Dify安装使用说明

目录

• dify功能简介
• dify安装部署
• dify使用
• 模型设置
• 应用配置
• 工具
• 整体评价
• dify更新

---

dify功能简介

dify可以说是一个功能不错的LLMOps，可以通过dify集中管理模型，可以通过界面创建AI应用，可以上传文档形成知识库，可以创建自定义工具（API），并可以对外提供API。

相关功能类似Openai的GPTs或智谱的智能体，其他大厂的大模型也有类似功能，不过貌似只有dify是开源的。

这就为个人本地部署AI应用提供了便利。

dify安装部署

dify提供docker方式安装，不过不同于一般的项目只有一个docker容器，dify有多个容器需要部署切相互之间还有调用关系，因此这里用到了yaml文件。

首先打开dify的Github地址如下，看下dify基本功能介绍

dify Github 地址 langgenius/dify: An Open-Source Assistants API and GPTs alternative. Dify.AI is an LLM application development platform. It integrates the concepts of Backend as a Service and LLMOps, covering the core tech stack required for building generative AI-native applications, including a built-in RAG engine. (github.com)https://github.com/langgenius/dify接下来要安装部署，就不要看readme写的了，对于小白来说，容易被误导（比如我就是。。），我们直接看dify官网详细的部署说，其实操作过一次，就基本清楚了

通过docker部署difyhttps://docs.dify.ai/v/zh-hans/getting-started/install-self-hosted/docker-compose基本过程：

1、通过git clone 下载dify代码

git clone https://github.com/langgenius/dify.git

2、切到dify下docker文件夹运行docker容器

cd dify/docker
docker compose up -d

这个时候docker compose会根据docker-compose.yaml文件的配置运行docker容器。

之前我天真以为运行docker都需要从dockerhub下载镜像然后运行，其实可以自己构建镜像然后运行，通过yaml文件实现更灵活更复杂的容器部署。

3、访问并初始化

docker容器列表中可以看到已经成功运行7个容器，但是只有nginx容易对外暴漏了端口，默认的80，点击即可打开dify系统。第一次需要先新建账号、密码，后续即可账号、密码登录开始使用dify。端口号也可以通过docker-compose.yaml自行修改，修改后再次执行docker compose up -d即可。

4、应用预览、API地址调整

如果修改了默认端口号，那么应用预览、API地址也需要响应做调整，相关配置也在yaml文件，不过在api容器下

SERVICE_API_URL: 'http://localhost:1080'

APP_WEB_URL: 'http://localhost:1080'

dify使用

模型设置

首先需要进行模型设置，应用要可以使用都是依赖于模型提供推理服务。dify支持的模型还算比较全，Openai、讯飞星火、智谱chatglm、零一万物、通义千问、文心一言、月之暗面，还支持Ollama、localai，还有一个选项是兼容Openai的模型，这样我就可以把本地部署的one-api也可以配置上。模型配置这块可以打个高分。

操作：

1、首页右上角，点击个人账户，下拉点击设置，即可打开设置页面

2、左侧点击模型供应商，配置需要的模型即可，目前智谱、通义千问、讯飞、零一都可以薅羊毛

3、这里一定要配置好系统模型，新建应用自动生成提示词、显示回答问题提示都用到了，配置就在当前页面的右上角“系统模型设置”

4、模型验证，首页随便新建一个应用，如果可以正常聊天有回复，说明模型配置成功

应用配置

AI应用核心就是提示词，大概操作：

1、首页，工作室，创建应用

2、弹出页面，选择应用类型，助手就是多轮对话聊天的，文本生成应用主要用于生成文章摘要翻译等

对于助手，还可以选择基础助手、智能助手，默认基础助手，智能助手的话可以自动调用各种工具

3、编排

1）主要就是提示词，可以由系统自动生成，也可以自己写，也可以专家模式（本质就是设置system prompt）

2）变量，可以设置变量。给我讲一个关于{{subject}}的笑话。实际用户输入印度，即可自动生成关于印度的笑话

注意，我个人发现，提示词自动生成，只能使用Openai的模型3.5也行，配置其他模型为系统模型进行自动生成就会各种报错。

3）上下文

即引用知识库，这里就用到了RAG（增强检索生成），有些内容是私有知识，大模型不一定有，这个时候就可以先通过知识库查询，然后大模型整合之后，再输出给用户。

知识库，主要就是上传本地文档即可，一般用于QA问答、知识检索等

4）添加其他功能，如对话开场百、下一步对话建议、语音转文字、文字转语音、内容审查、标记回复，功能真心强大

4、WebApp部署

页面左侧，概览，第一块内容

在这里可以预览应用，在新的页面打开应用，可以直接进行对话

定制化，可以将应用部署到服务器

嵌入，可以将当前应用嵌入到其他页面

设置，可以设置WebApp名称、语言、版权等信息

5、API调用

页面左侧，概览，第二块内容

设置API密钥，参考API文档，即可以API方式进行对话功能

实现了API即应用

工具

类似插件，如网页搜索、天气查询等，也可以自定义，基本是对接webapi

整体评价

整体上dify在AI应用的构造上挺好的。

向上，在模型对接上，可以对接外部大模型，也可以对接本地大模型。

向内，在自定义应用上，可以可以结合RAG、插件（类Function call）、自动生成提示词等

向下，在应用发布上，可以预览、对外发布、内嵌，API访问。

功能还是挺全面的。

dify更新

最近dify更新了功能，开始支持workflow，也想试试到底如何。目前本地系统上也有版本更新提示

点击更新链接就到了Github的release页面，可以看到更新说明

照着执行了，可还是不行。

于是通过readme 部署文档链接，看了详细说明，之前第一次部署也是看的这里。这里更新说明：

照着执行了还是不行。

这个时候突然想起来，执行git pull 的时候报了个error：docker-compose.yaml已修改，一开始选择性忽略了。确实自己改过端口号映射，那么试着先把这个文件剪切到其他地方试试呢。

再次git pull命令行窗口哗啦哗啦开始滚动——更新了很多文件，之前error以后就没继续更新文件了

docker-compose.yaml还是按之前的内容修改

切记：不要覆盖回去，我看这次新增了一个容器sandbox（沙箱）

然后按如上命令执行，容器重启后，dify终于更新了