香港服务器部署Dify：可视化AI工作流编排平台 + 接入Ollama本地模型完整教程

搭建 AI 应用不再需要写大量代码——Dify 是目前最受欢迎的开源 AI 应用开发平台，通过可视化工作流编排，将 LLM、知识库、工具调用组合成完整的 AI 应用。在香港服务器上自托管 Dify，可以同时接入 Ollama 本地模型（无 API 费用）和 Claude/GPT-4（在线模型），打造完全私有的企业 AI 平台。

一、Dify 核心功能

• Chat 应用：多轮对话，支持知识库检索增强
• 工作流（Workflow）：可视化节点编排，LLM + 条件判断 + HTTP 调用 + 代码执行
• RAG 知识库：上传 PDF/Word/网页，自动向量化，问答时检索相关段落
• Agent：工具调用（搜索、计算器、代码执行），自主完成复杂任务
• API 发布：一键将应用发布为 REST API，集成到现有系统
• 多模型支持：Ollama、OpenAI、Anthropic、Google、Azure 等 20+ 模型提供商

二、服务器要求

三、Docker Compose 部署 Dify

<code"># 克隆官方仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制环境变量模板
cp .env.example .env

# 编辑关键配置
cat > .env << 'EOF'
# 必须修改的配置
SECRET_KEY=sk-$(openssl rand -hex 32)    # 生成随机密钥

# 数据库（使用内置 PostgreSQL 即可）
DB_USERNAME=postgres
DB_PASSWORD=dify_db_pass_2026
DB_HOST=db
DB_PORT=5432
DB_DATABASE=dify

# Redis
REDIS_HOST=redis
REDIS_PORT=6379

# 存储（本地文件系统，也可以换成 S3/R2）
STORAGE_TYPE=local

# 向量数据库（Weaviate 内置，也可以换成 Qdrant/Milvus）
VECTOR_STORE=weaviate

# 访问域名
CONSOLE_API_URL=https://dify.yourdomain.com
CONSOLE_WEB_URL=https://dify.yourdomain.com
SERVICE_API_URL=https://dify.yourdomain.com
APP_WEB_URL=https://dify.yourdomain.com

# Nginx 监听
EXPOSE_NGINX_PORT=80
EXPOSE_NGINX_SSL_PORT=443
EOF

# 启动所有服务
docker compose up -d

# 查看启动状态（约需 2～3 分钟完成初始化）
docker compose ps
docker compose logs -f api | grep -E "running|error"

四、Nginx 反向代理（外部 HTTPS 访问）

<code"># Dify 自带 Nginx，但建议用外部 Nginx 统一管理 SSL

# 修改 dify/docker/docker-compose.yaml 中的 nginx 服务，
# 改为只监听内网端口：
# ports:
#   - "127.0.0.1:8080:80"

# /etc/nginx/sites-available/dify.yourdomain.com
server {
    listen 443 ssl http2;
    server_name dify.yourdomain.com;

    ssl_certificate /etc/letsencrypt/live/dify.yourdomain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/dify.yourdomain.com/privkey.pem;

    client_max_body_size 100M;    # 允许上传大文档
    proxy_read_timeout 300s;      # AI 处理可能需要较长时间

    location / {
        proxy_pass http://127.0.0.1:8080;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        # SSE（流式输出）
        proxy_buffering off;
        proxy_cache off;
        proxy_http_version 1.1;
    }
}

五、接入 Ollama 本地模型

<code"># 前提：同一台服务器已安装 Ollama（参考第六阶段文章01）
# 并已下载模型：ollama pull qwen2.5:7b

# 在 Dify 管理后台配置 Ollama：
# 设置 → 模型供应商 → 添加模型供应商 → Ollama
#
# 配置项：
# - 模型名称：qwen2.5:7b
# - 基础 URL：http://host.docker.internal:11434
#   （如果 Dify 在 Docker 中，Ollama 在宿主机，使用 host.docker.internal）
#   （如果 Ollama 也在 Docker 同一网络，使用 ollama:11434）
# - 上下文长度：32768（Qwen2.5 支持 32K）
# - 最大 tokens：4096

# Docker Compose 中让 Dify 能访问宿主机 Ollama：
# 在 docker-compose.yaml 中为 api 和 worker 服务添加：
# extra_hosts:
#   - "host.docker.internal:host-gateway"

六、构建 RAG 知识库问答应用

<code">
操作路径：知识库 → 创建知识库 → 上传文档

支持的文档格式：
PDF / Word (.docx) / Markdown / TXT / Excel / CSV
HTML（网页内容）/ Notion 导出 / 语雀导出

分块策略选择：
- 自动分块：适合大多数场景
- 自定义分块：按标题/段落，适合结构化文档
- 父子分块：小段检索 + 大段上下文，答案质量最高

向量化模型选择：
- 使用 Ollama：nomic-embed-text（免费，需提前下载）
- 使用 OpenAI：text-embedding-3-small（$0.02/1M tokens）

创建应用：
知识库 → 新建应用 → Chat 应用 → 添加知识库
配置系统提示词：
"你是公司的智能助手，只根据提供的知识库内容回答问题。
如果知识库中没有相关信息，请如实说明，不要编造。"

七、构建 AI 工作流（客服自动回复示例）

<code">
工作流节点编排（可视化拖拽）：

[开始] → 接收用户问题
    │
    ▼
[知识库检索] → 从FAQ知识库检索相关内容
    │
    ▼
[条件判断] → 检索相关度是否 > 0.7？
    │
   是↓                    否↓
[LLM节点]           [LLM节点]
根据检索内容生成答案    告知用户转人工客服
    │                    │
    └──────────┬──────────┘
               ▼
           [回复用户]
               │
               ▼
        [HTTP请求节点]
    将对话记录写入 CRM 系统

八、发布为 API 并集成到业务系统

<code">import requests

# Dify 应用 API Key（在应用 → API → 创建 API 密钥）
API_KEY = "app-xxxxxxxxxxxxxxxx"
DIFY_API = "https://dify.yourdomain.com/v1"

def ask_knowledge_base(question: str, user_id: str = "user-001") -> str:
    """调用 Dify 知识库问答 API"""
    response = requests.post(
        f"{DIFY_API}/chat-messages",
        headers={
            "Authorization": f"Bearer {API_KEY}",
            "Content-Type": "application/json"
        },
        json={
            "inputs": {},
            "query": question,
            "response_mode": "blocking",    # 等待完整回复
            "user": user_id,
            "conversation_id": ""           # 空=新会话，填ID=继续对话
        },
        timeout=60
    )
    result = response.json()
    return result.get("answer", "抱歉，暂时无法回答。")

# 流式输出（打字机效果）
def ask_streaming(question: str):
    response = requests.post(
        f"{DIFY_API}/chat-messages",
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={"query": question, "response_mode": "streaming", "user": "u1"},
        stream=True
    )
    for line in response.iter_lines():
        if line and line.startswith(b"data: "):
            import json
            data = json.loads(line[6:])
            if data.get("event") == "message":
                print(data.get("answer", ""), end="", flush=True)

九、多租户应用（团队成员管理）

<code">
Dify 支持多成员协作：

工作区 → 成员 → 邀请成员

权限角色：
- Owner：完全控制
- Admin：管理应用和知识库
- Editor：创建和编辑应用
- Viewer：只能使用应用

邀请方式：
1. 发送邮件邀请（需配置 SMTP）
2. 生成邀请链接（有效期24小时）

多工作区：
- 不同业务线可以创建独立工作区
- 知识库和应用相互隔离

十、总结

Dify 将 AI 应用开发的门槛从「会写代码」降低到「会拖拽」，让产品经理、运营人员也能构建实用的 AI 工作流。在香港服务器自托管的核心优势：同时接入本地 Ollama 模型（零 API 费用）和在线模型（高质量）、数据不出境、团队无限用户无额外费用。对于已有香港服务器的团队，部署 Dify 几乎是零成本的 AI 能力升级。