Dify 本地部署教程：Docker 安装与配置

为什么你需要 Dify 本地部署？

很多团队在尝试 AI 应用时，都卡在「调用 API 担心数据泄露」「想改 prompt 又得求开发」这两道坎上。SaaS 版 AI 工具虽然方便，但数据要经过第三方服务器，文档、客户信息一旦上传就不可控。Dify 本地部署能让你把完整的 LLM 应用平台装进自己的服务器，数据全程留在内网，同时还能自由对接私有模型或内部知识库。这篇教程会带你用 Docker 完成 Dify 部署，从拉取镜像到启动工作台，大概 20 分钟就能跑起来。

Dify 部署能做什么？核心功能一览

可视化编排 AI 工作流

Dify 部署完成后，你可以在网页上拖拽节点，把「意图识别-知识检索-提示词组装-模型调用」串成一条流水线。比如做一个内部 RAG 问答机器人，不用写代码，直接配置数据集和模型参数。

自带数据接入与召回

本地版 Dify 支持上传 PDF、Word、Markdown 等格式文档，自动拆分成块并做向量化。部署时挂载好向量数据库后，问答系统就能从你的私有知识库中召回答案，精准度比直接问大模型高很多。

模型渠道集中管理

你可以在管理后台统一配置 OpenAI、Azure 或本地部署的 Ollama 模型，一个 API key 走天下。日常使用中换模型只需改设置，不用改任何应用代码。

Dify 部署上手步骤（Docker 版）

准备工作：一台 Linux 服务器（2 核 4G 以上），装好 Docker 和 Docker Compose 插件。然后按下面流程走：

• 用 `git clone https://github.com/langgenius/dify.git` 下载官方仓库，进入 `docker` 目录。
• 复制环境变量：`cp .env.example .env`，按需修改端口和密码（默认 80 端口和 PostgreSQL 密码）。
• 执行 `docker compose up -d`，首次会拉取多个镜像，网络慢可以配置镜像加速器。
• 等容器全部显示 healthy 后，浏览器访问 `http://服务器IP/install`，设置管理员账号即可进入工作台。

注意：如果改过端口，访问地址也要对应改。生产环境建议挂载外部卷保存数据，避免容器重建丢配置。

Dify 部署注意事项

• 资源占用：Dify 部署后常驻容器约 6-8 个，内存吃紧时优先关掉不必要的 worker。
• 模型接入：本地部署 Ollama 模型时，要在 Dify 后台设置「模型提供方」填内网地址，且 Dify 容器与 Ollama 需在同一 Docker 网络。
• 升级备份：升级前先做数据库 dump 和 `docker compose down`，再拉新镜像，防止数据丢失。