Dify 本地部署教程：Docker 安装与配置
它是什么本教程手把手教你完成 Dify 本地部署，通过 Docker 安装与配置，把 AI 应用平台完全掌控在自己手中。
本教程手把手教你完成 Dify 本地部署，通过 Docker 安装与配置，把 AI 应用平台完全掌控在自己手中。无需依赖外部 SaaS，数据安全可控，还能自由对接私有模型和知识库。阅读本文，你将从零搭建起专属的 AI 工作流，解决日常办公与学习的自动化需求。
详细介绍
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。
系统要求
Docker 环境
更新记录
最近更新：2026-10-02
软件参数速览
下载
本页暂无可用的国内网盘链接，仅保留官方来源入口；如需网盘下载欢迎反馈，我们会优先补链。
常见问题
Dify 部署对服务器配置要求高吗？
最低要求 2 核 4G 内存，能跑 Docker 即可。如果计划处理大量文档或高并发请求，建议 4 核 8G，并单独给向量数据库分配内存，避免卡顿。
本地部署后能完全离线使用吗？
可以。只要把模型切换到内网 Ollama 或本地模型，并关闭外部网络依赖，Dify 本身不强制联网，文档处理和问答均可在内网完成。
升级 Dify 时怎么保留已有数据？
升级前执行 docker compose down，备份 .env 文件和挂载的 postgres、redis 数据目录。拉取新镜像后重新 docker compose up -d，所有配置和知识库数据都会保留。