Dify本地部署教程：宝塔+Docker从零搭建AI开发平台

什么是Dify？为什么值得学习

Dify是一款开源的大语言模型（LLM）应用开发平台，融合了后端即服务（BaaS）和LLMOps的理念，让开发者甚至非技术人员都能快速搭建生产级的生成式AI应用。

这里有两个关键概念值得展开：BaaS（Backend as a Service） 是一种云计算服务模式，它将后端基础设施（如数据库、用户认证、文件存储、API管理等）抽象为即用型服务，开发者无需从零搭建和维护服务器端逻辑。LLMOps 则是MLOps（机器学习运维）在大语言模型领域的延伸，涵盖了LLM应用从开发、测试、部署到监控的全生命周期管理，包括提示词版本管理、模型性能监控、成本追踪、A/B测试等运维实践。Dify将这两个理念融合，意味着它既提供了开箱即用的后端能力，又内置了管理LLM应用全流程的工具链。

与另一个知名的AI开发库LangChain相比，如果说LangChain是一个工具箱（提供锤子、钉子等零散工具），那么Dify更像是一套完整的脚手架——不仅有工具，还有经过工程设计和软件测试的整体架构，能直接支撑生产环境的需求。

具体来说，LangChain是2022年底由Harrison Chase发起的开源Python/JavaScript库，它提供了与LLM交互的各种抽象组件，如链（Chain）、代理（Agent）、记忆（Memory）、文档加载器等。开发者需要编写代码将这些组件组装成完整应用，灵活性极高但学习曲线陡峭，且从原型到生产部署需要自行解决工程化问题（如并发处理、错误重试、日志监控等）。Dify则采用了不同的产品哲学：它提供可视化的编排界面，将常见的LLM应用模式（聊天机器人、工作流、知识库问答）产品化，内置了生产环境所需的基础设施。两者并非替代关系——LangChain适合需要深度定制的开发者，Dify适合追求快速交付和团队协作的场景。

Dify的核心优势在于三点：

• 模型支持广泛：支持数百个大语言模型，国外包括OpenAI、Gemini、Claude等，国内覆盖智谱、百川、讯飞星火、通义千问^广告、文心一言、DeepSeek^广告等主流模型
• 功能完整：内置提示词编排界面、高质量RAG引擎（外挂知识库）、Agent工具调用、工作流设计等关键能力
• 开源免费：开发者可以在开源基础上自由扩展，将重心放在创新和业务本身

Dify能做什么？主要应用场景一览

Dify的应用场景非常丰富，主要包括以下几个方向：

1. 构建智能聊天机器人和Agent：通过提示词编排和工具调用，快速创建各类AI助手
2. 集成到现有业务系统：通过Dify提供的API，将大语言模型能力内嵌到已有应用中
3. 设计自动化工作流：针对特定业务场景，编排AI执行的工作流程
4. 挂载企业知识库：将产品文档、参数等企业数据作为AI的外挂知识库，实现精准的业务问答
5. 发布为Web应用：将构建好的AI应用发布为公开的Web站点供用户访问

其中，RAG（Retrieval-Augmented Generation，检索增强生成） 是解决大语言模型知识局限性的核心技术架构，值得深入理解。其工作原理是：当用户提出问题时，系统先从外部知识库中检索与问题最相关的文档片段，然后将这些片段作为上下文与用户问题一起送入LLM生成回答。这种方式解决了LLM训练数据截止日期的限制、幻觉问题以及企业私有数据无法被模型直接获取的痛点。RAG的关键环节包括文档分块（Chunking）、向量嵌入（Embedding）、向量数据库存储与检索、以及重排序（Reranking）等步骤。Dify内置的RAG引擎封装了这些复杂流程，用户只需上传文档即可完成知识库构建。

说个细节，Dify支持的模型中，不同模型具备不同能力。例如想构建能调用工具的Agent，需要选择支持工具调用（Function Calling）的模型，如OpenAI、月之暗面、DeepSeek等；而支持视觉能力的模型则可以处理图像输入。选择模型时需要根据实际需求匹配。

Function Calling（函数调用/工具调用） 是OpenAI在2023年6月率先推出的一项关键能力，它允许大语言模型在对话过程中识别用户意图，并结构化地调用预定义的外部函数或API。具体流程是：开发者预先定义一组可用工具的描述（包括函数名、参数格式、功能说明），LLM在理解用户请求后，判断是否需要调用某个工具，如果需要则输出标准化的JSON格式调用参数，由应用层执行实际调用后将结果返回给LLM继续生成回答。这一机制是构建AI Agent的基础，使LLM从纯文本生成器进化为能够操作外部世界的智能体。并非所有模型都支持此能力，因此在Dify中构建Agent时需要注意模型选择。

Dify本地部署环境准备

Dify支持多种部署方式，包括源码启动、Docker部署等。本教程采用宝塔面板+Docker的方式，这是对新手最友好的方案。

选择Docker部署的原因在于：Docker是一种操作系统级别的虚拟化技术，它将应用程序及其所有依赖（运行时环境、系统库、配置文件等）打包成标准化的容器镜像。与传统虚拟机不同，Docker容器共享宿主机的操作系统内核，因此启动速度快、资源占用小。对于Dify这样包含多个微服务组件（Web前端、API服务、Worker进程、数据库、Redis缓存、向量数据库等）的复杂应用，Docker Compose可以通过一个配置文件定义并编排所有服务的启动顺序和网络关系，极大简化了部署复杂度。这也是为什么宝塔面板+Docker的方案对新手友好——它将原本需要手动配置十几个服务的过程简化为几次点击。

第一步：安装VMware虚拟机

首先需要下载两个软件：

• VMware Workstation（或VMware Player）：用于运行Linux虚拟系统
• Ubuntu 22.04 ISO镜像：作为虚拟机的操作系统

安装VMware时需要注意：不要安装到C盘，因为虚拟机运行会产生大量缓存文件，容易占满系统盘空间。

第二步：创建并安装Ubuntu虚拟机

打开VMware后，按以下步骤操作：

1. 点击「创建新虚拟机」，选择「稍后安装操作系统」
2. 系统类型选择Linux，版本选择Ubuntu 64位
3. 磁盘大小分配20GB即可（仅用于部署Dify的话足够）
4. 完成创建后，进入虚拟机设置，在CD/DVD选项中加载Ubuntu ISO镜像文件

加载镜像后播放虚拟机，选择「Try or Install Ubuntu」，进入安装界面后：

• 语言选择「中文简体」
• 安装类型选择「最小安装」（仅部署Dify足够）
• 磁盘选择「清除整个磁盘」直接安装
• 设置用户名和密码（建议简单密码如123456，可勾选自动登录）

安装完成后重启，Ubuntu系统就准备好了。

安装宝塔面板

进入Ubuntu系统后，打开浏览器访问宝塔官网，选择「宝塔Linux面板」→「安装免费版」，复制Ubuntu对应的安装命令。

在终端中（快捷键Ctrl+Alt+T打开）粘贴命令并执行，输入系统密码后等待安装完成。安装成功后，宝塔会提供：

• 内网访问地址
• 默认用户名和密码

优化宝塔面板配置

默认的端口号和安全入口比较难记，建议通过终端运行bt命令进行修改：

• 将端口号改为易记的数字（如8899）
• 将安全入口改为简短路径（如/backend）
• 修改用户名和密码为自己熟悉的组合

修改完成后，通过http://虚拟机IP:8899/backend即可访问宝塔面板。此后所有操作都可以在浏览器中完成，虚拟机窗口可以最小化。

通过宝塔面板用Docker部署Dify

安装Docker环境

在宝塔面板左侧找到「Docker」模块，点击安装，使用默认配置即可。安装过程需要几分钟。

部署Dify应用

Docker安装完成后，在Docker模块中搜索「Dify」，点击安装。如果遇到安装失败（常见的BT File错误），可以尝试以下解决方案：

方案一：修改DNS配置

在虚拟机终端中编辑DNS配置文件：

nano /etc/resolv.conf

将nameserver改为：

nameserver 8.8.8.8
nameserver 8.8.4.4

这里使用的是Google的公共DNS服务器地址。DNS（Domain Name System，域名系统）负责将人类可读的域名（如github.com）解析为机器可识别的IP地址。国内网络环境下，默认DNS有时无法正确解析Docker镜像仓库的地址，导致镜像拉取失败。将DNS改为8.8.8.8（Google主DNS）和8.8.4.4（Google备用DNS）可以获得更稳定的域名解析服务。

保存后重启宝塔面板，重新安装Dify。

方案二：配置Docker镜像加速

在Docker设置中修改加速URL，宝塔的帮助文档中提供了多个国内加速链接，逐一尝试填入后重启Docker服务。Docker镜像加速的原理是将原本需要从Docker Hub（位于海外）拉取的镜像，通过国内的镜像代理节点进行缓存和分发，从而解决网络访问慢或不可达的问题。

访问Dify管理后台

安装成功后，将Dify的访问地址中的HTTPS改为HTTP，端口改为8088，末尾加上/install，即可进入Dify的初始化设置页面。设置好邮箱和用户名后，本地部署就全部完成了。

总结与后续学习路线

本教程完成了Dify从零到部署的全过程，采用VMware+Ubuntu+宝塔+Docker的技术栈，虽然步骤较多，但每一步都是图形化操作，对新手非常友好。

部署完成后，还有更多进阶内容值得探索：

• 构建智能聊天机器人和Agent
• 配置AI工具调用
• 设计自动化工作流
• 搭建RAG知识库
• 通过API集成到外部应用

Dify作为目前最活跃的开源LLM应用开发平台之一，其生态和功能仍在快速迭代。掌握本地部署是第一步，后续可以根据实际业务需求，逐步深入各个模块的使用。

核心要点

• Dify是开源的大语言模型应用开发平台，支持数百个国内外模型，提供提示词编排、RAG知识库、Agent工具调用等完整功能
• 本教程采用VMware虚拟机+Ubuntu+宝塔面板+Docker的部署方案，对新手最为友好
• 部署过程中常见的网络问题可通过修改DNS配置（8.8.8.8）或配置Docker镜像加速来解决
• Dify部署完成后可构建聊天机器人、设计工作流、挂载知识库，并通过API集成到现有业务系统
• 与LangChain相比，Dify提供的是经过工程设计的完整脚手架方案，更适合生产环境使用