Dify：开源LLM应用开发平台安装与使用指南

官方信息

项目背景

Dify 是由国内团队 LangGenius 开发的开源 LLM 应用开发平台，名字来源于 "Define + Ify"。它把大模型应用开发的全流程——从 Prompt 编排、知识库管理、工具调用到工作流可视化——全部封装成了一个开箱即用的 Web 平台。开发者不需要写一行代码，就能搭建一个类似 ChatGPT 的智能客服、内部知识库问答系统、或带工具调用的 AI Agent。

在 Dify 出现之前，要做一个 RAG 应用，你需要自己选向量数据库、写文档切分逻辑、拼 Prompt、调 LLM API、做前端界面——这套流程至少一两周。Dify 把这些全部产品化：上传文档自动切分入库，拖拽节点画工作流，一键发布成 Web 应用或 API。它已经成为目前最流行的开源 LLM 应用编排平台，没有之一。

Dify 同时支持云服务版和开源自部署版。开源自部署版功能完整，企业可以完全掌控数据，是很多公司内部 AI 平台的首选底座。

核心特性

• 可视化工作流：拖拽式画布，编排 LLM 节点、知识检索、条件分支、代码执行、HTTP 请求等，类似 n8n/Zapier 但面向 AI。
• 知识库 RAG：支持上传 PDF/Word/Excel/网页，自动切分、向量化、检索，内置混合检索和 Rerank。
• 多模型接入：原生支持 OpenAI、Anthropic、通义千问、DeepSeek、智谱、Ollama、vLLM 等几十种模型。
• Agent 智能体：内置 Function Calling、ReAct，支持自定义工具（Google 搜索、Wikipedia、计算器等）。
• 多渠道发布：一键发布为 WebApp、嵌入网页 iframe、微信小程序、API 接口。
• 数据集标注：内置人工标注和 SFT 数据导出，支持用对话记录微调模型。
• 权限管理：团队空间、成员角色、应用级权限，适合企业协作。

环境要求

详细部署步骤

第一步：安装 Docker 和 Docker Compose

# 安装 Docker（Ubuntu）
curl -fsSL https://get.docker.com | bash
systemctl start docker
systemctl enable docker

# 验证
docker --version
docker compose version

第二步：克隆 Dify 仓库

cd /opt
git clone https://github.com/langgenius/dify.git
cd dify/docker

第三步：配置环境变量

# 复制环境变量模板
cp .env.example .env

# 编辑 .env，关键配置项说明：
# 1. 暴露端口（默认 80，如被占用可改为 8080）
EXPOSE_NGINX_PORT=80

# 2. 应用密钥（必须修改！生产环境用随机字符串）
SECRET_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

# 3. 数据库密码
DB_PASSWORD=your_secure_password

# 4. 启用 HTTPS（可选，配合 Nginx 反代）
# EXPOSE_NGINX_SSL_PORT=443

生成强随机 SECRET_KEY：

openssl rand -base64 42

第四步：启动 Dify

# 拉取镜像并启动所有服务
docker compose up -d

# 查看启动状态
docker compose ps

启动后你会看到这些容器：

第五步：初始化管理员账号

浏览器访问 http://你的服务器IP/install，首次打开会进入初始化页面：

• 设置管理员邮箱
• 设置管理员密码（至少 8 位）
• 点击"设置"完成初始化

之后访问 http://你的服务器IP 即可登录。

第六步：配置模型供应商

登录后，右上角头像 → 设置 → 模型供应商，以 DeepSeek 为例：

1. 找到 DeepSeek 卡片，点击"添加模型"
2. 填入 API Key（从 platform.deepseek.com 获取）
3. 保存，模型列表中会出现 deepseek-chat、deepseek-reasoner

如果要用本地模型（Ollama）：

1. 在 Ollama 服务器上启动 OLLAMA_HOST=0.0.0.0 ollama serve
2. Dify 中选 Ollama 供应商，填入 Ollama 服务器地址（如 http://192.168.1.100:11434）
3. 点击"保存"，会自动拉取本地模型列表

第七步：创建一个简单的聊天应用

1. 点击"创建应用" → 选择"聊天助手"
2. 输入应用名称，选择聊天模型（如 deepseek-chat）
3. 在"提示词编排"中设置系统 Prompt："你是一个专业的技术助手..."
4. 右侧调试窗口输入问题测试
5. 满意后点击"发布" → 选择"WebApp"或"API 访问"

第八步：接入知识库（RAG）

1. 左侧菜单 → 知识库 → 创建知识库
2. 上传文档（PDF/TXT/Word/Markdown），自动解析切分
3. 设置分段规则（推荐自动分段，500 tokens 一段）
4. 选择 Embedding 模型（如 text-embedding-3-small 或本地 bge-m3）
5. 等待索引完成
6. 回到应用编排，在"上下文"中关联该知识库
7. 测试提问，Dify 会自动检索相关段落注入 Prompt

第九步：升级版本

cd /opt/dify/docker
git pull origin main
docker compose down
docker compose pull
docker compose up -d

常见坑与解决

• 端口 80 被占用：修改 .env 中 EXPOSE_NGINX_PORT=8080，重启容器。
• 文档解析失败：检查 dify-worker 日志 docker compose logs -f worker；大 PDF 建议先拆分。
• Ollama 连不上：确认 Ollama 启动时绑定了 0.0.0.0，服务器防火墙开放 11434 端口。
• 磁盘占用过大：Weaviate 向量数据在 docker/volumes/weaviate，定期清理无用知识库。

使用方法示例

发布后的应用 API 调用示例：

curl -X POST 'http://your-server/v1/chat-messages' \
  -H 'Authorization: Bearer app-xxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "什么是大模型微调？",
    "response_mode": "blocking",
    "conversation_id": "",
    "user": "abc-123"
  }'

默认管理员账号在首次安装时自行设置，无默认密码。生产环境务必：修改 SECRET_KEY、配置 HTTPS、限制管理员邮箱域名。

常见问题 FAQ

Q1：Dify 和 FastGPT、RAGFlow 有什么区别？
A：Dify 最全能，工作流 + RAG + Agent 一体；FastGPT 专注知识库问答，简单易用；RAGFlow 深度文档解析最强，适合复杂表格 PDF。三者可以按场景选择。

Q2：免费版和企业版差多少？
A：开源自部署版核心功能完整，企业版多了 SSO、审计日志、多租户、技术支持等。个人和小团队用开源版足够。

Q3：支持哪些向量数据库？
A：默认内置 Weaviate，可切换到 Qdrant、Milvus、PGVector、Chroma、Opensearch。

Q4：数据安全吗？
A：自部署版所有数据都在你自己服务器上，模型 API 调用走你配置的 Key。但要注意：如果用的是 OpenAI 等云端模型，Prompt 和知识库内容会发送到对应厂商。

Q5：能商用吗？
A：Dify 是自定义开源协议（基于 Apache 2.0 有一些限制），允许商用，但不能直接售卖 Dify 本身作为 SaaS 服务。具体看 LICENSE。

跳转链接

• GitHub 仓库：https://github.com/langgenius/dify
• 官方文档：https://docs.dify.ai
• 在线 Demo：https://udify.app
• Docker 部署：docker/README.md