dify是一款智能体工作流编排低代码软件，带一点编程性质，整合了市面上的大模型应用，以及开发工具，比如:OpenAI、Azure、HuggingFace、DeepSeek、Ollama、腾讯混元、文心一言、ZhipuAI等模型。
还有LM Studio、百川智能、AI Studio、GitGub、网页抓取等工具，集成了系统推理模型、Embedding模型、Rerank模型、语音转文本模型和文本转语音模型等功能。
对比扣子工作流编排，扣子适合初学者能零代码平台一键集成至微信公众号、小程序等平台，而Dify需要手动部署、一定的技术背景才能实现。
1
推理模型OLLAMA安装
我们需要在Dify中指定推理模型，推荐使用OLLAMA，在个人设备部署。
Ollama 是一个用于本地运行大语言模型（LLMs）的开源工具，提供简单的界面和优化的推理引擎，使用户能够在个人设备上高效地加载、管理和运行 AI 模型，而无需依赖云端。
Ollama的下载地址是:ollama.com/
我们选择Windows版本，直接安装。
安装完OLLAMA之后需要设置环境变量，保证OLLAMA可以通过ip访问:
OLLAMA_HOST环境变量:
OLLAMA_ORIGINS环境变量:
然后我们需要安装DeepSeek-R1推理模型:
打开电脑CMD输入：
ollama run deepseek-r1:1.5b
我们还需要安装向量数据库模型nomic-embed-text
打开电脑CMD输入:
ollama pull nomic-embed-text
这样我们就能利用知识库推理回答问题了。
2
安装Docker
Docker 是一个开源的容器化平台，用于开发、交付和运行应用，使应用及其依赖能够以轻量级、可移植的方式打包并运行在任何环境中。
官方地址：https://www.docker.com/
我们选择Windows操作系统下载，下载后一路默认安装。安装完成后需要登录。
3
安装Dify
dify的项目github地址：https://github.com/langgenius/dify
下载之后解压，进入docker目录：
把 .env.example 文件 重命名为 .env
修改.env文件配置，设置OLLAMA地址，结尾增加:
# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定Ollama的API地址
OLLAMA_API_BASE_URL=http://127.0.0.1:11434
在当前目录打开终端，执行命令：docker compose up -d
开始安装Dify。
检查容器是否正常运行：docker compose ps
在桌面docker中看到多了一个容器，说明dify环境已就绪。
接下来进入配置dify阶段:
打开浏览器，访问 http://localhost:80，设置管理员账号并登录 Dify 主界面。
我这次都是本机搭建的，所以IP地址用Localhost就行。
填写邮箱名、用户名、密码。
登录之后，地址:
http://localhost/apps
这样就安装完成Dify了，接下来进入配置阶段。
4
配置Dify
在界面右上角点击设置，添加Deepseek R1模型
进入设置界面，选择模型供应商：
在安装模型供应商中选择OLLAMA模型安装：
出现在模型列表中:
我们添加模型:
这样就添加了一个deepseek-r1:1.5b的推理模型，打开系统模型设置:
选择DeepSeek-R1 1.5b:
我们回到OLLAMA添加模型界面，添加一个Embedding模型：
再次点击系统模型设置，在Embedding模型中选择nomic-embed-text模型：
接下来我们来安装rerank模型。
首先在模型供应商列表中选择通义千问模型安装：
接着去阿里云百炼平台注册一个APIKEY:
https://bailian.console.aliyun.com/?tab=model#/api-key
将APIKEY复制出来，写在记事本里，等会儿要用。
回到模型产品列表，通义千问新增一个模型，类别为rerank，将刚才的APIKEY粘贴进来：
紧接着通义千问，设置一下APIKEY:
粘贴刚才的APIKEY进来：
我们可以在模型系统设置，增加rerank模型了：
接下来，系统模型设置利用通义千问开启语音转文本模型：
系统模型设置利用通义千问开启文本转语音模型：
完成了以上步骤后，就可以开始在Dify中构建智能体工作流了。
5
Dify构建智能体工作流
退出回到Dify首页：
http://localhost/apps
创建知识库:
可以导入已有文本:
也可以添加文件:
选择保存并处理:
处理知识文档：
我们可以创建空白应用，选择工作流:
进入工作流编排界面:
添加节点：
比如加一个知识检索，选择刚刚创建的知识库:
设置下一个节点为LLM推理模型：
还可以添加并行节点：
LLM设置一个指令：
最后结束流程:
回到开始节点，点击运行:
在开始节点增加文本字段：
知识检索改为sys_text字段查询：
还可以将工作流发布为MCP工具:
我们来运行工作流：
在LLM后面还可以添加工具，文本转语音:
设置模型文本转语音模型，并设置音色：
运行工作流，完整流程走完：
最后一定要加结束流程:
我们用Dify再来构建一个聊天机器人:
http://localhost/apps
建立多轮对话工作流：
默认构建了一套流程，可以增加流程：
我们点击预览:
需要管理下功能列表：文本转语音或者语音转文本
设置开场白：
可以设置文字音色:
功能开启后，就可以用了：
文字输入：
如果想要语音输入，需要开启语音功能：
就可以语音输入了:
开启语音自动播放：
开始调用工作流，并进行语音播放了：
完整过程及播放：
还可以继续提示你好呀：
