Dify 自托管实战指南从 Docker 一键部署到生产级 LLM 应用开发平台【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 应用开发平台将 AI 工作流、RAG 流水线、Agent 能力、模型管理、可观测性等能力整合在同一个工作区中帮助团队从原型快速走向生产。本篇基于 Dify 仓库中的法语版项目说明文档 docs/fr-FR/README.md完整继承其核心功能清单与快速启动步骤并结合 docker/docker-compose.yaml、docker/.env.example 等仓库源码配置进行纵深展开。读完本文你将掌握 Dify 的七大核心能力、Docker Compose 一键部署的完整操作步骤、关键环境变量参数的含义以及面向生产的可观测性与 Kubernetes/多云部署进阶路线。平台定位从原型到生产的 LLM 应用开发平台Dify 的核心价值在于用一套协作式工作区同时承载“构建”与“运营”两类诉求开发者在可视化的界面上编排 AI 应用而平台侧内置了日志、监控与持续改进机制使应用可以持续从生产数据中获益。官方提供三种使用形态Dify Cloud官方托管服务开箱即用无需任何配置。它提供与自托管版本完全一致的能力沙盒计划plan bac à sable中包含 200 次 GPT-4 免费调用额度。Dify Community Edition社区版自托管通过下文的快速启动章节在自己的环境中拉起完整服务栈适合有数据合规或私有化诉求的团队。企业版在社区版之上提供面向企业的额外功能可通过商务渠道businessdify.ai洽谈需求。七大核心能力详解以下功能清单完整继承自项目说明文档并补充仓库内的实现位置作为佐证。1. 可视化工作流Flux de travail在可视化画布上构建和测试强大的 AI 工作流并可组合使用下文介绍的全部能力。工作流引擎的后端实现位于 api/core/workflow 目录配合 api/tasks/workflow_execution_tasks.py 等异步任务完成工作流的实际执行Docker 部署栈中的worker与worker_beat容器即负责承载这些异步工作负载见 docker/docker-compose.yaml 中的worker、worker_beat服务定义。2. 全面的模型支持Prise en charge complète des modèlesDify 与数十家推理服务供应商和自托管方案提供的数百个开源/闭源 LLM 无缝集成覆盖 GPT、Mistral、Llama 3 以及所有兼容 OpenAI API 的模型。上图中展示了部分受支持的模型提供商 LogoOpenAI、Anthropic、Azure OpenAI、Gemini、Ollama、ChatGLM、智谱、文心等。模型接入的管理面实现位于 api/core/model_manager.py 与 api/core/provider_manager.py模型供应商的插件形态则存放在 api/providers 目录按 trace 与 vdb 两类组织。3. Prompt 集成开发环境IDE de prompt提供直观的界面来编写 Prompt、对比不同模型的表现并为基于对话的应用追加语音合成等附加功能。对应实现可见 api/core/promptPrompt 模板与组装逻辑以及 api/services/advanced_prompt_template_service.py。4. RAG 流水线Pipeline RAG覆盖从文档摄取ingestion到检索retrieval的完整 RAG 能力链并内置对 PDF、PPT 等常见文档格式的现成文本抽取支持。RAG 的核心实现集中在 api/core/rag 目录约 100 个源文件涵盖文档解析、切片、索引、检索等文档索引任务由 api/tasks/document_indexing_task.py、api/tasks/add_document_to_index_task.py 等 Celery 任务驱动。5. Agent 能力Capacités dagent支持基于 LLM Function Calling 或 ReAct 范式定义 Agent并可为 Agent 添加预置或自定义工具。Dify 提供 50 多个供 AI Agent 使用的内置工具例如 Google 搜索、DALL·E、Stable Diffusion、WolframAlpha 等。从源码结构看内置工具的代码骨架位于 api/core/toolsapi/core/tools/tool_manager.py工具的注册与分发入口api/core/tools/builtin_tool/providers当前仓库内直接内置的提供商包括audioTTS/ASR见 api/core/tools/builtin_tool/providers/audio/tools/tts.yaml、code代码执行、time时间类工具、webscraper网页抓取其余如 Google 搜索、DALL·E 等工具从部署栈看通过plugin_daemon插件守护进程以插件形式分发——docker/docker-compose.yaml 中定义了独立的plugin_daemon服务api 容器通过它调用 LLM 与插件见下图中的 “invoke LLM / invoke plugin” 箭头。6. LLMOps 可观测性随时间监控和分析应用日志与运行表现基于生产数据和人工标注持续优化 Prompt、数据集与模型。相关能力分布在 api/services/ops_service.py运维与用量统计、api/core/logging结构化日志以及 api/core/telemetry遥测。7. Backend-as-a-ServiceDify 的每一项能力都配有对应的 API便于把 Dify 直接嵌入你自己的业务逻辑。API 层实现可见 api/controllers按 console、web、service_api、openapi 等分组对外接口文档的生成工具位于 api/dev/generate_fastopenapi_specs.py。快速启动Docker Compose 一键部署系统最低要求安装前务必确认CPU ≥ 2 核RAM ≥ 4 GB启动 Dify 最简单的方式是运行仓库提供的 docker/docker-compose.yaml。执行安装命令前请确认机器上已安装 Docker 与 Docker Composecd docker cp .env.example .env docker compose up -d执行成功后在浏览器访问http://localhost/install即可进入 Dify 安装/初始化页面开始初始化流程。部署栈拓扑compose 文件里到底起了哪些服务从 docker/docker-compose.yaml 的服务定义可以确认默认部署栈包含以下核心容器按请求链路组织服务角色nginx统一入口网关分发 web 资源、/api、/files、endpoint 请求web前端Dify 控制台与 WebApp由 web 目录构建apiFlask 后端主服务api/app.py、api/app_factory.py端口 5001worker/worker_beatCelery 异步任务与定时调度RAG 索引、工作流执行等db_postgres主数据库redis缓存与消息队列sandbox/local_sandbox代码节点执行沙箱plugin_daemon插件守护进程承载 LLM/工具插件调用ssrf_proxySSRF 防护代理certbotHTTPS 证书申请配合 nginx此外compose 模板还预置了多种向量库选项包括weaviate、qdrant、pgvector、chroma、opensearch、oceanbase、seekdb、myscale、oracle等可按需启用不同后端。关键环境变量说明默认部署只需复制 docker/.env.example 为.env。该文件头部注释明确说明其设计原则“只包含服务启动所必需的变量可选与供应商相关的变量位于docker/envs/目录需要时把对应的*.env.example去掉.example后缀复制到其旁边docker/.env中的值优先于docker/envs/*.env”。核心变量摘录如下变量默认值说明CONSOLE_API_URL/CONSOLE_WEB_URL空控制台 API 与前端对外 URL生产环境建议显式设置SECRET_KEY空自动生成留空时会自动在存储目录生成一个持久化密钥INIT_PASSWORD空初始化安装页的访问口令DEPLOY_ENVPRODUCTION部署环境标识MIGRATION_ENABLEDtrue启动时是否执行数据库迁移LOG_LEVEL/LOG_OUTPUT_FORMATINFO/text日志级别与输出格式LOG_FILE/LOG_FILE_MAX_SIZE/LOG_FILE_BACKUP_COUNT/app/logs/server.log/20/5日志文件、单文件大小与备份份数SERVER_WORKER_AMOUNT/SERVER_WORKER_CLASS1/geventFlask gunicorn worker 数量与类型OPENAI_API_BASEhttps://api.openai.com/v1OpenAI 兼容接口基址ENABLE_COLLABORATION_MODEtrue是否启用协作模式从COMPOSE_PROFILES移除collaboration可停用专用 websocket 服务CHECK_UPDATE_URLhttps://updates.dify.ai版本更新检查地址完整的可选变量各向量库、邮件 SMTP、模型供应商等位于 docker/envs 目录按主题拆分为多个*.example文件。进阶配置与生产化部署项目说明文档的“Prochaines étapes”章节指向 docs/fr-FR/ADVANCED_SETUP.md该文档给出了完整的进阶路线要点如下自定义配置以 docker/.env.example 中的注释为准更新.env中的值必要时还需修改 docker/docker-compose.yaml 本身镜像版本、端口映射、卷挂载等修改后重新执行docker compose up -d。Grafana 指标监控把 Dify 的 PostgreSQL 数据库作为数据源导入 Grafana 仪表板即可按应用、租户、消息等粒度监控运行指标文档中列出了社区贡献的仪表板项目。Kubernetes 部署社区提供了多个 Helm Chart 与 YAML 方案包括 douban charts、dify-helm、ai-charts 等可搭建高可用配置。Terraform 一键上云文档列出了 Azure Globaldify-azure-terraform与 Google CloudDeNA/dify-google-cloud-terraform两套 Terraform 方案。AWS CDK提供基于 EKSaws-samples/solution-for-deploying-dify-on-aws与基于 ECSaws-samples/dify-self-hosted-on-aws两种 CDK 部署方案。其他云与工具阿里云Computing Nest、DMS 一键部署、Sealos App Store 一键部署、Azure DevOps Pipeline 部署到 AKS 等。参与贡献、社区与许可代码贡献参阅贡献指南 docs/fr-FR/CONTRIBUTING.md 与主仓库 CONTRIBUTING.md再浏览标注为 good first issue 的入门级 issue。国际化和翻译按 web/i18n-config/README.md 中的国际化指南添加或更新语言本仓库docs/目录下已提供 16 个语言的 README 本地化法语版即 docs/fr-FR/README.md与 README.md、docs/zh-CN/README.md 等互相交叉链接。社区渠道GitHub Discussions求助、反馈、想法、GitHub Issues可复现缺陷开 issue 前先读贡献指南、Discord实时交流、X版本与项目动态。安全披露为保护隐私请勿在 GitHub 公开安全漏洞应直接发送至 securitydify.ai。许可本仓库采用 LICENSE 所述“Dify 开源许可”其本质是 Apache 2.0 附加若干额外限制例如多页品牌页等条款商用前请通读许可全文。源码级二次开发若要在本仓库基础上做开发官方建议参考“从源码部署”指南仓库内 api/AGENTS.md、Makefile 与 dev 目录下的启动脚本start-api、start-worker、start-beat、start-docker-compose等可作为本地开发的入手点。小结回到文档本身docs/fr-FR/README.md 以“功能清单 快速启动 进阶指引 社区与许可”四条主线介绍了 Dify 平台。结合仓库源码可以确认文档中的每一项能力都有对应的实现落点——工作流与 RAG 由 api/core/workflow 和 api/core/rag 支撑Agent 工具由 api/core/tools 与plugin_daemon容器共同承载一键部署则由 docker/docker-compose.yaml 定义的多容器栈与 docker/.env.example 的精简默认变量完成。对准备私有化落地的团队建议按“.env必填项 → 向量库选型docker/envs/→ 进阶部署Helm/Terraform/CDK”的顺序推进即可在满足最低硬件要求2 核 CPU / 4 GB RAM的机器上完成从拉起到生产配置的完整链路。【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 自托管实战指南：从 Docker 一键部署到生产级 LLM 应用开发平台
Dify 自托管实战指南从 Docker 一键部署到生产级 LLM 应用开发平台【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 应用开发平台将 AI 工作流、RAG 流水线、Agent 能力、模型管理、可观测性等能力整合在同一个工作区中帮助团队从原型快速走向生产。本篇基于 Dify 仓库中的法语版项目说明文档 docs/fr-FR/README.md完整继承其核心功能清单与快速启动步骤并结合 docker/docker-compose.yaml、docker/.env.example 等仓库源码配置进行纵深展开。读完本文你将掌握 Dify 的七大核心能力、Docker Compose 一键部署的完整操作步骤、关键环境变量参数的含义以及面向生产的可观测性与 Kubernetes/多云部署进阶路线。平台定位从原型到生产的 LLM 应用开发平台Dify 的核心价值在于用一套协作式工作区同时承载“构建”与“运营”两类诉求开发者在可视化的界面上编排 AI 应用而平台侧内置了日志、监控与持续改进机制使应用可以持续从生产数据中获益。官方提供三种使用形态Dify Cloud官方托管服务开箱即用无需任何配置。它提供与自托管版本完全一致的能力沙盒计划plan bac à sable中包含 200 次 GPT-4 免费调用额度。Dify Community Edition社区版自托管通过下文的快速启动章节在自己的环境中拉起完整服务栈适合有数据合规或私有化诉求的团队。企业版在社区版之上提供面向企业的额外功能可通过商务渠道businessdify.ai洽谈需求。七大核心能力详解以下功能清单完整继承自项目说明文档并补充仓库内的实现位置作为佐证。1. 可视化工作流Flux de travail在可视化画布上构建和测试强大的 AI 工作流并可组合使用下文介绍的全部能力。工作流引擎的后端实现位于 api/core/workflow 目录配合 api/tasks/workflow_execution_tasks.py 等异步任务完成工作流的实际执行Docker 部署栈中的worker与worker_beat容器即负责承载这些异步工作负载见 docker/docker-compose.yaml 中的worker、worker_beat服务定义。2. 全面的模型支持Prise en charge complète des modèlesDify 与数十家推理服务供应商和自托管方案提供的数百个开源/闭源 LLM 无缝集成覆盖 GPT、Mistral、Llama 3 以及所有兼容 OpenAI API 的模型。上图中展示了部分受支持的模型提供商 LogoOpenAI、Anthropic、Azure OpenAI、Gemini、Ollama、ChatGLM、智谱、文心等。模型接入的管理面实现位于 api/core/model_manager.py 与 api/core/provider_manager.py模型供应商的插件形态则存放在 api/providers 目录按 trace 与 vdb 两类组织。3. Prompt 集成开发环境IDE de prompt提供直观的界面来编写 Prompt、对比不同模型的表现并为基于对话的应用追加语音合成等附加功能。对应实现可见 api/core/promptPrompt 模板与组装逻辑以及 api/services/advanced_prompt_template_service.py。4. RAG 流水线Pipeline RAG覆盖从文档摄取ingestion到检索retrieval的完整 RAG 能力链并内置对 PDF、PPT 等常见文档格式的现成文本抽取支持。RAG 的核心实现集中在 api/core/rag 目录约 100 个源文件涵盖文档解析、切片、索引、检索等文档索引任务由 api/tasks/document_indexing_task.py、api/tasks/add_document_to_index_task.py 等 Celery 任务驱动。5. Agent 能力Capacités dagent支持基于 LLM Function Calling 或 ReAct 范式定义 Agent并可为 Agent 添加预置或自定义工具。Dify 提供 50 多个供 AI Agent 使用的内置工具例如 Google 搜索、DALL·E、Stable Diffusion、WolframAlpha 等。从源码结构看内置工具的代码骨架位于 api/core/toolsapi/core/tools/tool_manager.py工具的注册与分发入口api/core/tools/builtin_tool/providers当前仓库内直接内置的提供商包括audioTTS/ASR见 api/core/tools/builtin_tool/providers/audio/tools/tts.yaml、code代码执行、time时间类工具、webscraper网页抓取其余如 Google 搜索、DALL·E 等工具从部署栈看通过plugin_daemon插件守护进程以插件形式分发——docker/docker-compose.yaml 中定义了独立的plugin_daemon服务api 容器通过它调用 LLM 与插件见下图中的 “invoke LLM / invoke plugin” 箭头。6. LLMOps 可观测性随时间监控和分析应用日志与运行表现基于生产数据和人工标注持续优化 Prompt、数据集与模型。相关能力分布在 api/services/ops_service.py运维与用量统计、api/core/logging结构化日志以及 api/core/telemetry遥测。7. Backend-as-a-ServiceDify 的每一项能力都配有对应的 API便于把 Dify 直接嵌入你自己的业务逻辑。API 层实现可见 api/controllers按 console、web、service_api、openapi 等分组对外接口文档的生成工具位于 api/dev/generate_fastopenapi_specs.py。快速启动Docker Compose 一键部署系统最低要求安装前务必确认CPU ≥ 2 核RAM ≥ 4 GB启动 Dify 最简单的方式是运行仓库提供的 docker/docker-compose.yaml。执行安装命令前请确认机器上已安装 Docker 与 Docker Composecd docker cp .env.example .env docker compose up -d执行成功后在浏览器访问http://localhost/install即可进入 Dify 安装/初始化页面开始初始化流程。部署栈拓扑compose 文件里到底起了哪些服务从 docker/docker-compose.yaml 的服务定义可以确认默认部署栈包含以下核心容器按请求链路组织服务角色nginx统一入口网关分发 web 资源、/api、/files、endpoint 请求web前端Dify 控制台与 WebApp由 web 目录构建apiFlask 后端主服务api/app.py、api/app_factory.py端口 5001worker/worker_beatCelery 异步任务与定时调度RAG 索引、工作流执行等db_postgres主数据库redis缓存与消息队列sandbox/local_sandbox代码节点执行沙箱plugin_daemon插件守护进程承载 LLM/工具插件调用ssrf_proxySSRF 防护代理certbotHTTPS 证书申请配合 nginx此外compose 模板还预置了多种向量库选项包括weaviate、qdrant、pgvector、chroma、opensearch、oceanbase、seekdb、myscale、oracle等可按需启用不同后端。关键环境变量说明默认部署只需复制 docker/.env.example 为.env。该文件头部注释明确说明其设计原则“只包含服务启动所必需的变量可选与供应商相关的变量位于docker/envs/目录需要时把对应的*.env.example去掉.example后缀复制到其旁边docker/.env中的值优先于docker/envs/*.env”。核心变量摘录如下变量默认值说明CONSOLE_API_URL/CONSOLE_WEB_URL空控制台 API 与前端对外 URL生产环境建议显式设置SECRET_KEY空自动生成留空时会自动在存储目录生成一个持久化密钥INIT_PASSWORD空初始化安装页的访问口令DEPLOY_ENVPRODUCTION部署环境标识MIGRATION_ENABLEDtrue启动时是否执行数据库迁移LOG_LEVEL/LOG_OUTPUT_FORMATINFO/text日志级别与输出格式LOG_FILE/LOG_FILE_MAX_SIZE/LOG_FILE_BACKUP_COUNT/app/logs/server.log/20/5日志文件、单文件大小与备份份数SERVER_WORKER_AMOUNT/SERVER_WORKER_CLASS1/geventFlask gunicorn worker 数量与类型OPENAI_API_BASEhttps://api.openai.com/v1OpenAI 兼容接口基址ENABLE_COLLABORATION_MODEtrue是否启用协作模式从COMPOSE_PROFILES移除collaboration可停用专用 websocket 服务CHECK_UPDATE_URLhttps://updates.dify.ai版本更新检查地址完整的可选变量各向量库、邮件 SMTP、模型供应商等位于 docker/envs 目录按主题拆分为多个*.example文件。进阶配置与生产化部署项目说明文档的“Prochaines étapes”章节指向 docs/fr-FR/ADVANCED_SETUP.md该文档给出了完整的进阶路线要点如下自定义配置以 docker/.env.example 中的注释为准更新.env中的值必要时还需修改 docker/docker-compose.yaml 本身镜像版本、端口映射、卷挂载等修改后重新执行docker compose up -d。Grafana 指标监控把 Dify 的 PostgreSQL 数据库作为数据源导入 Grafana 仪表板即可按应用、租户、消息等粒度监控运行指标文档中列出了社区贡献的仪表板项目。Kubernetes 部署社区提供了多个 Helm Chart 与 YAML 方案包括 douban charts、dify-helm、ai-charts 等可搭建高可用配置。Terraform 一键上云文档列出了 Azure Globaldify-azure-terraform与 Google CloudDeNA/dify-google-cloud-terraform两套 Terraform 方案。AWS CDK提供基于 EKSaws-samples/solution-for-deploying-dify-on-aws与基于 ECSaws-samples/dify-self-hosted-on-aws两种 CDK 部署方案。其他云与工具阿里云Computing Nest、DMS 一键部署、Sealos App Store 一键部署、Azure DevOps Pipeline 部署到 AKS 等。参与贡献、社区与许可代码贡献参阅贡献指南 docs/fr-FR/CONTRIBUTING.md 与主仓库 CONTRIBUTING.md再浏览标注为 good first issue 的入门级 issue。国际化和翻译按 web/i18n-config/README.md 中的国际化指南添加或更新语言本仓库docs/目录下已提供 16 个语言的 README 本地化法语版即 docs/fr-FR/README.md与 README.md、docs/zh-CN/README.md 等互相交叉链接。社区渠道GitHub Discussions求助、反馈、想法、GitHub Issues可复现缺陷开 issue 前先读贡献指南、Discord实时交流、X版本与项目动态。安全披露为保护隐私请勿在 GitHub 公开安全漏洞应直接发送至 securitydify.ai。许可本仓库采用 LICENSE 所述“Dify 开源许可”其本质是 Apache 2.0 附加若干额外限制例如多页品牌页等条款商用前请通读许可全文。源码级二次开发若要在本仓库基础上做开发官方建议参考“从源码部署”指南仓库内 api/AGENTS.md、Makefile 与 dev 目录下的启动脚本start-api、start-worker、start-beat、start-docker-compose等可作为本地开发的入手点。小结回到文档本身docs/fr-FR/README.md 以“功能清单 快速启动 进阶指引 社区与许可”四条主线介绍了 Dify 平台。结合仓库源码可以确认文档中的每一项能力都有对应的实现落点——工作流与 RAG 由 api/core/workflow 和 api/core/rag 支撑Agent 工具由 api/core/tools 与plugin_daemon容器共同承载一键部署则由 docker/docker-compose.yaml 定义的多容器栈与 docker/.env.example 的精简默认变量完成。对准备私有化落地的团队建议按“.env必填项 → 向量库选型docker/envs/→ 进阶部署Helm/Terraform/CDK”的顺序推进即可在满足最低硬件要求2 核 CPU / 4 GB RAM的机器上完成从拉起到生产配置的完整链路。【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