有个叫dify的开源平台破了近8万star，成了开源开发圈的新宠儿。今天，我就跟大家分享如何搭建DeepSeek+Dify，以及我的体验心得。
AI 应用开发的神奇魔盒
Dify 是一款极具创新性的开源大语言模型应用开发平台 ，它将后端即服务（Backend as Service）和 LLMOps 的理念巧妙融合，为开发者们开启了一扇通往快速搭建生产级生成式 AI 应用的大门。在当今这个 AI 技术飞速发展的时代，大语言模型如雨后春笋般不断涌现，它们强大的语言理解和生成能力为众多领域带来了全新的机遇和变革。然而，要将这些大语言模型有效地应用到实际场景中，开发出满足各种需求的 AI 应用，对于开发者来说并非易事。Dify 的诞生，正是为了解决这一难题。它就像是一位贴心的助手，为开发者们提供了一系列强大的工具和便捷的功能，让他们能够专注于应用的创新和业务逻辑的实现，而无需在复杂的技术细节和繁琐的基础搭建工作上耗费过多的时间和精力。无论是经验丰富的专业开发者，还是刚刚踏入 AI 领域的新手，都能在 Dify 的帮助下，轻松地将自己的创意转化为实际的 AI 应用。
来！我们安装一下试试看
—
在开始安装之前，我们需要确保系统配置满足以下基本要求：
·CPU至少2核
·内存至少4GB（建议8GB以上）
·硬盘空间至少20GB（为了后续扩展升级）
·操作系统支持：Windows、macOS或Linux
1. dify的安装步骤
首先，让我们来安装dify。虽然有多种部署方式，但我建议使用Docker方式部署，这样最简单稳妥也最不容易出错：
·下载代码：
git clone https://github.com/langgenius/dify.gitcd dify/docker
·配置环境：
cp .env.example .env
·启动服务：
如果你使用的是Docker Compose V2：
docker compose up -d
如果是V1版本：
docker-compose up -d
安装完成后，通过以下命令检查服务状态：
docker compose ps
检查要特别关注以下几个关键容器的状态：
·docker-api-1：API服务·docker-web-1：Web界面·docker-worker-1：后台任务处理·docker-db-1：数据库·docker-redis-1：缓存服务·docker-nginx-1：反向代理
所有容器都应该显示"Up"状态。然后我们可以通过浏览器访问：
2. deepseek-r1的部署
接下来是安装deepseek-r1。这个过程相对简单，但需要注意一些细节：
·安装Ollama：Windows用户：从官网下载安装包.Linux用户：使用curl安装
curl -fsSL https://ollama.ai/install.sh | bash
安装完成后，打开终端验证：
ollama -v
·下载deepseek-r1模型：基础版本（推荐新手使用）：
ollama run deepseek-r1:7b
高性能版本（需要较好的硬件配置）：
ollama run deepseek-r1:14b
下载过程可能需要一段时间，取决于你的网络速度。
不同版本所需要空间如下图
3. 系统联调与配置
现在两个系统都装好了，需要进行整合配置：
dify基础配置：打开.env文件，配置以下关键参数：
CONSOLE_URL=http://localhostSERVICE_API_URL=http://localhostUPLOAD_FILE_SIZE_LIMIT=50 # 文件上传限制，单位MBUPLOAD_FILE_MIME_TYPES=.pdf,.doc,.docx,.txt # 允许上传的文件类型在dify控制台中添加模型配置：访问http://localhost,完成注册,登录后进入设置选择模型供应商
选择API格式为Ollama,相关的配置如下,因为我是使用的docker来进行部署的,访问部署主机的地址记得使用host.docker.internal这个地址,你也可以使用你局域网电脑中的网址！
下面来创建一个简单的聊天会话应用
选择刚配置的deepseek-r1模型，我发送测试消息发送测试消息验证响应
手把手教你搭建专属 AI 应用
（一）准备知识库
知识库是聊天机器人的智慧源泉，它的质量直接影响着聊天机器人的回答准确性和实用性 。在准备知识库时，首先要明确自己的需求和目标，确定聊天机器人的应用场景和服务对象。比如，如果是为企业搭建客服聊天机器人，那么知识库中就应该包含企业的产品信息、常见问题解答、售后服务政策等内容；如果是为个人搭建学习辅助聊天机器人，那么知识库中可以包含各种学科的知识点、学习资料、解题思路等。
（二）创建知识库
当我们准备好高质量的知识库文档后，就可以在 Dify 中创建知识库了。首先，登录 Dify 平台，进入主界面后，点击页面左侧导航栏中的 “知识” 选项，进入知识库管理页面。
上传文件后，进入 “文本分段与清洗” 页面。在这里，我们可以对上传的文档进行进一步的处理和优化。Dify 提供了自动分段与清洗和自定义分段两种方式。自动分段与清洗适用于不熟悉文档结构或无统一分割信息的情况，Dify 会根据一定的算法自动对文档进行分段和清洗，去除一些不必要的噪声和格式信息；自定义分段则适用于对文档结构熟悉，需更精准分段的情况，我们可以根据文档的实际结构和需求，手动设置分段的规则和参数，以达到更理想的分段效果 。
在选择索引方式时，Dify 提供了高质量模式和经济模式两种选择。高质量模式采用清华智谱的 text_embedding 模型，准确度高，但需消耗 token；经济模式基于离线向量引擎，无需 token，但准确度略低。我们可以根据自己的实际需求和预算来选择合适的索引方式。例如，如果对回答的准确性要求较高，且有足够的 token 资源，那么可以选择高质量模式；如果对成本比较敏感，且对回答准确性的要求不是特别苛刻，那么可以选择经济模式 。
完成上述设置后，点击 “保存” 按钮，Dify 就会开始对上传的文档进行处理和索引构建。这个过程可能需要一些时间，具体时间取决于文档的数量、大小和复杂程度。处理完成后，我们就成功创建了一个知识库，可以在知识库管理页面中看到该知识库的相关信息和状态 。
（三）配置工作流
以创建一个简单的聊天机器人应用为例，我们来讲解如何配置工作流。在 Dify 主界面中，点击 “创建空白应用” 按钮，选择 “Chatflow” 应用类型，并选择 “进阶” 工作流编排方式，然后为应用命名，如 “智能客服聊天机器人”。
进入工作流编辑页面后，首先我们需要选择一个合适的工作流模板。Dify 提供了丰富的工作流模板，涵盖了各种常见的应用场景，如问答系统、文本生成、翻译等。我们可以根据自己的需求选择相应的模板，也可以从空白模板开始创建，自由设计工作流的结构和逻辑 。
对于知识检索节点，我们需要配置查询变量和知识库。查询变量通常设置为输入节点中用户问题的变量，以便将用户的问题传递给知识检索节点进行查询。
除了配置节点的基本参数外，我们还可以设置提示词模板（Prompt Template），以引导大语言模型生成更符合我们需求的回答。
你是一个乐于助人的助手。根据上下文回答。回答用户时：如果你不知道，就直说你不知道。如果你在不确定的时候不知道，就寻求澄清。避免提及你是从上下文中获取的信息。并根据用户问题的语言来回答。
（四）发布与测试
当我们完成了工作流的配置后，就可以将应用发布上线，供用户使用了。在 Dify 中，发布应用非常简单，只需点击工作流编辑页面右上角的 “发布” 按钮，即可完成应用的发布。
Dify 提供了多种发布方式，以满足不同的应用场景和需求。我们可以选择 “运行” 方式，Dify 会为我们生成一个独立的网页链接，用户可以直接通过该链接访问和使用我们创建的聊天机器人应用；也可以选择 “嵌入网站” 方式，Dify 会生成一段 HTML Iframe 代码，我们可以将这段代码嵌入到自己的网站中，将聊天机器人集成到现有的网站页面中，为用户提供更无缝的交互体验；此外，还可以选择 “访问 API” 方式，通过 Dify 提供的对话应用 API，将聊天机器人集成到其他应用程序或系统中，实现更广泛的应用集成和拓展 。
发布应用后，我们需要对应用进行全面的测试，以确保其功能正常、回答准确、性能稳定。测试过程中，我们可以模拟各种用户场景和问题，向聊天机器人发送不同类型的问题，观察其回答是否符合预期。例如，对于企业客服聊天机器人，我们可以测试常见的产品咨询问题、售后服务问题、技术支持问题等，检查聊天机器人的回答是否准确、完整、清晰；同时，也可以测试一些边界情况和异常情况，如输入空问题、输入格式错误的问题、输入敏感词汇等，看聊天机器人是否能够正确处理和给出合理的提示 。
根据测试过程中收集到的反馈和问题，我们可以对应用进行进一步的优化和改进。优化的内容可能包括调整工作流的结构和逻辑、优化提示词模板、更新知识库内容、调整模型参数等。通过不断的测试和优化，我们可以逐步提升聊天机器人应用的质量和性能，使其更好地满足用户的需求 。
与其他开源智能体的华山论剑
在开源智能体的江湖中，Dify 并非一枝独秀，众多优秀的开源项目如 FastGPT、MaxKB、Coze 等也在各自的领域大放异彩 。下面我们就来对比一下 Dify 与这些开源智能体在技术特性、功能实现、社区生态、适用场景等方面的差异，帮助大家更好地选择适合自己的开发平台。
（一）FastGPT
FastGPT 主要专注于快速生成和部署基于 GPT 模型的对话式 AI 应用，强调 “开箱即用” 。在模型支持方面，它主要基于 GPT 系列模型，虽然也可以通过设置代理地址间接支持其他大模型，但配置过程相对复杂，对非技术人员不太友好 。FastGPT 在功能丰富度和 AI 对话配置上表现突出，其知识库检索功能全面，搜索模式多样化，支持知识库 + 对话引导、问题分类 + 知识库的工作流编排，非常适合需要快速搭建问答机器人、客服助手等轻量级对话系统的中小型企业或个人开发者 。例如，一家小型电商企业想要快速搭建一个客服聊天机器人，FastGPT 的简单易用和快速部署特性就可以满足其需求，让企业能够在短时间内上线客服机器人，提高客户服务效率 。
（二）MaxKB
MaxKB 则是一款以企业知识库问答系统为核心定位的开源智能体 。它在文档处理方面具有强大的能力，支持文档自动爬取、智能拆分、RAG 问答，并且可以零代码嵌入现有系统，如内网、wiki 等 。MaxKB 深度适配国内生态，兼容通义、智谱 AI、百度千帆等国产大模型，这使得它在国企、政企等对国产化适配有要求的场景中具有独特的优势 。比如，某大型国企需要构建一个内部知识管理系统，用于员工查询政策文件、技术文档等信息，MaxKB 的这些特性就能够很好地满足其需求，帮助企业高效地管理和利用内部知识资源 。
（三）Coze
Coze 注重多模态能力与跨平台协作，整合了文本、图像、语音等多种 AI 模型，支持团队协作开发 。它提供了内置协作空间与版本管理功能，非常适合需要多模态交互，如内容生成、多媒体处理，或团队协作开发 AI 项目的场景 。例如，一个多媒体创意团队在进行内容创作时，需要结合文本、图像、语音等多种元素生成丰富的内容作品，Coze 的多模态能力和团队协作功能就可以为其提供有力的支持，让团队成员能够高效地协同工作，创作出高质量的内容 。
（四）对比总结
通过以上对比可以看出，Dify 与 FastGPT、MaxKB、Coze 在不同方面各有优劣。Dify 以其低代码 / 无代码的全流程 AI 应用开发能力，支持多种模型和丰富的功能组件，以及活跃的开源社区，适合企业级用户构建复杂 AI 应用，如数据分析、自动化流程等，同时也需要用户具备一定的技术背景和学习成本 。FastGPT 则以其简单易用、快速部署的特点，在轻量级对话系统开发领域具有优势；MaxKB 在企业知识管理和国产化适配方面表现出色；Coze 则在多模态交互和团队协作开发方面具有独特的价值 。开发者在选择开源智能体开发平台时，应根据自己的实际需求、技术能力、预算以及应用场景等因素综合考虑，选择最适合自己的平台 。
总结与展望
Dify 作为一款开源的智能体开发平台，以其独特的低代码 / 无代码开发模式、模块化设计、丰富的功能组件以及广泛的模型支持，为 AI 应用开发带来了前所未有的便利和效率。它不仅降低了 AI 应用开发的门槛，让更多的开发者能够参与到 AI 创新的浪潮中，还为企业和个人提供了丰富的应用场景和无限的创意空间。
通过本文的介绍和案例展示，相信大家已经对 Dify 的强大功能和应用潜力有了更深入的了解。无论你是 AI 领域的新手，还是经验丰富的开发者，都可以在 Dify 的帮助下，轻松实现自己的 AI 应用开发梦想。如果你对 AI 应用开发感兴趣，不妨立即尝试使用 Dify，开启你的 AI 创新之旅。
展望未来，随着 AI 技术的不断发展和应用场景的不断拓展，Dify 有望在 AI 领域发挥更加重要的作用。我们期待 Dify 能够不断创新和完善，为用户提供更多、更强大的功能和服务，推动 AI 应用开发的普及和发展，让 AI 技术更好地造福人类社会 。
