Dify：

一个开源的 LLM 应用程序开发平台。提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 AI 原生应用。

主要特点：

1. 工作流程： 在可视化画布上构建和测试强大的 AI 工作流，利用以下所有功能及其他功能。
2. 全面的模型支持： 与来自数十个推理提供商和自托管解决方案的数百个专有/开源 LLM 无缝集成，涵盖 GPT、Mistral、Llama3 和任何与 OpenAI API 兼容的模型。
3. 提示 IDE： 直观的界面，用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能，例如文本转语音。
4. RAG 管道： 广泛的 RAG 功能，涵盖从文档摄取到检索的所有内容，并为从 PDF、PPT 和其他常见文档格式中提取文本提供开箱即用的支持。
5. 代理能力： 您可以根据 LLM Function Calling 或 ReAct 定义代理，并为代理添加预构建或自定义工具。Dify 为 AI 代理提供了 50+ 内置工具，例如 Google 搜索、DALL·E、稳定扩散和 WolframAlpha。
6. LLMOps： 监控和分析一段时间内的应用程序日志和性能。您可以根据生产数据和注释不断改进提示、数据集和模型。
7. 后端即服务： Dify 的所有产品都带有相应的 API，因此您可以毫不费力地将 Dify 集成到您自己的业务逻辑中。

最低设备配置：

• CPU >= 2 Core
• RAM >= 4 GiB

安装

由于这个 Dify 涉及比较多容器和参数，这里我就不做化简了，完全按照官网模板进行部署了

各个容器工作的流程图：

来到 Github 仓库，下载项目到本地

https://github.com/langgenius/dify

解压文件后，进入 docker 目录找到 .env.example 配置文件

编辑器打开，搜索“SSL_PORT”

TIP：

按实际情况修改端口，避免已经被占用

将着 80 和 443 端口改一下

这里也需要对应进行修改

将文件重命名为 .env

在 NAS 的 docker 路径下创建一个 dify 文件夹，将上面的 docker 文件夹复制到这里（只要这个文件夹就行了，其他不用）

点击“新增项目”

填写名称，路径选择 dify 的路径就行（会提示已经有模板文件，选用就行）

勾选“创建项目后立即启动”，点击“确定”

等待构建完成，要等比较久

注意里面每个容器都要正常运行，不然就是有问题（去看对应容器的日志）

使用

浏览器中输入 http://NAS的IP:1880 就能看到界面

这里需要等待初始化完成

启动完成，设置管理员账号

登录管理员账号

成功进入面板

对接模型

点击头像，进入设置

关联教程：

One API 接口管理和分发系统

Ollama 本地大模型框架

选择需要的模型供应商安装就行（有问题刷新网页，多安装几次）

点击可以直接看模型数量（连接 Ollama 好像有点问题，填写信息正确就行了）

创建知识库

添加完模型以后，创建知识库

TIP：

如果“下一步”按钮一直灰色，等一下就好了

按需求选择，这里我导入一个 txt 文本，点击下一步

修改以后，可以点击预览

这里可以选择模型，没有问题就点击“保存并处理”

这样知识库就创建完成了，点击前往

这里还可以不断添加文件

召回测试，这里可以测试文本的命中率

根据需要可以进行调节（这里我就不班门弄斧了）

创建应用

点击创建一个空白应用

可以选择应用模式很多，说实话我也不太会

填写应用名称，点击创建

这里添加之前创建的知识库（不然就和普通调用 API 问答没区别了）

输入问题进行测试

回复效果还是不错的

没有问题就可以点击发布了

更多功能

Dify 的功能非常强大，应该也是目前最多人用的。很多高级功能我是没有用的，这里就简单截图有需要的建议自行部署。

应用模板

模型

工具

Agent 策略

扩展

总结

一开始部署我是觉得挺头大的，感觉这个联动很多应用，这也是我为什么一直没做教程的原因之一。不过成功运行项目，我才发现也没有想象中困难，整个部署过程非常简单。

Dify 之所以这么多人用，用过以后确实觉得实至名归。界面美观大气，操作逻辑清晰，可扩展能力强，生态插件丰富，其他类似的项目和什么和它比。这里推荐一下，如果你也想弄一个知识库，可以考虑部署 Dify 试试，或许你一直找的就是这款应用。

综合推荐：⭐⭐⭐⭐⭐（玩 AI 都应该部署）

使用体验：⭐⭐⭐⭐（界面 UI 和交互逻辑都很不错）

部署难易：⭐⭐⭐（可以说很难，也可以说很简单）︎

初次启动，资源占用情况

运行一段时间后，资源占用情况

那么，如何系统的去学习大模型LLM？

作为一名从业五年的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。

所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。

由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

👉大模型学习指南+路线汇总👈

我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。

👉①.基础篇👈

基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。

👉②.进阶篇👈

接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。

👉③.实战篇👈

实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。

👉④.福利篇👈

最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！