学过Coze,不妨玩玩Dify?萌新友好的本地部署图文指南

大模型向量数据库容器

关注我~第一时间学习如何更好地使用AI。

重要的不是我们是否会被AI替代,

而是我们要比被替代的人更懂AI。

俗话说得好,技多不压身,周末我在家折腾了一下Dify ,感觉Windows下部署Dify社区版,对于非技术背景的小伙伴来说还是有些坑的。于是我把相关的过程大致记录了一下,整理成了一份图文指南供感兴趣的朋友参考。

Dify与我们前期介绍过的Coze本质上是同一类产品,他们最大的特点都是能让用户通过可视化的方式来编排AI工作流,从而搭建满足自身需求的各种AI智能体、应用。

AI工作流编排手把手指南之三:Coze智能体的工作流

那么,既然已经有Coze了,为什么还要折腾Dify呢?对我来说,最主要的原因是Dify作为开源软件可以免费部署到本地电脑上,再结合ollama调用本地模型的话,就可以解决AI应用开发和使用过程中的数据隐私、合规及安全性问题。

当然,其他的差异还很多,我让DeepSeek帮忙检索总结了一下,供大家参考感受:

picture.image

言归正传,鉴于Dify官方推荐使用docker、docker compose等工具来部署Dify,而Docker官方又推荐使用Docker Desktop,因此,我们首先需要让Docker Desktop跑起来。

虽然根据Docker Desktop文档,以及安装过程中的提示,我都有看到说Docker Desktop可以自动完成所需要的WSL2相关的配置与更新。但实操下来,总是会出点小错,所以我觉得还是先手动装一下比较稳,本来也不是很复杂。

所以,我会先从Windows环境下如何手动开启WSL并安装必要的Linux发行版开始,一步一步给大家讲解Dify 社区版的本地部署。

手动在Windows下启用并更新WSL

1.确认CPU虚拟化开启

确认电脑已开启CPU虚拟化方法是:在桌面下方【任务栏】上右键,点击打开【任务管理器】。

picture.image

点击左侧【性能】标签,查看右下方的【虚拟化】是否为已启用。如果显示未开启,需要修改电脑的BIOS设置。鉴于未开启的可能性很低,如果大家真遇到了,可以直接咨询AI处理,这里不再赘述。

picture.image

2.确认相关Windows功能启用

点击Windows搜索栏(就是那个放大镜按钮),搜索【功能】,然后点击【启用或关闭Windows功能】。

picture.image

然后找到下列两个功能确认已勾选:

  • • 虚拟机平台(Virtual Machine Platform)
  • • 适用于Linux的Windows子系统

【注意!!】新启用时,需要重启电脑,注意保存重要文件。

picture.image

3.更新WSL并安装Ubuntu

首先,以管理员身份打开cmd或者powershell,输入wsl --update并回车,完成wsl的更新。如果进展缓慢,可以如下图所示在后面加上--web-download 的指令.

picture.image

然后,输入wsl --install Ubuntu --web-download,下载安装Ubuntu。

picture.image

最后,再输入wsl --list -v验证一下,如果能看到下图信息,就说明OK了。

picture.image

安装Docker Desktop

Docker Desktop的安装很简单。至官网:

https://docs.docker.com/desktop/setup/install/windows-install/#wsl-2-backend

下载并安装Docker Desktop。

【注意!】安装完成后会自动重启,请务必在安装前保存重要文件。

picture.image

如果您按我们之前的指南完成了WSL的更新和Ubuntu的安装,那Docker Desktop后面的安装设置就一路默认OK即可.

安装完成后,进入Docker Desktop。它会让你注册或登录已有账号,但实测也可以选择不登录账号的方式进入。

总之只要Docker Engine能够正常running,那就OK了。

picture.image

本地部署Dify

1.下载Dify源代码

这里默认大家不会使用git,所以请至这个地址:

https://github.com/langgenius/dify

手动下载压缩包,然后在自己指定的项目目录下解压缩:

picture.image

2.配置和启动 Dify 的容器化环境

确保Docker Desktop的Engine是running状态。

接着,以管理员身份运行powershell,使用cd命令进入Dify源代码文件夹中的docker目录下(这步新手很容易错):

picture.image

然后依次输入以下命令并回车:

  
cp .env.example .env  
docker compose up -d

于是,docke就会开始拉取Dify所需的相关镜像文件。

picture.image

当看到以下状态,就说明拉取完成了。

picture.image

同时,在Docker Desktop中也能看到对应的container已经激活:

picture.image

进入Dify的世界

完成前述步骤后,通过浏览器访问链接:

http://localhost/install

一开始你会看到一个设置管理员信息的页面,输入邮箱、用户名、密码即可。

picture.image

设置完后,就会跳转到登陆页面,输入邮箱和密码,我们就正式进入Dify的世界啦~~

picture.image

当大家要退出Dify时,除了关掉网页,还需要记得点击下图中的Action,停掉Docker Desktop中的container。

picture.image

同理,要重新使用Dify时,需要先打开Docker Desktop,确保Container正常运行。

好了,以上就是本期的主要内容,今天先让大家能用上Dify,后期再一起探索具体如何在Dify中编排工作流,搭建AI应用。大家可以先自行探索一下,祝玩得开心~!

—— END——

往期精华:

1.MCP使用

【效率翻倍】Obsidian自动待办清单实现:MCP联动Prompt保姆级教程(萌新3分钟上手)

萌新靠MCP实现RPA、爬虫自由?playwright-mcp实操案例分享!

想玩玩极简版AI Agent?MCP就够了!手把手教你用Cherry Studio整活~

高德、彩云MCP全体验:让Cherry Studio化身私人小助理的喂饭版指南!

2.Workflow编排

AI工作流编排手把手指南之一:Coze智能体的创建与基本设置

AI工作流编排手把手指南之二:Coze智能体的插件添加与调用

AI工作流编排手把手指南之三:Coze智能体的工作流

3.Prompt设计

打工人看了流泪的Prompt设计原理,如何用老板思维让AI一次听懂需求?

不会Prompt还敢说自己会用DeepSeek?别怕!10分钟让你成为提示大神!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论