前置条件：
仅列出本人的具体部署情况，以供参考，不作为部署的必要条件。- 电脑配置情况：
| 配置项 | 参数详情 |
|---|---|
| 型号名称 | MacBook Pro |
| 型号标识符 | MacBookPro17,1 |
| 芯片架构 | Apple M1 芯片 |
| CPU核心配置 | 8核（4性能核 + 4能效核） |
| 统一内存 | 16GB 高速统一内存 |
| 磁盘 | 剩余可用100G |
- Dify版本：0.15.3。别问为啥不是最新版的1.0.0，最新版有坑，后面会说
- Docker版本：
- docker desktop 4.38.0
- docker Engine: 27.5.1
可能遇到的坑
在开始前，先放出一些坑，如果你部署过程恰好也遇到了如下的坑，可以参考：dify最新版本1.0.0的坑（我称之为第一坑）
截止3.6日，dify社区开源最新版是1.0.0版本，但是此版本有坑，如果你不幸刚好也是部署了此版本，前置条件：
仅列出本人的具体部署情况，以供参考，不作为部署的必要条件。- 电脑配置情况：
| 配置项 | 参数详情 |
|---|---|
| 型号名称 | MacBook Pro |
| 型号标识符 | MacBookPro17,1 |
| 芯片架构 | Apple M1 芯片 |
| CPU核心配置 | 8核（4性能核 + 4能效核） |
| 统一内存 | 16GB 高速统一内存 |
| 磁盘 | 剩余可用100G |
- Dify版本：0.15.3。别问为啥不是最新版的1.0.0，最新版有坑，后面会说
- Docker版本：
- docker desktop 4.38.0
- docker Engine: 27.5.1
可能遇到的坑
在开始前，先放出一些坑，如果你部署过程恰好也遇到了如下的坑，可以参考：dify最新版本1.0.0的坑（我称之为第一坑）
截止3.6日，dify社区开源最新版是1.0.0版本，但是此版本有坑，如果你不幸刚好也是部署了此版本，那么恭喜你，大概率在部署完成后会遇到各种问题，包括但不限于：- 添加大模型的api key的报错，比如：接口报Internal server error或类似这样的：
总之，个人感觉可能1.0.0的版本还不怎么稳定，这也是为啥我降级到0.15.3的原因。
docker镜像拉取不成功：
由于众所知之的原因，docker镜像拉取不成功的概率比较大，这部分没啥好解释的，直接上车配置docker镜像源，截止3.6日本人实践还可以用的镜像源如下："https://docker.1ms.run",
"https://hub.rat.dev",
"https://docker.1panel.live",
"https://hub.rat.dev",
"https://proxy.1panel.live",
"https://ghcr.nju.edu.cn",
"https://docker.registry.cyou",
"https://dockercf.jsdelivr.fyi",
"https://docker.rainbond.cc",
"https://registry.cn-shenzhen.aliyuncs.com",
"https://dockertest.jsdelivr.fyi",
"https://mirror.aliyuncs.com",
"https://mirror.baidubce.com",
"https://docker.mirrors.ustc.edu.cn",
"https://docker.mirrors.sjtug.sjtu.edu.cn",
"https://mirror.iscas.ac.cn",
"https://docker.nju.edu.cn",
"https://docker.m.daocloud.io",
"https://dockerproxy.com",
"https://docker.jsdelivr.fyi",
"https://docker-cf.registry.cyou"
我是直接在docker desktop里面配置的：
配置完成别忘了重启下docker，然后终端输入：docker info，能够看到如下配置已生效即可。
dify源码克隆不了的问题：
如果你觉得这是一个问题，不妨直接下载源码（如下图），或者走[gitee](about:blank)添加大模型的问题
具体可以参考下文的大模型配置部分，这里不再赘述。为啥要本地部署dify
简单理解：私密性、个性化、装杯用🐶。。。综合来看，可能基于以下原因：
- 数据隐私：处理敏感数据时避免云端传输风险（如金融报告翻译场景）
- 定制开发：支持修改工作流节点（如优化翻译助手的术语识别模块）
- 成本优化：长期使用可降低API调用费用（尤其大模型高频调用场景）
- 混合部署：无缝集成本地模型（如Ollama部署的Llama 3）
下载docker
我这里用的官网下载最新[docker desktop客户端](https://www.docker.com/)，直接下载即可。选择合适自己机子的版本，我这里选择这个：
下载之后是一个dmg包，直接双击安装即可，安装完成打开界面类似下面：
验证是否安装成功，终端执行：docker --version
看到如下版本信息
如果你是其他系统，可以参考如下的方式，具体不展开：
| 系统 | 安装命令 |
|---|---|
| Ubuntu | sudo apt-get install docker.io docker-compose |
| CentOS | sudo yum install docker-ce && curl -L docker-compose |
| Windows | 要求WSL 2，通过winget install Docker.DockerDesktop安装 |
下载dify源码
如果从github上直接克隆源码不成功或速度较慢，可以直接在上面下载源码包。我比较喜欢从tags这里进去下载：
这里选择0.15.3版本：
下载完成后得到源码包：
解压出来
运行本地dify
拉取docker镜像
进入上面获取的dify源码目录的docker目录中，进行以下三步操作：cd dify-0.15.3/docker # 关键目录
cp .env.example .env # 复制环境变量模板
docker compose up -d # 后台启动docker，会自动拉取镜像
过程会有点长，或出现拉取失败的情况，如果遇到拉取失败，一般都是docker镜像源问题，请参考上面的坑的解决方案，正常情况会看到如下：
等待镜像拉取完成后自动启动相关的镜像：
到这一步，则基本部署成功了。。。。
本地访问本地访问
浏览器中输入：http://localhost首次进入会要设置管理员账号密码啥的，随便设置一个登录，然后就可以看到类似如下界面：
到这一步，基本就算部署成功了。。。。
配置大模型
部署成功之后，第一步一般要设置一些大模型，dify支持基本目前主流的大模型，具体位置从右上角用户头像设置进入：下面将以集成本地deepseek和线上的其他大模型为例，简单设置两个大模型，其他的都差不多。
集成本地deepseek
前置条件：
+ 要集成本地deepseek的前提是本机部署了deepseek，具体怎么部署，详见本人另一个文档：[如何把DeepSeek"娶"回家？一份充满求生欲的本地部署指南](https://zhuanlan.zhihu.com/p/28197422815)。 + 进入dify源码的docker目录下，修改.env配置文件，在文件最后两行加上以下两句：# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定 Ollama 的 API 地址（根据部署环境调整 IP）
OLLAMA_API_BASE_URL= http://host.docker.internal:11434
修改完之后终端在docker目的里面执行docker重启命令生效：
docker resatrt
- 本地的deepseek得是启动的，验证方法：浏览器访问：http://localhost:11434,看到如下界面：
否则在终端执行ollama启动服务命令：ollama serve
添加自定义模型：
以上条件具备之后，就可以从供应商列表中找到ollama，点击添加大模型：会弹出如下弹窗，然后填入以下信息保存：
需要特别说明：
+ 模型名称填自己本机部署的deepseek版本，比如我的是r1:8b版本的，我就填了：deepseek-r1:8b，不知道该填什么的，可以再终端运行：ollama list命令，然后复制：- 基础URL地址请直接填写：host.docker.internal:11434
为了辛福生活，请不要填写：http://localhost:11434 或 http://127.0.0.1:11434等地址，原因大概是dify是采用docker部署的，docker有自己的url路由策略，所以就按照他的这个来就好了，不然会报各种奇怪问题
集成线上的其他大模型
首先得找到对应的供应商，比如线上deepseek,然后点击设置：进入ds开放平台官网，申请对应的大模型api key，填入：
这里需要注意两点：
- 跳转deepseek开放平台官网如果登录时验证码一直发送不成功，请检查下浏览器是否登录过deepseek对话页面，如果是，请退出后再试
- deepseek开放平台如果余额为0的话，添加时可能会报一个402的验证失败，此时需要冲点值，比如我就冲了10块钱然后验证通过了：
设置系统模型
以上两步添加模型的方式大同小异，对于其他的模型也是如此。添加完成之后，就可以设置系统要使用的模型了：dify后续使用
部署dify的目的是为了使用它。总体目标在此平台上建自己的对话，agent，工作流等智能体应用：
还可以将自己的本地知识库导入，结合大模型，创造更加符合自身业务的智能体：
内部也内置了一些工具或可以自己添加一些工具，以供创建的智能体调用等：
总结
总体来说：dify就是一个可以自己YY自己需要AI小工具的平台，后续详细的使用，待深入体验后再分享，也欢迎各位大神留言分享。最后，本文主要介绍本地部署dify的方法和一些坑的解决方案，如有更好的方案也欢迎评论留言，共勉之。 那么恭喜你，大概率在部署完成后会遇到各种问题，包括但不限于：
- 添加大模型的api key的报错，比如：接口报Internal server error或类似这样的：
总之，个人感觉可能1.0.0的版本还不怎么稳定，这也是为啥我降级到0.15.3的原因。
docker镜像拉取不成功：
由于众所知之的原因，docker镜像拉取不成功的概率比较大，这部分没啥好解释的，直接上车配置docker镜像源，截止3.6日本人实践还可以用的镜像源如下："https://docker.1ms.run",
"https://hub.rat.dev",
"https://docker.1panel.live",
"https://hub.rat.dev",
"https://proxy.1panel.live",
"https://ghcr.nju.edu.cn",
"https://docker.registry.cyou",
"https://dockercf.jsdelivr.fyi",
"https://docker.rainbond.cc",
"https://registry.cn-shenzhen.aliyuncs.com",
"https://dockertest.jsdelivr.fyi",
"https://mirror.aliyuncs.com",
"https://mirror.baidubce.com",
"https://docker.mirrors.ustc.edu.cn",
"https://docker.mirrors.sjtug.sjtu.edu.cn",
"https://mirror.iscas.ac.cn",
"https://docker.nju.edu.cn",
"https://docker.m.daocloud.io",
"https://dockerproxy.com",
"https://docker.jsdelivr.fyi",
"https://docker-cf.registry.cyou"
我是直接在docker desktop里面配置的：
配置完成别忘了重启下docker，然后终端输入：docker info，能够看到如下配置已生效即可。
dify源码克隆不了的问题：
如果你觉得这是一个问题，不妨直接下载源码（如下图），或者走[gitee](about:blank)添加大模型的问题
具体可以参考下文的大模型配置部分，这里不再赘述。为啥要本地部署dify
简单理解：私密性、个性化、学习、装杯用🐶。。。综合来看，可能基于以下原因：
- 数据隐私：处理敏感数据时避免云端传输风险（如金融报告翻译场景）
- 定制开发：支持修改工作流节点（如优化翻译助手的术语识别模块）
- 成本优化：长期使用可降低API调用费用（尤其大模型高频调用场景）
- 混合部署：无缝集成本地模型（如Ollama部署的Llama 3）
下载docker
我这里用的官网下载最新[docker desktop客户端](https://www.docker.com/)，直接下载即可。选择合适自己机子的版本，我这里选择这个：
下载之后是一个dmg包，直接双击安装即可，安装完成打开界面类似下面：
验证是否安装成功，终端执行：docker --version
看到如下版本信息
如果你是其他系统，可以参考如下的方式，具体不展开：
| 系统 | 安装命令 |
|---|---|
| Ubuntu | sudo apt-get install docker.io docker-compose |
| CentOS | sudo yum install docker-ce && curl -L docker-compose |
| Windows | 要求WSL 2，通过winget install Docker.DockerDesktop安装 |
下载dify源码
如果从github上直接克隆源码不成功或速度较慢，可以直接在上面下载源码包。我比较喜欢从tags这里进去下载：
这里选择0.15.3版本：
下载完成后得到源码包：
解压出来
运行本地dify
拉取docker镜像
进入上面获取的dify源码目录的docker目录中，进行以下三步操作：cd dify-0.15.3/docker # 关键目录
cp .env.example .env # 复制环境变量模板
docker compose up -d # 后台启动docker，会自动拉取镜像
过程会有点长，或出现拉取失败的情况，如果遇到拉取失败，一般都是docker镜像源问题，请参考上面的坑的解决方案，正常情况会看到如下：
等待镜像拉取完成后自动启动相关的镜像：
到这一步，则基本部署成功了。。。。
本地访问本地访问
浏览器中输入：http://localhost首次进入会要设置管理员账号密码啥的，随便设置一个登录，然后就可以看到类似如下界面：
到这一步，基本就算部署成功了。。。。
配置大模型
部署成功之后，第一步一般要设置一些大模型，dify支持基本目前主流的大模型，具体位置从右上角用户头像设置进入：下面将以集成本地deepseek和线上的其他大模型为例，简单设置两个大模型，其他的都差不多。
集成本地deepseek
前置条件：
+ 要集成本地deepseek的前提是本机部署了deepseek，具体怎么部署，详见本人另一个文档：[如何把DeepSeek"娶"回家？一份充满求生欲的本地部署指南](https://zhuanlan.zhihu.com/p/28197422815)。 + 进入dify源码的docker目录下，修改.env配置文件，在文件最后两行加上以下两句：# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定 Ollama 的 API 地址（根据部署环境调整 IP）
OLLAMA_API_BASE_URL= http://host.docker.internal:11434
修改完之后终端在docker目的里面执行docker重启命令生效：
docker resatrt
- 本地的deepseek得是启动的，验证方法：浏览器访问：http://localhost:11434,看到如下界面：
否则在终端执行ollama启动服务命令：ollama serve
添加自定义模型：
以上条件具备之后，就可以从供应商列表中找到ollama，点击添加大模型：会弹出如下弹窗，然后填入以下信息保存：
需要特别说明：
+ 模型名称填自己本机部署的deepseek版本，比如我的是r1:8b版本的，我就填了：deepseek-r1:8b，不知道该填什么的，可以再终端运行：ollama list命令，然后复制：- 基础URL地址请直接填写：host.docker.internal:11434
为了辛福生活，请不要填写：http://localhost:11434 或 http://127.0.0.1:11434等地址，原因大概是dify是采用docker部署的，docker有自己的url路由策略，所以就按照他的这个来就好了，不然会报各种奇怪问题
集成线上的其他大模型
首先得找到对应的供应商，比如线上deepseek,然后点击设置：进入ds开放平台官网，申请对应的大模型api key，填入：
这里需要注意两点：
- 跳转deepseek开放平台官网如果登录时验证码一直发送不成功，请检查下浏览器是否登录过deepseek对话页面，如果是，请退出后再试
- deepseek开放平台如果余额为0的话，添加时可能会报一个402的验证失败，此时需要冲点值，比如我就冲了10块钱然后验证通过了：
设置系统模型
以上两步添加模型的方式大同小异，对于其他的模型也是如此。添加完成之后，就可以设置系统要使用的模型了：dify后续使用
部署dify的目的是为了使用它。总体目标在此平台上建自己的对话，agent，工作流等智能体应用：
还可以将自己的本地知识库导入，结合大模型，创造更加符合自身业务的智能体：
内部也内置了一些工具或可以自己添加一些工具，以供创建的智能体调用等：
总结
总体来说：dify就是一个可以自己YY自己需要AI小工具的平台，后续详细的使用，待深入体验后再分享，也欢迎各位大神留言分享。最后，本文主要介绍本地部署dify的方法和一些坑的解决方案，如有更好的方案也欢迎评论留言，共勉之。
