Dify 是什么 · 怎么装 · 能做什么
写给：第一次接触 Dify、想搞明白它到底是什么、并且想在自己电脑上把它跑起来的人 本文环境：macOS 15.7 · Apple M1 16GB · Docker Desktop 29.6.1 · Dify v1.17.1 实测数据：15 个容器 · 镜像共约 11 GB · 运行时占用内存约 3 GB · 部署后 HTTP 验证通过 说明：所有截图与命令输出均来自本机真实部署，不是示意图
目录
- 0. 三句话认识 Dify
- 1. 它到底解决什么问题
- 2. 能做什么（7 大能力）
- 3. 必须先懂的 5 个概念
- 4. 从 0 开始安装部署
- 部署必踩的 5 个坑
- 5. 功能巡览（界面截图）
- 6. 我能拿它做什么
- 7. 该从哪学起
- 8. 总结
0. 三句话认识 Dify
🟣 三句话版本
- Dify 是一个「大模型应用开发平台」 —— 你不需要写代码，用鼠标拖拽节点就能搭出一个 AI 应用。
- 它把做 AI 应用最麻烦的活全包了：连接各种大模型、文档切块与向量检索（RAG）、多轮对话记忆、工具调用、日志监控、对外发布。
- 它把成果变成你能直接用的东西：一个网页版聊天界面、一套 API、或者一个可被其他系统调用的服务。
如果这样还抽象，换个说法：
| 你熟悉的类比 | Dify 相当于 |
|---|---|
| WordPress 之于建网站 | 你不用从写 HTML 开始，装好 WordPress、套模板、写内容就行 —— Dify 对 AI 应用也是这个定位 |
| 低代码平台 之于做管理系统 | 拖拽节点连线，而不是从零写后端接口和前端页面 |
| Postman 之于调接口 | 把「调模型 + 查知识库 + 用工具」这些动作可视化串起来，还能直接调试 |
🔵 一句话总结
不用写代码，把「大模型」变成「能用的产品」的那套工具。
1. 它到底解决什么问题
假设你想做一个「能回答公司内部文档问题的 AI 助手」。不用 Dify，你要自己写这些东西：
| ❌ 自己从零写 | ✅ 用 Dify |
|---|---|
| 对接大模型 API（还要处理流式、重试、超时） | 上传文档（拖进去就行） |
| 文档解析（PDF / Word / Markdown 各不相同） | 拖几个节点连起来 |
| 文本切块（切多大？怎么重叠？这本身是个技术活） | 点「发布」 |
| 向量化 + 部署向量数据库 | —— 完事 |
| 检索排序、相似度阈值、混合检索 | |
| 把检索结果拼进提示词（还得防幻觉） | 上述所有环节都是内置的，包括向量库、切块策略、检索算法、前端界面、日志监控 |
| 多轮对话的记忆管理 | |
| 一个能用的前端界面 | |
| 日志、监控、成本统计 | |
| ……几千行代码，还得慢慢调 |
更具体地说，Dify 帮你省掉了三类工作量：
| 类别 | 具体省掉什么 |
|---|---|
| 基础设施 | 向量数据库、PostgreSQL、Redis、Nginx 这些依赖，一条命令全部装好并连好（本机实测共 15 个容器） |
| RAG 细节 | 文档解析、切块策略、向量化、混合检索、重排序 —— 这些是 AI 应用里最"脏"的活，Dify 都封装好了 |
| 工程配套 | 模型接入（20+ 家供应商）、对话界面、API 发布、日志标注、成本统计 |
2. 能做什么（7 大能力）
这一节先讲「是什么」，具体界面截图在第 5 章。
① 工作流编排 —— 把多个步骤连起来
用节点和连线定义 AI 的处理流程：
用户输入 → 搜索网页 → 大模型整理 → 判断条件 → 分支A / 分支B → 输出
节点类型包括：大模型、知识检索、代码执行、条件分支、循环、迭代、HTTP 请求、工具调用、变量聚合……
两种形态：「工作流」用于单轮自动化任务；「Chatflow」用于多轮对话（带记忆）。
② 知识库（RAG）—— 让 AI 基于你的资料回答
把你自己的文档（PDF / Word / Markdown / TXT / CSV / HTML）上传进去，AI 就能基于这些内容回答问题，而不是靠它自己的记忆瞎编。
Dify 在背后自动完成：文档解析 → 文本切块 → 向量化 → 存入向量库 → 提问时检索 → 拼进提示词。
③ 智能体（Agent）—— 让 AI 自己决定用什么工具
和工作流的区别：工作流的步骤是你写死的；Agent 的步骤是AI 自己决定的 —— 它会根据你的问题，自己判断该调用哪个工具、调几次。
比如问「北京明天天气怎么样，适合穿什么」，它会自己先调天气工具，再基于结果给建议。
④ 模型管理 —— 一个平台接入所有大模型
支持 20+ 家供应商：OpenAI、Anthropic、Google、DeepSeek、通义千问、智谱、硅基流动、Ollama（本地模型）……
换模型只需要在界面上点几下，不用改任何代码。
图 1：模型供应商管理页 —— 每个供应商都能独立配置凭据，同一个应用里不同节点可以用不同模型
⑤ 插件生态 —— 几百个现成工具
搜索引擎、网页抓取、图片生成、代码执行、数据库查询、各种 SaaS 集成…… 都能从 Marketplace 一键安装，然后在工作流里当节点用。
图 2：Dify Marketplace —— 插件 / 模板 / 创作者中心，装完即可在工作流中调用
⑥ 发布与集成 —— 怎么把成果用起来
| 方式 | 用途 |
|---|---|
| Web 应用 | Dify 直接给你一个聊天网页，复制链接就能分享给别人用 |
| 后端 API | 用 HTTP 接口接进你自己的系统（/v1/chat-messages） |
| 嵌入网站 | 把聊天气泡嵌进你已有的网站里 |
| MCP 服务 | 把你的应用变成工具，给其他 Agent 调用 |
⑦ LLMOps —— 上线之后的事
日志查看、用户反馈标注、调用量统计、成本分析。这些是「Demo 变成产品」必须有的东西。
图 3：监测页 —— 会话数、活跃用户、Token 消耗等运营数据
3. 必须先懂的 5 个概念
不用背，但看到这些词要知道在说什么：
| 概念 | 大白话解释 |
|---|---|
| 应用（App） | 你在 Dify 里做出来的一个东西。一个应用 = 一套配置 + 一个对外入口。 |
| 节点（Node） | 工作流里的一个步骤方块。比如「大模型」节点、「知识检索」节点。 |
| 变量（Variable） | 节点之间传递的数据。写成 {{#节点名.字段#}} 这种形式，表示"把上一步的输出填到这里"。 |
| 知识库（Knowledge） | 你上传的文档，被切块、向量化之后的集合。是 RAG 的"资料仓库"。 |
| 模型供应商（Provider） | 提供大模型的服务方。DeepSeek、OpenAI、或你本机跑的 Ollama 都算一个供应商。 |
🟠 ⚠️ 最容易卡住新手的一步
装完 Dify 后，必须先配置至少一个「模型供应商」，否则什么都干不了。
因为 Dify 本身不提供大模型 —— 它只是个"调度中心"。你得告诉它去哪里调用模型（填 API Key，或者指向本机的 Ollama）。这一步在第 5 章有截图。
4. 从 0 开始安装部署
🔵 整体就三步
装 Docker → 下载 Dify 源码 → 一条命令启动。
4.1 先看你的电脑够不够
| 项 | 最低 | 实际建议 | 本机实测 |
|---|---|---|---|
| CPU | 2 核 | 4 核 | 4 核（分配给 Docker） |
| 内存 | 4 GB | 8 GB 以上 | 7.75 GB（够用但不宽裕） |
| 磁盘 | 20 GB | 40 GB 以上 | 镜像约 11 GB + 数据增长 |
🔴 ⚠️ 内存是这个部署里最容易出问题的地方
官方写的「4 GB」是能启动的底线。实测在 4 GB 的 Docker 虚拟机上，容器会因内存不足不断重启（OOM） ，根本用不了。
本机分配 7.75 GB 后，15 个容器全部稳定运行，运行时吃掉的真实内存约 3 GB：
dify-api-1 1.07 GiB dify-worker-1 517 MiB dify-plugin_daemon-1 472 MiB dify-api_websocket-1 426 MiB dify-worker_beat-1 403 MiB dify-agent_backend-1 112 MiB dify-weaviate-1 74 MiB （其余容器更小）为什么建议 8 GB 而不是 4 GB？ 因为这 3 GB 只是"待机"状态。你真正开始跑知识库、跑工作流时会更高；如果你还想在同一台机器上跑本地大模型（Ollama），那更是要精打细算。
4.2 第一步：装 Docker Desktop
Dify 的所有组件都跑在 Docker 容器里，所以第一件事是装 Docker Desktop。
图 4：装好并启动 Dify 后，你会看到这样一个登录页（首次是「设置管理员账户」）
1) 先检查是不是已经装了
# macOS 上检查
ls -d /Applications/Docker.app 2>/dev/null && echo "已安装"
pgrep -fl "com.docker.backend" >/dev/null && echo "正在运行"
🟢 ✅ 很多人其实早就装了
本机的实际情况就是：Docker Desktop 早就装好并且正在运行，根本不用重装。所以先检查，别急着下载。
2) 确实没装的话
- 访问
https://www.docker.com/products/docker-desktop/ - 按芯片选版本：Apple Silicon（M 系列）→ Apple Chip；Intel → Intel Chip
- 双击
.dmg，把 Docker 拖进「应用程序」，然后启动它 - 首次启动按提示授权（需要管理员密码），等鲸鱼图标变成稳定状态
🔴 ⚠️ 装完必须做这一步，否则后面一定卡住
打开 Docker Desktop → 右上角齿轮 ⚙️ → Advanced → Docker CLI tools → Install
不做这一步会怎样？ 后面的
docker compose pull会报：docker-credential-desktop: executable file not found in $PATH结果就是镜像完全拉不动，而且这个报错看起来像"网络问题"，很有迷惑性。详见坑 1。
3) 调资源（关键）
Docker Desktop → ⚙️ → Resources：
- Memory 调到 8 GB（默认 4 GB 会 OOM）
- CPUs 调到 4 核（够用）
点 Apply & Restart。注意：这会重启 Docker，中断所有正在运行的容器 —— 如果你机器上还有别的容器在跑，先确认它们能重启。
4) 验证环境
docker --version # 本机：Docker version 29.6.1
docker compose version # 本机：Docker Compose version v5.3.0
docker info | grep -E "Total Memory|CPUs"
# 本机输出：
# CPUs: 4
# Total Memory: 7.751GiB
🟠 ⚠️ 版本红线
Dify 要求 Docker Compose ≥ 2.24.0。低于这个版本会直接报错。上面第二条命令就是自检。
4.3 第二步：下载 Dify 源码
git clone --branch 1.17.1 https://github.com/langgenius/dify.git
🔵 为什么写死版本号 1.17.1
官方文档给的是自动取最新版的命令（用
curl+jq查 GitHub API），但国内网络访问 GitHub API 常被限流，会取到空值然后报这个错：fatal: Remote branch null not found in upstream origin直接写死版本号更稳。 版本号可以在 github.com/langgenius/… 查到。
如果嫌完整克隆太慢（历史记录有 1 GB+），可以浅克隆：
git clone --depth 1 --branch 1.17.1 https://github.com/langgenius/dify.git
4.4 第三步：准备配置并启动
# 1) 进入 docker 目录
cd dify/docker
# 2) 从模板复制一份配置（这一步必须有！）
cp .env.example .env
# 3) 启动全部容器
docker compose up -d
🔴 ⚠️ 第 2 步不能省
Dify 的
docker-compose.yaml里，每个服务都把.env声明为必需文件。缺了这个文件，连语法检查都过不去，会直接报错，而不是"用默认值继续跑"。
首次启动要下载约 11 GB 镜像，慢慢等。主要镜像（本机实测）：
| 镜像 | 大小 | 作用 |
|---|---|---|
langgenius/dify-api:1.17.1 | 4.05 GB | 后端核心逻辑 |
langgenius/dify-plugin-daemon | 2.21 GB | 插件运行时 |
langgenius/dify-agent-backend | 1.48 GB | Agent 沙箱执行 |
langgenius/dify-sandbox | 901 MB | 代码执行沙箱 |
langgenius/dify-web | 901 MB | 前端界面 |
dify-agent-local-sandbox | 796 MB | 本地沙箱 |
postgres:15-alpine | 408 MB | 主数据库 |
weaviate | 290 MB | 向量数据库 |
nginx | 259 MB | 反向代理（对外入口） |
redis:6-alpine | 42 MB | 缓存 / 消息队列 |
🟠 ⚠️ 磁盘要提前留够
这些镜像解压后比下载时更大。建议预留 40 GB 以上。如果磁盘紧张，会在"镜像拉取完成"后才发现空间不足。
4.5 验证：容器都起来了吗
docker compose ps
本机实测输出（15 个容器）：
dify-agent_backend-1 Up 3 hours
dify-agent_ssrf_proxy-1 Up 3 hours
dify-api-1 Up 3 hours (healthy)
dify-api_websocket-1 Up 3 hours
dify-db_postgres-1 Up 3 hours (healthy)
dify-local_sandbox-1 Up 3 hours (healthy)
dify-nginx-1 Up 3 hours
dify-plugin_daemon-1 Up 3 hours
dify-redis-1 Up 3 hours (healthy)
dify-sandbox-1 Up 3 hours (healthy)
dify-ssrf_proxy-1 Up 3 hours
dify-weaviate-1 Up About an hour
dify-web-1 Up 3 hours
dify-worker-1 Up 3 hours
dify-worker_beat-1 Up 3 hours
🟢 ✅ 怎么判断正常
- 每个容器都是
Up；带(healthy)更好- 看不到
init_permissions是正常的 —— 它是一次性任务，跑完权限设置就自动退出了- 如果某个容器不停重启，用
docker compose logs <容器名> --tail 50看日志
4.6 访问并初始化管理员
- 浏览器打开
http://localhost/install（服务器上换成你的 IP） - 设置管理员邮箱和密码 → 完成初始化
- 之后正式入口就是
http://localhost
端到端验证（本机实测）：
$ curl -o /dev/null -w "%{http_code}" http://localhost/
307 # 未登录时跳转登录页，正常
$ curl -o /dev/null -w "%{http_code}" http://localhost/install
200 # 初始化页面可访问
$ curl http://localhost/console/api/setup
{"step":"finished","setup_at":"2026-09-22T10:28:37"}
# setup = finished 说明管理员已初始化完成
🔵 为什么返回 307 也算正常
307是「临时重定向」，意思是"你没登录，去登录页吧"。能返回 307 恰恰说明服务是活的 —— 服务挂了会返回 502 或直接连不上。
登录后的首页：
图 5：登录后的主页 —— 左侧是主导航，这里是你之后每天要打交道的地方
部署必踩的 5 个坑
这 5 个坑全部是本机部署时真实遇到的，而且有个共同特点：报错信息指向的地方，往往不是真正的原因。
坑 1：镜像完全拉不动 —— docker-credential-desktop 找不到
现象：docker compose pull 报错：
error getting credentials - err: exec: "docker-credential-desktop":
executable file not found in $PATH
看起来像：网络问题、镜像源问题。
真实原因：Docker Desktop 装了，但它的命令行工具（CLI tools）没装。Docker 配置里写着用 desktop 这个凭证助手来存登录信息，而这个助手去哪儿找，靠的就是 CLI 工具。
解法：Docker Desktop → ⚙️ → Advanced → Docker CLI tools → Install。
临时绕过（不改配置）：
export PATH="/Applications/Docker.app/Contents/Resources/bin:$PATH"
坑 2：.env 缺失导致 compose 拒绝解析
现象：即使只是跑 docker compose config 检查语法，也直接报错。
原因：Dify 的 compose 文件里，每个服务都把 .env 声明为必需（env_file）。文件不存在时，Docker Compose 不会用默认值兜底，而是直接拒绝解析。
解法：cp .env.example .env。就这一行。
坑 3：内存不足导致容器反复重启（最影响使用）
现象：容器起来了，但过一会儿就重启，或者某个服务一直不健康。
原因：Docker Desktop 默认只给虚拟机 4 GB 内存，而 Dify 完整跑起来要 3 GB 以上，余量太小。
解法：Docker Desktop → ⚙️ → Resources → Memory 调到 8 GB → Apply & Restart。
🟠 ⚠️ 调整后必须验证真的生效了
不要只看界面设置，用命令确认虚拟机实际拿到了多少内存：
docker info | grep -i "total memory" # 期望看到：Total Memory: 7.751GiB（8 GB 减去系统开销）本机实测：调整前
3.827 GiB→ 调整后7.751 GiB，翻倍生效。
坑 4：容器名和你的其他项目撞车（最危险）
现象：Docker 会用一个"项目名"给容器分组，而 Docker Compose 默认用「所在目录名」当项目名。你如果按官方文档把源码放在一个叫 docker 的目录里，那么项目名就是 docker。
危险在哪：如果机器上另一个项目也在叫 docker 的目录里跑 compose，两者会共享同一个项目名。此时执行：
docker compose down --remove-orphans
会把两个项目的容器一起删掉 —— 本机实测就是 Dify 和另一个项目共 22 个容器挤在同一个项目名下。
解法：在 dify/docker/.env 末尾加一行，给项目起个独立名字：
COMPOSE_PROJECT_NAME=dify
然后重新启动。之后所有 Dify 容器都会以 dify- 开头，和别的项目彻底隔开。
🔴 ⚠️ 这个坑值得单独记住
因为它不是"部署失败" ，而是"某天你随手敲了个命令，把别人的数据删了"。属于埋在地下的雷。部署时就顺手隔离掉，成本一行配置。
坑 5：plugin_daemon 崩溃重启，报 DNS 解析失败
现象：某个容器反复重启，日志里是：
lookup db_postgres on 127.0.0.11:53: server misbehaving
看起来像：数据库连不上、Docker 的 DNS 坏了。
真实原因：前一次启动失败留下的"半成品容器" 。Docker 给容器连网络时，如果中途失败（比如端口被占用），容器会停在"只挂了一半网络"的状态。于是它找不到数据库 —— 不是 DNS 的问题，是它压根没接上那个网络。
怎么判断：对比容器实际挂载的网络和 compose 里声明的：
docker inspect dify-plugin_daemon-1 \
--format '{{range $k,$v := .NetworkSettings.Networks}}{{$k}} {{end}}'
本机实测：它只挂了 dify_ssrf_proxy_network，少了 dify_default。而其他容器都是两个都挂。
解法：普通 docker compose restart 修不好（网络配置在容器创建时就固化了），必须强制重建：
docker compose up -d --force-recreate plugin_daemon
5. 功能巡览（界面截图）
装好之后长什么样？这一章带你逛一圈。
5.1 工作室 —— 你的应用列表
图 6：工作室 —— 所有创建过的应用都在这里，按类型 / 标签 / 创建者筛选
左侧导航是 Dify 的总入口，从上到下依次是：
| 导航项 | 作用 |
|---|---|
| 主页 | 欢迎页 / 概览 |
| 工作室 | 你创建的所有应用 |
| Agents（BETA） | 智能体相关功能 |
| 知识库 | 文档与向量检索（RAG 的核心） |
| Skills | 技能相关 |
| 集成 | 模型供应商、工具、数据源等（最关键的一页） |
| Marketplace | 插件市场 |
| WEB APPS | 已发布为网页的应用，可直接访问 |
5.2 创建应用 —— 先选类型
点右上角「创建」→「创建空白应用」，会让你选应用类型：
图 7：创建空白应用 —— 工作流（单轮任务）与 Chatflow（多轮对话）
| 类型 | 适合什么 |
|---|---|
| 工作流 | 单轮自动化任务。比如"给一篇文章自动生成摘要并翻译" |
| Chatflow | 多轮对话（有记忆）。比如客服助手、知识库问答 |
🔵 新手怎么选
想做问答类（能连续追问）→ 选 Chatflow；想做批处理类（输入一次、输出结果）→ 选工作流。
拿不准就先用 Chatflow，它更接近大家对"AI 助手"的直觉。
5.3 应用编排 —— 拖节点的画布
图 8：工作流编排画布 —— 左边是节点库，中间是画布，右边是选中节点的配置面板
做任何应用都在这块画布上：从左侧拖节点进来 → 连线 → 在右侧填配置。右上角「预览」可以随时试。
5.4 知识库 —— 让 AI 读你的资料
图 9：知识库列表 —— 每个知识库可以独立配置嵌入模型、检索方式
上传文档后，Dify 会自动完成：解析 → 切块 → 向量化 → 存入向量库。之后在应用里挂上这个知识库，AI 就能基于你的资料回答。
5.5 集成 —— 装完必须先来这一页
图 10：集成 → 模型供应商 —— 每个供应商都要单独配凭据，配好才「可用」
左侧二级导航里，最重要的是这几项：
- 模型供应商：接大模型（必配，否则应用跑不起来）
- 工具：搜索引擎、网页抓取等
- 数据来源：外部数据接入
- Agent 策略：智能体的推理策略
🟠 ⚠️ 截图里能看出状态差异
注意截图里 Ollama 显示「管理凭据 / 添加模型」（已配置可用），而 深度求索、OpenAI、硅基流动都标着「需要配置 API Key」（装了插件但没填密钥）。
装了插件 ≠ 能用。 必须点进去填 Key 或填本地地址才算配好。
5.6 Marketplace —— 插件市场
图 11：Marketplace —— 插件、模板、创作者中心
5.7 监测 —— 应用上线后看这页
图 12：监测 —— 会话数、活跃用户、互动数等运营数据
6. 我能拿它做什么
按「上手难度」从低到高排，方便你选第一个练手项目：
🟢 入门级（半小时能做完）
| 做什么 | 用到哪些能力 |
|---|---|
| 公司内部问答机器人 | 知识库 + Chatflow。上传员工手册、产品文档，直接问 |
| 文档摘要器 | 工作流 + 大模型。贴一篇文章进去，输出摘要 + 要点 |
| 翻译 / 改写助手 | 大模型 + 提示词。改改提示词就是一个新应用 |
🟡 进阶级（需要接工具）
| 做什么 | 用到哪些能力 |
|---|---|
| 每日新闻摘要 | 工作流 + 搜索工具 + 大模型。定时抓新闻自动汇总 |
| 客服工单分类 | 工作流 + 条件分支。按内容自动分派给不同处理流程 |
| 数据查询助手 | Agent + 数据库工具。用自然语言查数据库 |
🔴 生产级（要接进自己的系统）
| 做什么 | 用到哪些能力 |
|---|---|
| 把知识库集成进已有业务系统 | 知识库 API + 你自己的前后端 |
| 企业内部 AI 中台 | 多个应用 + API 统一对外 + LLMOps 监控 |
| 嵌入已有网站 | Web 应用 + 嵌入代码 |
🟢 ✅ 建议的第一个项目
「公司文档问答机器人」。理由：
- 只需要「知识库 + Chatflow」两个概念，不用碰工具和 Agent
- 效果立刻能感知（问什么答什么，带引用来源）
- 做完就理解 RAG 了，这是 Dify 最核心的价值
7. 该从哪学起
按这个顺序走，不会卡：
| 顺序 | 做什么 | 大概花多久 |
|---|---|---|
| 1 | 装好 Docker Desktop，调好内存（8 GB），装 CLI tools | 30 分钟（下载占大头） |
| 2 | 下载 Dify 源码，docker compose up -d，初始化管理员 | 30~60 分钟（拉镜像慢） |
| 3 | 去「集成 → 模型供应商」配一个模型。没有本机模型就注册个云端 API Key | 10 分钟 |
| 4 | 建个空白 Chatflow，只放一个「大模型」节点，跑通一次对话 | 10 分钟 |
| 5 | 上传几份文档建知识库，把它挂进应用，问一个只有文档里才有答案的问题 | 30 分钟 |
| 6 | 点「发布」，用 Web 应用访问，把链接发给朋友试试 | 5 分钟 |
| 7 | 再考虑工作流、工具、Agent | — |
🔵 一个提醒
第 3 步是分水岭。很多人卡在这里，以为 Dify 装好了就能用 —— 其实 Dify 本身不提供大模型，你必须先告诉它去哪儿调。这一步不做，后面所有功能都是灰的。
8. 总结
🟣 记住这几条
- Dify 是「大模型应用开发平台」 —— 不写代码，拖节点就能做出 AI 应用
- 它最大的价值是把 RAG 和各种工程细节全包了：文档切块、向量检索、多轮记忆、模型接入、日志监控
- 部署就三步：装 Docker → 下载源码 →
docker compose up -d- 内存是最大的坑：Docker 虚拟机必须给到 8 GB，4 GB 必然 OOM
- 装完必须配模型供应商，否则什么都干不了
- 最危险的是容器项目名撞车：加一行
COMPOSE_PROJECT_NAME=dify隔离
最后回到最开始那个问题 —— Dify 是什么？
它是一个把「大模型」和「能用的产品」之间的那段路，从几千行代码压缩成几次点击的工具。你依然需要理解 RAG、提示词、检索这些概念，但不需要再为"向量库怎么装""文档怎么切""前端怎么画"这些事耗时间了。
🟢 ✅ 本机部署成果（真实数据）
- 15 个容器稳定运行（含 6 个 healthy）
- 镜像共约 11 GB，运行时占用内存约 3 GB
- Docker 29.6.1 / Compose v5.3.0 / Dify v1.17.1
- HTTP 端到端验证通过（307 / 200 / setup finished）
- 已配置 Ollama 本地模型 + 4 个知识库文档 + 2 个可运行应用
配套文档：《Dify 完全入门与实战指南》（概念详解）·《用 Dify 搭建本地知识库-图文教程》·《用 Dify 搭建每日新闻摘要-图文教程》·《把 Dify 知识库集成到自己系统-图文教程》 截图目录：dify-intro-assets/（11 张，均来自本机真实部署）
