Dify快速构建AI应用

 中文官网访问这里  Dify.AI · 生成式 AI 应用创新引擎

一、前言

你现在可以打开deepseek和模型对话了吧，但TA老是介绍自己是深度求索公司巴拉巴拉一大推，这个Dify就是用来二次开发AI应用的脚手架，来训练它的！可以让TA成为你的法律助手，代码助手，儿童医生，心理咨询师、甚至还可以是虚拟男友、地理先生、周易大师等。

那为啥要本地部署Dify呢 ？？？

现在我们要创建个公司秘书助手，训练出来的秘书肯定是内部的事都知道，所以要部署在私服上哦！官方的说法是这样，如图：

通过自主可控的方式安全接入企业内部知识库，将企业多年沉淀的业务数据，快速转换成智能的搜索或问答服务，可深度集成到企业的 IM 和工作流中，全面提升客户服务和内部办公效率。

二、术语介绍

1. Agent 构建

自动创建智能体的过程。

以‌智能家居场景‌为例：当用户通过语音助手说出“调节卧室温度”时，系统会自动生成一个“温度调节智能体”‌。该智能体的构建过程可分为以下环节：

---

a. 功能实现路径

• ‌感知‌：通过麦克风接收语音指令，结合温湿度传感器获取当前环境数据（如室温26℃、湿度50%）‌；
• ‌决策‌：解析用户指令，对比预设的舒适温度范围（如22-24℃），生成“降温2℃”的优化方案‌；
• ‌执行‌：调用空调控制接口，发送温度调节指令，同时实时监测温度变化‌。

---

b. 核心组件构成

• ‌规划模块‌：将“调节温度”分解为环境监测、指令解析、设备控制等子任务，并制定执行优先级‌；
• ‌记忆系统‌：存储用户历史偏好（如夜间偏好23℃）、设备响应日志等数据，用于优化后续决策‌；
• ‌工具调用‌：集成空调API接口、传感器数据接口等外部资源，实现物理环境交互‌。

---

c. 动态优化机制

该智能体会记录每次调节结果（如实际降温速度、能耗数据），通过机器学习算法修正温度预测模型‌。当检测到窗户开启时，自动切换为节能模式，体现环境适应能力‌。

---

Agent构建了“环境感知-任务分解-动态执行”的任务逻辑。

2. AI workflow 编排

是指将智能体与模型和知识库整合到一个统一的流程中。例如，在一个推荐系统中，智能体可能是一个根据用户偏好生成推荐列表的算法。而知识库（如预训练的语言模型）可以帮助该系统理解用户的意图并提供更准确的回答。

3. RAG 检索

在问答系统中，“RAG 检索”指的是结合知识库来增强回答准确性的技术。当一个用户询问一个问题时，系统会将问题与已有的知识库进行对比，并使用预训练的知识来生成更有说服力的答案。

4. 模型管理

“模型管理”是确保系统的持续性能和准确性的关键环节。例如，在训练过程中创建多个分类器模型，而模型管理则负责收集、存储并更新这些模型以保持它们的有效性，从而保证系统能够随着数据和需求的变化不断优化性能。

三、中文文档

欢迎使用 Dify | Dify

四、本地部署Dify

就用docker部署，简单点。

在官方文档中找到 Docker Compose 部署 一栏，按文档说明执行命令即可

注意：外网不好这里都拉不动，会一直失败。

这里 80 端口被占用了!!!!

找到 ‌World Wide Web 发布服务 

右键选择 ‌停止‌，并将启动类型改为 ‌禁用‌‌

 再来一次，成功了！！

访问看看呢，注册账号，进入主页 、。嗯~ 可以。

五、创建聊天助手

按官方文档来。。。

将之前本地部署的DeepSeek R1集成到Dify

「模型名称」填：deepseek-r1:1.5b。

「基础URL中」，若ollama和Dify是同一台机器部署，并且Dify是通过Docker部署，那么填http://host.docker.internal:11434，

刷新下dify web页，这里就可以选择模型了，然后再按官方文档继续创建应用