Dify教程02 - Dify+Deepseek零代码赋能，普通人也能开发AI应用

开始今天的教程之前，先解决昨天遇到的一个问题，docker安装Dify的时候有个报错，进入Dify面板的时候会出现“Internal Server Error”的提示，log日志报错：S3_USE_AWS_MANAGED_IAM to S3UseAwsManagedIam: converting ‘’ to type bool.。

报错

代码语言：javascript

代码运行次数：0

运行

docker logs docker-plugin_daemon-1
如下的报错
goroutine 1 [running]:
github.com/langgenius/dify-plugin-daemon/internal/utils/log.writeLog({0x1857285, 0x5}, {0x1896127?, 0xc00016d408?}, 0x1, {0xc0004cdf28, 0x1, 0x1})
        /app/internal/utils/log/log.go:40 +0x305
github.com/langgenius/dify-plugin-daemon/internal/utils/log.Panic(...)
        /app/internal/utils/log/log.go:66
main.main()
        /app/cmd/server/main.go:19 +0x9f
2025/04/09 09:48:27 main.go:19: [PANIC]Error processing environment variables: envconfig.Process: assigning S3_USE_AWS_MANAGED_IAM to S3UseAwsManagedIam: converting '' to type bool. details: strconv.ParseBool: parsing "": invalid syntax
panic: [PANIC]Error processing environment variables: envconfig.Process: assigning S3_USE_AWS_MANAGED_IAM to S3UseAwsManagedIam: converting '' to type bool. details: strconv.ParseBool: parsing "": invalid syntax
​
goroutine 1 [running]:
github.com/langgenius/dify-plugin-daemon/internal/utils/log.writeLog({0x1857285, 0x5}, {0x1896127?, 0xc0001f8008?}, 0x1, {0xc00019df28, 0x1, 0x1})
        /app/internal/utils/log/log.go:40 +0x305
github.com/langgenius/dify-plugin-daemon/internal/utils/log.Panic(...)
        /app/internal/utils/log/log.go:66
main.main()
        /app/cmd/server/main.go:19 +0x9f

解决方法

进入 dify 源代码的 docker 目录，按顺序执行以下命令：

代码语言：javascript

代码运行次数：0

运行

vi .env
把下面三行都删掉。
S3_USE_AWS_MANAGED_IAM: ${PLUGIN_S3_USE_AWS_MANAGED_IAM:-}
S3_ENDPOINT: ${PLUGIN_S3_ENDPOINT:-}
S3_USE_PATH_STYLE: ${PLUGIN_S3_USE_PATH_STYLE:-}
​
再重启docker
docker compose down
docker compose up -d
​

docker ps查看是否还有报错

代码语言：javascript

代码运行次数：0

运行

docker ps
CONTAINER ID   IMAGE                                       COMMAND                  CREATED             STATUS                       PORTS                                                                      NAMES
8a02ec3bcbb7   langgenius/dify-plugin-daemon:0.0.7-local   "/bin/bash -c /app/e…"   About an hour ago   Up About an hour             0.0.0.0:5003->5003/tcp, :::5003->5003/tcp                                  docker-plugin_daemon-1

终于正常了，也不会有报错了。

安装好了

前期准备

1.本地安装ollama或者获取到第三方的deepseek的接口

本地安装ollama可以参考：https://mp.weixin.qq.com/s/kJ7JCgFUNKWtPtp8r5mR_A

2.安装Dify可以参考：https://mp.weixin.qq.com/s/HYDBOXmkXGypGl3IpXqiCw

Dify模型设置

1. 访问Dify

浏览器输入IP或者localhost，访问Dify

输入账号密码登录成功。

2. 添加模型

点击 Dify 平台右上角头像

设置

以此点击：

设置

模型供应商

选择 Ollama ，如果没有安装点击安装。

添加模型。

查看我的ollama的大模型有哪些

代码语言：javascript

代码运行次数：0

运行

C:\Users\Administrator>ollama list
NAME                       ID              SIZE      MODIFIED
deepseek-v2:16b            7c8c332f2df7    8.9 GB    13 days ago
nomic-embed-text:latest    0a109f422b47    274 MB    4 weeks ago
qwq:32b-q4_K_M             cc1091b0e276    19 GB     4 weeks ago
deepseek-r1:32b            38056bbcbb2d    19 GB     8 weeks ago
qwen2.5:14b                7cdf5a0187d5    9.0 GB    8 weeks ago
llama3-cn-8b:latest        d710bb08d58c    6.6 GB    2 months ago
llama2-chinese:latest      cee11d703eee    3.8 GB    2 months ago
deepseek-r1:14b            ea35dfe18182    9.0 GB    2 months ago
qwen2.5:latest             845dbda0ea48    4.7 GB    2 months ago
deepseek-r1:7b             0a8c26691023    4.7 GB    2 months ago
llama3:latest              365c0bd3c000    4.7 GB    2 months ago

我这里选择 deepseek-r1:7b

模型名称填写： deepseek-r1:7b

基础URL填：http://192.168.1.18:11434 （如果你的本机的ollama 则可以填写： http://host.docker.internal:11434 ）

其他可保持默认，点击保存

3.创建聊天应用

返回主页，进入“工作室-聊天助手”，创建空白应用。

选择聊天助手

填写应用名称、图标。

点击“创建”。

编排聊天助手

提示词，变量、知识库都可以按照实际需求填写

点击右侧发布。

点击运行可以看到实际效果

到这里，我们就完成了第一个应用：聊天助手 的搭建

结尾

Dify与DeepSeek的深度集成，通过本文的介绍和案例分析，我们可以看到，普通人借助Dify和DeepSeek，无需深厚的编程基础，就能轻松开发出功能强大的AI应用。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​