windows本地化部署Dify+Deepseek

已于 2025-04-16 18:03:51 修改
阅读量6.2k 收藏 47
点赞数 28
分类专栏： AI 文章标签： deepseek Dify
于 2025-03-01 22:41:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45020145/article/details/145934928
版权

Windows本地化部署Dify+Deepseek

一、下载Docker

前往 Docker 官网 下载 Docker Desktop，按序安装。

1.1启用WSL

打开本机的控制面板=>程序=>启用或关闭 Windows 功能,勾选:

  • Linux 的 Windows 子系统
  • 虚拟机平台（若无该选择则勾选 Hyper-V ）
  • 远程差分压缩 API 支持。
    windows功能
    点击确定后进行重启。

1.2 迁移Docker位置

Docker的安装位置与下载位置都默认在C盘中，因此要手动进行迁移，防止C盘爆满；

  • 导出docker-desktop
wsl --export docker-desktop E:\[你的路径]\docker-desktop.tar
  • 注销docker-desktop
wsl --unregister docker-desktop
  • 新路径中重新导入docker-desktop
wsl --import docker-desktop E:\[你的路径]\docker-desktop E:\docker_data\docker-desktop.tar
  • docker-desktop中修改镜像存储路径
    变更镜像路径

二、Dify的下载与环境配置

2.1 Dify项目下载

使用git拉取Dify项目或下载项目压缩包

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

2.2 Dify项目环境配置

1.在2.1 中下载的项目文件中，找到docker文件夹，双击进入后找到.env.example文件，将其重命名为.env；
2.在docker文件夹中打开cmd终端，运行docker环境࿱

最低0.47元/天 解锁文章
DeepSeek + Dify + Ollama + Docker + Linux 私有化部署，构建你的专属私人 AI 助手
s13166803785的博客
02-17 3705
通过以上步骤，你可以在 Linux 环境下使用 Docker 部署 DeepSeek、Dify 和 Ollama，构建一个专属的私人 AI 助手。构建一个专属的私人 AI 助手，结合 DeepSeek、Dify、Ollama 和 Docker 在 Linux 环境下进行私有化部署，是一个复杂但非常有价值的项目。根据需求，你可以进一步扩展和优化你的 AI 助手，例如添加更多的 AI 模型、优化性能、增加安全性等。DeepSeek 是一个强大的 AI 模型，你需要将其部署在 Docker 容器中。
智能体学习：本地部署Dify
qq_39502517的博客
02-02 1万+
智能体学习之路，本地部署Dify
Docker+dify+ollma+deepseek组合方案的Windows本地化部署教程
03-01
内容概要：本文档详细介绍了基于 Windows 操作系统的 docker+dify+ollma+deepseek 组合方案的本地化部署流程。首先明确最低硬件要求为CPU>=2 Core、RAM>=4GiB、磁盘空间至少20G。随后阐述了必要的前期准备，如安装 Git、TortoiseGit 和 Docker，同时推荐切换至国内 Docker 镜像源以提高效率。接下来依次讲解 dify 部署的具体步骤，包括从 GitHub 上克隆代码、启动 Docker、验证和访问 dify 应用程序。针对 ollma，提供从官网获取、配置非C盘存储路径及模型下载直至成功检验部署的完整过程，并指出集成 Ollama 部署涉及到选择或安装特定文本嵌入模型。最后，还列举了一些常见的 Docker 操作命令作为辅助参考资料。 适用人群：拥有基础的 IT 素养并且正在寻找关于构建人工智能开发环境方法的学习者或是专业人士，特别是那些专注于自然语言处理或深度学习领域的工作者。 使用场景及目标：为用户提供一套完整的指导方案来帮助他们快速地搭建起基于以上技术栈的工作环境，以便更好地探索机器学习、深度学习相关的前沿话题和技术应用，比如大型语言模型训练。
Dify + Ollama + DeepSeek 实现 DeepSeek 离线部署个人知识库(Dify GitHub zip包)
02-13
使用Dify + Ollama + DeepSeek 实现 DeepSeek 离线部署个人知识库 Dify是一个开源的LLM应用开发平台，它通过直观的可视化界面，帮助开发者快速构建和部署AI应用，支持包括模型管理、知识库、工作 Ollama与AnythingLL结合，可以提供更丰富的交互体验。 也可使用支持Ollama的webUI，如 AnythingLLM、Dify、Open-WebUI 等。 Open-WebUI：定位纯聊天界面，支持多模型集成，你可以把它当做一个能“轻松切换模型、马上对话”的 Web 面板，如果只是想单纯体验 Ollama 的生成效果，Open-WebUI 是最方便的。Open web是一个可扩展、功能丰富、用户友好的自托管AI平台，旨在完全离线运行。它支持各种LLM运行程序。 AnythingLLM：更专注于文档知识库与问答场景，自带向量检索管理，可“多文档整合”，接入 Ollama 后实现本地化问答。 Dify：功能多元，适合对话流管理、插件化扩展、团队协同等复杂需求。只要能在其后台正确配置 Ollama 地址，即可灵活调用
window本地部署Dify
Baker的博客
05-27 6114
这节一起来实现Dify的离线部署，官方的github仓库也提供了docker的部署方式，我们也使用docker的方式部署，因此需要在window上安装docker环境，安装好后，我们先从github将源码下载下来，然后解压到一个文件夹下，这里是我下载后解压的项目目录。所以有端口冲突可以在此修改，当所有组件pull不并started后就可以了，打开浏览器，输入IP+port,如果刚才映射的端口被修改，要记得这里的port是修改映射后的新端口，修改后，打开命令提示符，进入项目的docker目录下，输入命令。
windows环境本地部署Dify
yy869949908的博客
11-26 1万+
网上找到docker Desktop软件，并且安装（无配置，无需登录）
Windows环境下部署Dify
yupei7513的博客
06-20 8381
是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和LLMOps的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。
Windows10环境dify1.0.1本地Docker Desktop部署
qzhangml的博客
03-19 4175
Windows10环境dify1.0.1本地Docker Desktop部署，包含Docker desktop安装，dify源码下载Docker部署。
Windows环境中，Dify本地部署
qq_35594661的博客
03-19 759
简介：本文档介绍的是使用docker部署Dify。
AGI 之 【Dify】 之 使用 Docker 在 Windows 端本地部署 Dify 大语言模型（LLM）应用开发平台
仙魁XAN
10-14 9176
AGI，即通用人工智能（Artificial General Intelligence），是一种具备人类智能水平的人工智能系统。它不仅能够执行特定的任务，而且能够理解、学习和应用知识于广泛的问题解决中，具有较高的自主性和适应性。AGI的能力包括但不限于自我学习、自我改进、自我调整，并能在没有人为干预的情况下解决各种复杂问题。Dify是一个开源的大语言模型（LLM）应用开发平台，它旨在简化和加速生成式 AI 应用的创建和部署。
结合Dify+DeepSeek+Ollama搭建本地知识库记录
连小雪的代码世界
02-26 985
如果又遇到超时问题，如执行docker compose up -d 报错：Error response from daemon: Get "https://registry-1.docker.io/v2/ ": net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)访问：https://ollama.com/library/deepseek-r1。
docker部署dify与ollama+deepseek大模型结合
weixin_50902225的博客
02-14 1434
de运行环境：docker +dify+ollama+deepseek。
保姆教程篇：手把手教你从零开始本地部署Dify工作流
热门推荐
He_r_o的博客
08-11 7万+
本教程将手把手指导您在个人电脑上安装和配置 Dify。
从零开始！在 Windows 上安装与配置 Dify
qq_49035156的博客
10-27 4万+
这篇博客将详细介绍如何在 Windows 系统上部署 Dify，适合零基础用户。从 Docker 和 WSL 的安装配置开始，逐步指导用户设置 Git、Docker 环境以及 Dify 配置文件，解决可能遇到的端口冲突等问题，最终完成 Dify 的启动和测试。通过简明易懂的步骤，帮助用户在本地成功运行 Dify，实现模型供应商配置，让 Dify 项目在 Windows 平台上顺利上线。
从零开始，小白在windows部署deepseek与dify
m0_53591319的博客
03-11 4153
看到网上那么多deepseek与dify，ragflow，anything等文章，自己部署的时候又踩了好多坑，不停的重装电脑。现在就记录一下deepseek与dify部署的最细记录，以及碰到的问题和解决方法。
win本地部署Dify，并接入deepseek-r1
最新发布
简单记录
03-19 2020
参考需要安装的软件有本机环境：win10企业版21H2，i5-12400，16GB，集显无独立显卡。
DeepSeeK+Dify本地部署
wal1314520的博客
02-21 3035
最近在研究Dify，刚好空下来就把在windows下Dify的部署流程给大家安排上，希望能够帮到想研究的小伙伴们。
【LLM】Dify 0.6.10 在Windows系统上本地化部署（一）
qq_33934427的博客
06-11 7904
【LLM】Dify 0.6.10 在Windows系统上本地化部署
deepseek dify reranker
02-15
### DeepSeek Dify Reranker 使用指南 #### 安装环境准备 为了顺利运行DeepSeek Dify Reranker，推荐使用Python 3.10及以上版本[^1]。确保安装环境中已配置好相应的Python解释器。 #### 获取源码与依赖库 通过Git克隆项目仓库至本地： ```bash git clone https://github.com/your-repo-url.git cd your-project-directory ``` 创建虚拟环境并激活它： ```bash python -m venv venv source venv/bin/activate # Linux or macOS venv\Scripts\activate # Windows ``` 接着安装所需的Python包： ```bash pip install -r requirements.txt ``` #### 配置参数设置 编辑`config.py`文件来调整模型训练和其他必要的超参数设定。具体选项取决于实际应用场景和个人需求。 #### 数据预处理流程 数据集应当按照指定格式整理，并放置于特定目录下以便程序读取。通常情况下，会有一个脚本用于完成这部分工作，例如： ```python from data_preparation import preprocess_data preprocess_data(input_path='raw_data/', output_path='processed_data/') ``` #### 训练过程概述 启动训练之前，请确认所有准备工作已经就绪。执行如下命令开始训练循环： ```bash python train_model.py --epochs=50 --batch_size=32 ``` 此过程中可以监控损失函数变化趋势以及其他重要指标的表现情况。 #### 推理服务部署 当模型收敛后保存最佳权重文件，在推理阶段加载这些权重来进行预测操作。下面是一个简单的例子展示如何调用API接口获取重排序结果： ```python import requests response = requests.post( "http://localhost:8000/rerank", json={"texts": ["example sentence one", "another example"]} ) print(response.json()) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值