一个表格数据，给他csv或者xlsx表格，估计他能更好理解些。

倔强的石头106

Dify 接入蓝耘 MaaS：从 0 搭建一个企业知识库问答助手最近很多团队都在尝试把大模型接入到自己的业务里，但真正落地时会发现一个问题：直接和大模型聊天并不等于拥有一个可用的业务助手。

基于Dify+EdgeOne的化学试剂反应在线展示系统随着AI技术的快速发展，Dify平台为构建智能化化学反应展示系统提供了全新可能。本方案旨在通过Dify+EdgeOne的组合，打造一个"零代码"构建、全球加速访问的化学试剂反应智能展示平台，让复杂的化学反应过程变得直观、交互、易理解。

Dify学习笔记官网：https://dify.ai/zh项目地址：https://github.com/langgenius/dify/

程序员柒叔

Dify 一周动态-2026-W22日期范围: 2026-05-20 - 2026-05-27 摘要: 本周 Dify 的主线非常明确：1.14.2 已落地并把安全修复、工作流可靠性和部署变更一起推向用户；主干随后迅速进入新一轮开发，重点集中在认证链路重构、Valkey 向量存储补强、CLI E2E 测试和前端基础设施替换。同时，1.14.2 发布后开始出现一批兼容性与回归类问题，尤其集中在文件处理、模型计费和向量数据库集成上。

【从零搭建本地电商智能客服 Agent：Dify+Ollama+Qwen3.5 部署全流程】本文针对开源电商智能客服 Agent 的部署与落地，提供一套基于 Docker 自托管 Dify + Ollama 本地大模型 + SQLite 商品数据库的完整技术方案。该方案完全脱离 OpenAI 付费 API，以 Qwen3.5:4b 为核心模型，实现免费、离线、可定制的电商智能客服系统，解决了传统客服系统依赖付费接口、数据隐私风险高、部署成本高的痛点。文中详细记录了从 WSL2 环境配置、Dify 容器部署、Ollama 模型对接，到 Agent 业务逻辑实现的全流程，为个人开发者和中小企业提供

【DIFY】插件安装错误问题解决DIFY安装多次安装插件错误。错误复制直接给AI，给出分析，问题是镜像使用的默认python安装包源，然后设置了120秒的安装超时。

Dify搭建Agent输出旅游规划本篇博客主要记录使用Dify中的Agent输出旅游规划。本地环境：Windows环境Dify版本：1.13.2

Dify搭建数据可视化工作流本篇博客主要记录使用Dify搭建工作流，实现数据可视化的工作流助手。电脑系统：WindowsDify版本：1.13.2

技术小甜甜

生产环境的“后悔药”：如何利用 Dify 版本控制与回滚机制建立 AI 应用的 CI/CD 闭环？很多 Dify 应用在测试阶段看起来已经“能用”，但一进入生产环境，真正的问题才会出现：谁改了提示词？谁调整了流程节点？接口字段变了以后怎么发现？线上效果变差以后能不能回到上一版？如果这些问题没有答案，Dify 应用就不是一个可控的生产系统，而只是一个随时可能被改坏的 Demo。

从 Dify 配置页理解 RAG 的重要参数RAG（Retrieval-Augmented Generation，检索增强生成）经常被一句话概括成“先检索，再回答”。这句话没有错，但如果真的要把一个知识库调到可用，仅仅理解这四个字还不够。真正影响答案质量的，往往是 Dify 知识库配置页里的那些看似普通的参数：chunk 怎么切、文本怎么清洗、索引用什么方式建、embedding 模型怎么选、检索时拿多少片段、要不要阈值、要不要 rerank。

Dify系列课程 - 4.Dify实战（本地部署-源码下载与部署）Dify实战（本地部署-源码下载与部署）在前面的文章《Dify系列课程 - 3.Dify本地部署-源码下载与部署》中我们介绍了Dify使用Docker部署的步骤，有的同学联系我说部署过程中遇到了一些小问题，需要我把部署过程也发布出来，如果你在部署过程中也遇到问题了，可以参考我的步骤进行操作 - Dify Docker 部署指南。

从 CRUD 到 AI 工程：基于 FastAPI + Dify 的 AI 面试模拟系统实践一次关于 AI 应用开发、后端架构设计与 Prompt 工程的完整实践。在学习 FastAPI 与 AI 应用开发的过程中，我尝试构建了一个 AI 面试模拟系统。

Dify 1.14.0 发布：从“单机玩具”到“工业级协作”的硬核进化开头就在今天（2026年4月29日），Dify 正式发布了 v1.14.0 版本。这一版本不再只是修补边边角角，而是直接将“多智能体工作流”推向了企业级协作的深水区。对于正在寻找 Agent 落地解决方案的工程团队来说，这次更新意味着 Dify 终于具备了支撑高并发、多人协同开发的工业级底座。 https://github.com/langgenius/dify/releases/tag/1.14.0

Vue2 + FastAPI + Dify 实现 AI 医疗预检分诊助手：从问诊追问到医生审核闭环本文适合刚学完 Vue、Python 后端和数据库，想做一个完整 AI 应用项目的同学。项目仅用于学习演示，不能直接作为真实医疗诊断系统使用。