1、Dify 平台基础认知

Dify 是一个开源的、面向开发者的 LLM 应用开发平台。 其目标是成为 AI 应用时代的“操作系统”或“开发框架”。它通过可视化的方式，让开发者能够像搭积木一样，快速构建、部署和管理生产级的生成式 AI 应用 。

Dify官方文档：https://docs.dify.ai/zh-hans/introduction

核心定位：面向企业级场景，解决 “数据安全、定制化、长期运维” 等问题。

选型建议：

• 想快速做个 “功能型小工具 / 聊天机器人”→选 Coze；

• 要落地 “企业内部知识库、数据敏感的业务系统”→选 Dify。

2、Dify环境搭建

版本选择

Dify作为领先的AI应用开发平台，提供三种差异化部署方案，满足从个人开发者到大型企业的不同需求：

Dify云服务：开箱即用的SaaS方案

适合对象

个人开发者、初创团队、产品经理及各类希望快速验证 AI 应用想法的用户，无需关注底层技术细节，聚焦核心功能创新。

核心优势

• 即刻上手：通过 GitHub 或 Google 账号一键注册，无需信用卡，立享含 200 次免费调用的 Sandbox 计划；注册后无需复杂配置，快速进入应用搭建流程。

• 零部署成本：省去服务器采购、配置及维护工作，无需专业运维支持，大幅降低 AI 应用落地门槛。

数据安全保障

• 安全托管：用户数据安全存储于美国东部 AWS 服务器，依托 AWS 成熟的安全体系保障数据可用性与完整性。

• 敏感信息加密：API 密钥等敏感数据采用静态加密存储，Dify 平台无权限查看，从源头规避信息泄露风险。

• 隐私保护机制：应用数据经匿名化处理，严格遵循隐私保护规范，保障用户个人及业务隐私。

• 数据自主可控：用户可通过账户设置一键删除账户及所有关联数据，完全掌控数据生命周期。

Dify 开源部署：完全掌控，本地私有化

通过 Docker Compose 实现自托管部署，赋予用户对平台的完全控制权与数据所有权，适配深度定制与合规需求。

适合对象：对数据安全有严格要求的企业、希望进⾏⼆次开发的技术团队、以及希望深⼊学习 Dify 架构的开发者。

部署前提

• 硬件要求：CPU ≥ 2 核、RAM ≥ 4 GiB（处理海量数据或高并发场景建议 CPU ≥ 4 核、RAM ≥ 8 GiB）。

• 软件环境：已安装 Docker 20.10+ 及 Docker Compose 2.0+，确保部署环境兼容性。

核心特性

• 数据私有化部署：所有数据与服务均运行在用户自有服务器，完全隔绝外部访问，满足最高级别数据安全与行业合规要求。

• 深度定制自由：可完全访问、修改源代码，支持功能扩展、内部系统集成等个性化改造，适配复杂业务场景。

• 轻量化维护升级：通过 git pull 同步最新代码，配合 docker compose 命令即可完成版本更新，无需复杂操作。

• 技术栈透明可追溯：核心服务包含 api、worker、web 三大模块，基础组件涵盖 PostgreSQL、Redis、Weaviate 等，架构清晰，便于二次开发与问题排查。

部署开源版（基于Linux系统）

下载Dify项目压缩包

github地址：https://github.com/langgenius/dify/tree/main

当然，在今天的资料我也已经提前帮大家下载好了对应的源码包

解压源码包

解压dify-main.zip包，然后进入当前目录中找到docker文件夹

.env文件重命名

 cd /root/dify-main/docker
 mv .env.example .env

运行docker环境

docker-compose up -d

下载需要等待一会，等下载完成以后，在Docker 里能看到对应的环境

在浏览器中输入 http://192.168.194.129/install

• 首次登录需要进行注册

这里输入自己的邮箱和密码

• 注册之后，可以进入到主页面

至此，Linux安装部署已经完成了，如果说你想继续深入了解Dify的具体操作，可以去网上查询相关教程。