今天带来的是AIAgent 的另外一个流派，可以支持本地化部署的开源 AIAgent 平台Dify。
Dify 是一个开源的 LLMOps（大语言模型运营）平台，它允许开发者能够在本地快速创建和部署 AI 应用。
Dify 和 Coze 类似，也是通过可视化的方式进行 AI 应用构建，而且支持多种大语言模型，包含 GPT-3.5 、 GPT-4 等，同时，Dify 的另外一大优势是能接入本地化部署的大语言模型。
在应用提供上，Dify 还提供了API 接口，可以让用户非常方便的将 AI 应用集成到其他系统。在 Dify 内，还内置了数据集管理和大模型微调功能，在本地知识库管理和配置上，比 Coze 还多了保密和私有化应用的优势。
对于AI 应用的初学者，Dify 平台的使用可以让大家更加深入了解 AI 平台的工作原理，同时，提供了将想法快速转变成 MVP 应用实践的渠道。
那么，如何进行 Dify 的本地化部署，我这里边整理边同步给大家。
简单说一下我的电脑配置：MacBookAir M1 芯片，8G+512G；
当然，如果您不想自己部署，只想体验一下，官方提供了一定的免费额度，不过额度有限，文档上传限制了 50 个，而且 RAG 的向量空间也只有 5MB 。
在线体验地址：https://dify.ai/
1-安装 Docker
先安装Docker ，Docker 是一个开源的应用容器引擎，它允许开发者打包应用以及应用的依赖环境到一个可移植的容器中。
大白话理解就是， Docker 就像一辆房车，你生活所需要的所有物品（和它需要的东西）都装进这台房车中。这样，无论你开车到哪里（不管在哪个电脑上），你都能正常的生活（软件就能正常工作）。
打开 Docker 官网(https://www.docker.com/)，根据你的操作系统下载对应的安装包，然后傻瓜式无脑安装即可。
2-Dify 私有化部署
接下来，看一下如何本地化部署。
先提供必要信息：
开源地址：https://github.com/langgenius/dify
官方文档：https://docs.dify.ai/v/zh-hans
将 dify 的源码克隆到本地。
1 、打开应用台，输入 Terminal
2 、输入这段指令：git clone https://github.com/langgenius/dify.git
3-打开 Dify
完成后，进入 Docker 目录。在刚才打开的 Terminal 内输入以下指令。
cd dify/docker
cp .env.example .env
docker compose up -d
然后，在你的 Docker 里，你就能看到这样的目录。
在你的浏览里里输入http://localhost，就能看到这样的界面：
第一次登录，设置一下管理员账号。完成设置后，浏览器会自动跳转到登录页面，输入用户名和密码就能进入Dify 工作台。
4-创建第一个 Dify Agent
Dify 的创建应用类型包含聊天助手、 Agent 和工作流。创作应用的方式，可以直接创建一个空白应用，也可以从应用模板力创建，或者获取到其他大佬已经创建好的 Dify 文件，直接导入。
我个人总结出来的学习方法，可以直接从别人的模板开始入手，能够了解 Dify 工作流的主要构成，先有了宏观架构，再进行探索。
这里，我选择了从应用模板创建工作流，选择了一个“ 问题分类-知识-聊天机器人 ”模板。
如果是已经玩过 Coze 的同学，看到这个界面，会非常的熟悉。
接下来，配置 LLM 大模型。
点击右上角的个人账户下的“设置”。
然后点击左侧工作空间的“模型供应商”。
可以看到，Dify 支持非常丰富的大模型（这点比 Coze.cn 好）。
除了支持海外的大模型，Dify 几乎都能接入国内的大模型。包含讯飞星火、通义千问、文心一言，还有我特别喜欢的 Kimi 。
接下来，看一下如何配置大模型，以 kimi为例。
到 kimi 的 api key 页面找到你的 key ，地址：https://platform.moonshot.cn/console/info。
拷贝完成后，贴到这里来。
回到工作流模板中，将 ChatGPT3.5 替换成刚才配置好的 kimi 。
测试一下工作流能否正常执行。
好的，到这里，Dify 的本地化部署完成了。可以开始您的 Dify 之旅了。
Enjoy it, have fun!
喜欢，就抬起你的小手，点个再看吧。