Dify 5 分钟跑通4 条命令部署你的第一个 LLM 应用平台【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/difyDify 是一个开源的 LLM 应用开发平台把 AI 工作流、RAG 知识库、Agent 能力和模型管理放进同一个界面。不用写胶水代码配好一个模型 API 密钥就能搭出一个能跑、能发布的 AI 应用。先上手完整走一遍下面是最常见的自部署路径跟着做中途卡住的地方我也标出来了。先确认本地环境。做什么Dify 要求 CPU 至少 2 核、内存至少 4 GiB并装好 Docker 以及 Docker Composev2.24.0 及以上。会看到什么终端里docker compose version能正常输出版本号。容易卡在哪很多机器装的是旧版 Compose 或压根没装 Docker这一步没过后面全白搭。克隆仓库并进入部署目录。做什么git clone https://gitcode.com/GitHub_Trending/di/dify cd dify cd docker会看到什么docker目录里有一个docker-compose.yaml和一个.env.example文件。容易卡在哪直接对着仓库根目录敲命令找不到.env.example——它只在docker目录里。生成配置文件并启动容器。做什么cp .env.example .env docker compose up -d会看到什么终端滚出一串容器启动日志稍等一两分钟。容易卡在哪端口被占用、或首次拉取镜像比较久别以为卡死了就关掉日志停在某个服务反复重启时优先看该服务的日志。打开初始化页面。做什么浏览器访问http://localhost/install按向导创建你的账号随后进入控制台。会看到什么左侧是导航栏中间是 Studio 应用列表。容易卡在哪忘记账号密码——它是后面所有操作的身份现在就记好。在 Studio 里创建第一个应用。做什么新建应用选 Chatbot、Agent、Workflow 或文本生成这类模板左侧配置模型和提示词右侧即时对话预览。会看到什么你输入的指令立刻有回复。容易卡在哪应用创建后没有可选项、模型列表是空的——回到模型供应商设置里填好 API 密钥再回来。它到底强在哪工作流可视化编排在画布上把 LLM、知识检索、条件分支、代码节点拖出来连成线就能定义 AI 应用的完整逻辑改完当场点测试不用写一行胶水代码。整个编排画布就像拼电路每个节点是一块元件连线就是电流走向通电就能跑。模型随便换内置对接数百个 LLM 提供商和推理方案OpenAI、Anthropic、Gemini、Llama 系列都在列连本地跑的 Ollama、LocalAI 也支持。换供应商不用改应用结构只改密钥。RAG 管线开箱即用从文档入库到检索回答整条链路都做好了PDF、PPT 等常见格式直接上传就能被问答不用自己搭向量库、写检索逻辑。换成你的场景给公司搭内部文档问答。你是 HR 或知识库负责人员工天天问同样问题。把制度、手册上传成知识库建一个 Chatbot员工自助提问、机器人按文档作答你只负责维护文档本身。快速验证一个 AI 想法。产品经理或独立开发者想试AI 行程规划简历润色这类点子。用 Agent 模式挂上现成工具用 Chatbot 模式写提示词当天就能拿一个能演示的原型去和老板或用户聊值不值得立项先有东西说话。把 AI 能力接到现有系统。你是开发者不想把 AI 逻辑写死在业务代码里。Dify 的每个功能都带对应 APIBackend-as-a-Service你的后端调接口Dify 负责编排和模型调用两边解耦。让体验更好的几个细节调试窗口逐节点看Workflow 跑起来后点进任意节点能单独看它的输入、输出和耗时Test Run 的 DETAIL 页签。定位到底哪一步跑歪了不用再整条流程重跑。Agent 有 50 多个内置工具Google Search、DuckDuckGo、Wikipedia、DALL·E 等勾选即用Agent 会自动决定何时调用不想用内置的还能自定义工具接入。LLMOps 日志每次运行的日志、耗时、token 消耗都能持续追踪你可以基于真实生产数据和标注回头改提示词、换模型、调知识库。发布前开关功能Chatbot 右侧面板里的开场白、语音转文本、文件上传、内容审核都是独立开关按需勾选不用为了一个功能写代码。技术上值得一提Dify 通过 Docker Compose 一条命令拉起整套服务Nginx、API、Worker、向量库等都在docker目录的编排文件里部署门槛低所有能力同时提供 API既能自己部署也能嵌进现有业务逻辑里用。下一步本地部署按上面 5 步执行访问http://localhost/install开始。官方文档docs/ADVANCED_SETUP.md 覆盖自定义配置、可观测性和高级部署选项。想参与开发先读 CONTRIBUTING.md社区仓库地址https://gitcode.com/GitHub_Trending/di/difyIssues 区随时提反馈。从一条docker compose up -d开始你的第一个 AI 应用今天就能跑起来——这也是 Dify 名字里imagine, if想表达的起点。【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Dify 5 分钟跑通：4 条命令部署你的第一个 LLM 应用平台
Dify 5 分钟跑通4 条命令部署你的第一个 LLM 应用平台【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/difyDify 是一个开源的 LLM 应用开发平台把 AI 工作流、RAG 知识库、Agent 能力和模型管理放进同一个界面。不用写胶水代码配好一个模型 API 密钥就能搭出一个能跑、能发布的 AI 应用。先上手完整走一遍下面是最常见的自部署路径跟着做中途卡住的地方我也标出来了。先确认本地环境。做什么Dify 要求 CPU 至少 2 核、内存至少 4 GiB并装好 Docker 以及 Docker Composev2.24.0 及以上。会看到什么终端里docker compose version能正常输出版本号。容易卡在哪很多机器装的是旧版 Compose 或压根没装 Docker这一步没过后面全白搭。克隆仓库并进入部署目录。做什么git clone https://gitcode.com/GitHub_Trending/di/dify cd dify cd docker会看到什么docker目录里有一个docker-compose.yaml和一个.env.example文件。容易卡在哪直接对着仓库根目录敲命令找不到.env.example——它只在docker目录里。生成配置文件并启动容器。做什么cp .env.example .env docker compose up -d会看到什么终端滚出一串容器启动日志稍等一两分钟。容易卡在哪端口被占用、或首次拉取镜像比较久别以为卡死了就关掉日志停在某个服务反复重启时优先看该服务的日志。打开初始化页面。做什么浏览器访问http://localhost/install按向导创建你的账号随后进入控制台。会看到什么左侧是导航栏中间是 Studio 应用列表。容易卡在哪忘记账号密码——它是后面所有操作的身份现在就记好。在 Studio 里创建第一个应用。做什么新建应用选 Chatbot、Agent、Workflow 或文本生成这类模板左侧配置模型和提示词右侧即时对话预览。会看到什么你输入的指令立刻有回复。容易卡在哪应用创建后没有可选项、模型列表是空的——回到模型供应商设置里填好 API 密钥再回来。它到底强在哪工作流可视化编排在画布上把 LLM、知识检索、条件分支、代码节点拖出来连成线就能定义 AI 应用的完整逻辑改完当场点测试不用写一行胶水代码。整个编排画布就像拼电路每个节点是一块元件连线就是电流走向通电就能跑。模型随便换内置对接数百个 LLM 提供商和推理方案OpenAI、Anthropic、Gemini、Llama 系列都在列连本地跑的 Ollama、LocalAI 也支持。换供应商不用改应用结构只改密钥。RAG 管线开箱即用从文档入库到检索回答整条链路都做好了PDF、PPT 等常见格式直接上传就能被问答不用自己搭向量库、写检索逻辑。换成你的场景给公司搭内部文档问答。你是 HR 或知识库负责人员工天天问同样问题。把制度、手册上传成知识库建一个 Chatbot员工自助提问、机器人按文档作答你只负责维护文档本身。快速验证一个 AI 想法。产品经理或独立开发者想试AI 行程规划简历润色这类点子。用 Agent 模式挂上现成工具用 Chatbot 模式写提示词当天就能拿一个能演示的原型去和老板或用户聊值不值得立项先有东西说话。把 AI 能力接到现有系统。你是开发者不想把 AI 逻辑写死在业务代码里。Dify 的每个功能都带对应 APIBackend-as-a-Service你的后端调接口Dify 负责编排和模型调用两边解耦。让体验更好的几个细节调试窗口逐节点看Workflow 跑起来后点进任意节点能单独看它的输入、输出和耗时Test Run 的 DETAIL 页签。定位到底哪一步跑歪了不用再整条流程重跑。Agent 有 50 多个内置工具Google Search、DuckDuckGo、Wikipedia、DALL·E 等勾选即用Agent 会自动决定何时调用不想用内置的还能自定义工具接入。LLMOps 日志每次运行的日志、耗时、token 消耗都能持续追踪你可以基于真实生产数据和标注回头改提示词、换模型、调知识库。发布前开关功能Chatbot 右侧面板里的开场白、语音转文本、文件上传、内容审核都是独立开关按需勾选不用为了一个功能写代码。技术上值得一提Dify 通过 Docker Compose 一条命令拉起整套服务Nginx、API、Worker、向量库等都在docker目录的编排文件里部署门槛低所有能力同时提供 API既能自己部署也能嵌进现有业务逻辑里用。下一步本地部署按上面 5 步执行访问http://localhost/install开始。官方文档docs/ADVANCED_SETUP.md 覆盖自定义配置、可观测性和高级部署选项。想参与开发先读 CONTRIBUTING.md社区仓库地址https://gitcode.com/GitHub_Trending/di/difyIssues 区随时提反馈。从一条docker compose up -d开始你的第一个 AI 应用今天就能跑起来——这也是 Dify 名字里imagine, if想表达的起点。【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考