Dify 开源 LLM 应用平台部署教程：零基础 Docker Compose 复现全流程

信息来源：Dify GitHub README / docs.dify.ai 原生部署逻辑
部署方式：官方 Docker Compose 方案
对应版本：Dify v1.18.0（2026-10-23 发布）

Dify 是目前开源圈里最"完整"的 LLM 应用开发平台之一——它把可视化工作流编排、RAG 知识库、Agent 构建、多模型接入这四件事做进了同一个控制台，应用既可以发布成 API 给后端调用，也可以直接生成 WebApp 交给前端嵌入。相比自己用 LangChain 拼一套，Dify 省掉的是"胶水代码"那几十小时；相比 Coze 这种闭源平台，它胜在数据完全在自己手里。

本文严格对照官方仓库的 docker/ 目录，走一遍从克隆、配置 .env、启动容器、初始化管理员、接入模型供应商，到创建第一个 RAG 应用的全过程，并在每个环节标注官方文档里明确写过的坑。

一、项目介绍

Dify 的核心是一套「应用（App）」抽象。每个应用有三种典型形态：

• Chatflow（对话流）：多轮对话 + 知识库检索，最常见的客服 / 问答机器人形态；
• Workflow（工作流）：纯流程编排，无对话历史，适合文档处理、批量生成这类任务；
• Agent（智能体）：给 LLM 挂上工具（搜索、代码执行、HTTP 请求），让它自主决策下一步。

底层支撑则是四大件：

1. 可视化编排画布：拖拽节点连线就能定义 LLM 调用链路，不必写胶水代码；
2. RAG 引擎：文档上传后自动分段、向量化、索引，检索时按相似度召回；
3. 多模型供应商：OpenAI / Anthropic / 通义千问 / 文心一言 / 智谱 / Gemini / Ollama 等统一在设置页配置；
4. 应用发布：一键生成 API Key 与调用示例，也可打包成嵌入前端的小组件。

二、功能拆解

• 可视化 Prompt 编排与工作流画布（节点式拖拽）
• 多模型接入（OpenAI / Anthropic / Ollama / 通义 / 文心 / 智谱 / Gemini 等）
• 知识库文档向量化检索（RAG），支持分段预览与召回测试
• 应用发布为 API / 可嵌入 WebApp，支持分享链接
• 多用户管理、工作空间隔离、对话日志追踪与标注反馈
• 插件体系（Plugin Daemon）扩展模型与工具
• 沙箱（Sandbox）执行用户代码，SSRF 代理隔离出站请求

三、官方 / GitHub 链接

• GitHub：https://github.com/langgenius/dify
• 官方文档：https://docs.dify.ai
• 环境变量参考：https://docs.dify.ai/en/getting-started/install-self-hosted/environment-variables
• 常见部署问题：https://docs.dify.ai/en/getting-started/install-self-hosted/common-issues

四、环境要求

官方当前对自部署的最低要求如下：

需要提前准备：Git、curl、jq（用于拉取最新 release 标签），以及至少一个可用的模型 API Key，或本机已跑起来的 Ollama。

五、部署步骤

步骤 1：克隆仓库

官方推荐直接检出最新 release 标签，而不是跟随 main 分支：

git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git
cd dify/docker

如果机器上没有 jq，直接 git clone https://github.com/langgenius/dify.git 拉 main 分支也能跑，但生产环境建议锁定 release 标签。

步骤 2：准备环境变量

cp .env.example .env

这是最关键的一步。.env.example 里大量配置是空值或默认值，直接启动等于把密钥暴露在公网上。

必须修改的核心项：

# 1. 应用密钥（必须改成随机值，否则会话可被伪造）
SECRET_KEY=改成随机字符串
# 生成方式：openssl rand -base64 42

# 2. 数据库密码（默认是 difyai123456，人人皆知）
DB_PASSWORD=改成你自己的强密码

# 3. Redis 密码
REDIS_PASSWORD=改成你自己的强密码

# 4. 首次安装的管理员密码（不设则 /install 页面任何人可抢注）
INIT_PASSWORD=设置初始管理员密码

INIT_PASSWORD 是官方文档特别强调的一项：如果服务器在管理员创建前就暴露在公网，另一个访问者可能抢先注册第一个账号。设了它，/install 页面就需要凭密码才能进入。

关于向量库与存储的默认值：

VECTOR_STORE=weaviate      # 默认内置 Weaviate，可换 qdrant / pgvector / milvus 等
STORAGE_TYPE=opendal       # 默认 opendal，附件落在本地卷

步骤 3：启动服务

docker compose up -d
docker compose ps

默认启动的服务集由 .env 里的这一行决定：

COMPOSE_PROFILES=${VECTOR_STORE:-weaviate},${DB_TYPE:-postgresql},collaboration

也就是 db_postgres、weaviate、api_websocket 这些带 profile 的服务会被自动拉起。docker compose ps 里 init_permissions 显示 Exited 是正常现象——它是一次性初始化任务，跑完就退出。其余容器应当是 Up 或 healthy。

初次拉镜像比较久（包含向量库和 Postgres），耐心等几分钟。

步骤 4：初始化管理员

浏览器打开 http://你的服务器IP/install，设置邮箱和密码，创建第一个管理员账号。

注意端口由 EXPOSE_NGINX_PORT（默认 80）和 NGINX_PORT（默认 80）共同决定，被占用就改 EXPOSE_NGINX_PORT=8080，然后访问 http://你的服务器IP:8080/install。

步骤 5：接入模型供应商

进入「设置 → 模型供应商」：

• OpenAI / Anthropic / 通义千问 / 智谱：填 API Key 即可；
• 本地 Ollama：如果 Ollama 跑在宿主机上，Base URL 填 http://host.docker.internal:11434，并确认 Ollama 监听 0.0.0.0：

sudo systemctl edit ollama
# 加入：[Service]
# Environment="OLLAMA_HOST=0.0.0.0:11434"
sudo systemctl restart ollama

步骤 6：创建第一个 RAG 应用

1. 「知识库」→ 新建知识库 → 上传文档（支持 PDF / Word / Markdown / TXT 等）；
2. 选择分段策略与索引方式（高质量 / 经济），等待向量化完成；
3. 「工作室」→ 创建应用 → 选 Chatflow → 挂上刚才的知识库 → 调好 Prompt；
4. 预览调试，确认能正确召回片段后再发布。

六、配置文件全部参数解释

Dify 的配置分两层，理解这一点能省很多困惑：

• docker/.env：必填项，放核心配置（数据库、Redis、密钥、对外 URL）；
• docker/envs/**：可选项，按模块拆分的模板文件（如 envs/vectorstores/qdrant.env.example）。只在需要某个可选组件时才复制对应模板、去掉 .example 后缀再改。

读取优先级：.env 优先于 envs/*.env。

常用 URL 变量（留空时单域名 Nginx 部署可自动探测）：

如果 OAuth 回调跳到了错误地址，或者发布的应用表单里出现 localhost，基本都是这几个变量没配对。

七、对公网暴露与 HTTPS

生产环境不要直接用明文 HTTP 暴露控制台。Compose 项目自带 Nginx 与 Certbot 配置：

# 单域名 + 自动签证书
certbot --nginx -d your-domain.com

同时务必把 .env 里的对外 URL 从 IP / localhost 改成真实域名，否则生成的链接依然指向内网。

八、功能实操教程

以「把一篇文档变成可问答的知识库」为例的最小闭环：

用户提问
  → LLM 意图判断（是否需要检索）
  → 知识库检索（按向量相似度召回 top-k 片段）
  → LLM 结合上下文生成答案
  → 引用来源标注

在画布上就是「开始 → LLM → 知识检索 → LLM → 结束」四个节点连起来的线。把 Prompt IDE 里调好的提示词固化到 LLM 节点，再从「发布 → API 访问」拿到应用密钥：

curl -X POST http://your-domain.com/v1/chat-messages \
  -H "Authorization: Bearer app-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "inputs": {},
    "query": "Dify 的向量库默认用哪个？",
    "user": "user-123",
    "response_mode": "blocking"
  }'

这样你就拥有了一个自己托管的、可被任意后端调用的问答接口。

九、全套报错故障排查

排查顺序建议：先 docker compose ps 看容器状态，再 docker compose logs -f --tail=200 看最近日志，不要盲改。

十、升级、回滚与卸载

每次升级都要当成一次配置变更来做，Dify 官方也这样强调。标准流程：

cd dify/docker
# 1. 备份数据卷
docker compose down
sudo tar -czf ~/dify-backup-$(date +%Y%m%d).tar.gz ./volumes/

# 2. 拉取新版本代码
git pull origin main
# 或重新 clone 目标 release 标签

# 3. 比对新旧 .env.example，把新增变量补进本地 .env
# 官方提供了 dify-env-sync.sh 辅助：先做带时间戳的备份，
# 再把新增变量追加进去且不覆盖已有值——但输出仍需人工复核

# 4. 重建
docker compose pull
docker compose up -d

回滚：切回上一个 release 标签，同时把 .env 和 volumes/ 一起还原。只回滚代码不回滚数据卷，新版本写入的数据结构可能让旧版本读不了。

卸载：

docker compose down -v      # -v 会删除数据卷，慎用
sudo rm -rf dify/volumes/

十一、商用许可与合规风险提示

Dify 采用的是修改版 Apache 2.0（Open Source License），除 Apache 2.0 的常规条款外，额外加了两条限制，商用前务必确认：

1. 多租户限制：除非获得 Dify 官方书面授权，不能用 Dify 源码搭建多租户环境。Dify 语境下一个租户 = 一个 workspace。
2. LOGO 与版权信息：使用 Dify 前端时，不得移除或修改控制台及应用中的 LOGO 与版权信息；仅使用后端 API 而不涉及前端的场景不受此限。

此外还有两条对贡献者的约定：官方可以调整开源协议的宽松/严格程度；你贡献的代码可能被用于官方商业业务（包括其云业务）。

另需注意：交互设计部分受外观设计专利（appearance patent）保护。

商用部署前建议：确认你的使用模式是否为多租户、是否对外提供 Dify 前端。这两条踩线的场景都需要走官方商业授权。

参考链接

• 官方仓库：https://github.com/langgenius/dify
• 官方文档：https://docs.dify.ai
• Docker 部署说明：https://docs.dify.ai/en/getting-started/install-self-hosted/docker-compose
• 环境变量参考：https://docs.dify.ai/en/getting-started/install-self-hosted/environment-variables
• 常见问题排查：https://docs.dify.ai/en/getting-started/install-self-hosted/common-issues
• License 全文：https://github.com/langgenius/dify/blob/main/LICENSE