ToolSiftToolSift
返回教程

Dify 部署教程

Dify 更适合作为 LLM 应用平台理解，而不是普通聊天机器人。它的价值在于把提示词、知识库、Agent、模型路由和应用发布放进一个可视化工作层。代价是运维复杂度会上升：一旦从 demo 进入团队试点，密钥、数据集、插件、用户权限和模型成本都需要有人负责。

部署前检查

  • 确认 Docker、Node.js、Python 或项目要求的运行环境。
  • 确认是否需要 OpenAI、Claude、Gemini、DeepSeek、Qwen 或 Ollama。
  • 先在本地或测试服务器运行，不要直接接入生产数据。

建议部署路径

  1. 先用官方 Docker Compose 路径在一次性环境部署。
  2. 只接入一个模型供应商，不要一开始把所有供应商都打开。
  3. 用 20 到 50 份已知文档建小知识库，再用有标准答案的问题测试质量。
  4. 检索质量可接受后，再增加用户、插件和外部工作流。

常见评测误区

  • 能打开登录页不代表 RAG 管线真正有用。
  • 连接私有系统前必须审查插件和工具权限。
  • 真实成本往往是模型调用和维护成本，而不是开源协议本身。

验收测试任务

  1. 用一组受控文档搭建一个知识库应用。
  2. 提出 5 个事实问题、3 个综合问题和 2 个干扰问题。
  3. 记录提示词、模型、检索设置和失败案例。

参考命令

git clone https://github.com/langgenius/dify.gitcd dify/dockercp .env.example .envdocker compose up -d