Dify是一款智能体工作流编排低代码软件，带一点编程性质，整合了市面上的大模型应用，以及开发工具，比如:OpenAI、Azure、HuggingFace、DeepSeek、OLLAMA、腾讯混元、文心一言、ZhipuAI等模型。

还有LM Studio、百川智能、AI Studio、GitGub、网页抓取等工具，集成了系统推理模型、Embedding模型、Rerank模型、语音转文本模型和文本转语音模型等功能。

对比扣子工作流编排，扣子适合初学者能零代码平台一键集成至微信公众号、小程序等平台，而Dify需要手动部署、一定的技术背景才能实现。

1.推理模型OLLAMA安装

我们需要在Dify中指定推理模型，推荐使用OLLAMA，在个人设备部署。

Ollama 是一个用于本地运行大语言模型（LLMs）的开源工具，提供简单的界面和优化的推理引擎，使用户能够在个人设备上高效地加载、管理和运行 AI 模型，而无需依赖云端。

Ollama的下载地址是:ollama.com/

我们选择Windows版本，直接安装。

安装完OLLAMA之后需要设置环境变量，保证OLLAMA可以通过ip访问:

OLLAMA_HOST环境变量:

OLLAMA_ORIGINS环境变量:

然后我们需要安装DeepSeek-R1推理模型:

打开电脑CMD输入：

ollama run deepseek-r1:1.5b

我们还需要安装向量数据库模型nomic-embed-text

打开电脑CMD输入:

ollama pull nomic-embed-text

这样我们就能利用知识库推理回答问题了。

2.安装Docker

Docker 是一个开源的容器化平台，用于开发、交付和运行应用，使应用及其依赖能够以轻量级、可移植的方式打包并运行在任何环境中。

官方地址：https://www.docker.com/

我们选择Windows操作系统下载，下载后一路默认安装。安装完成后需要登录。

3.安装Dify

dify的项目github地址：https://github.com/langgenius/dify

下载之后解压，进入docker目录：

把 .env.example 文件 重命名为 .env

修改.env文件配置，设置OLLAMA地址，结尾增加:

# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定Ollama的API地址
OLLAMA_API_BASE_URL=http://127.0.0.1:11434

在当前目录打开终端，执行命令：docker compose up -d

开始安装Dify。

检查容器是否正常运行：docker compose ps

在桌面docker中看到多了一个容器，说明dify环境已就绪。

接下来进入配置dify阶段:

打开浏览器，访问 http://localhost:80，设置管理员账号并登录 Dify 主界面。

我这次都是本机搭建的，所以IP地址用Localhost就行。

填写邮箱名、用户名、密码。

登录之后，地址:http://localhost/apps

这样就安装完成Dify了，接下来进入配置阶段。

4.配置Dify

在界面右上角点击设置，添加Deepseek R1模型

进入设置界面，选择模型供应商：

在安装模型供应商中选择OLLAMA模型安装：

出现在模型列表中:

我们添加模型:

这样就添加了一个deepseek-r1:1.5b的推理模型，打开系统模型设置:

选择DeepSeek-R1 1.5b:

我们回到OLLAMA添加模型界面，添加一个Embedding模型：

再次点击系统模型设置，在Embedding模型中选择nomic-embed-text模型：

接下来我们来安装rerank模型。

首先在模型供应商列表中选择通义千问模型安装：

接着去阿里云百炼平台注册一个APIKEY:https://bailian.console.aliyun.com/?tab=model#/api-key

将APIKEY复制出来，写在记事本里，等会儿要用。

回到模型产品列表，通义千问新增一个模型，类别为rerank，将刚才的APIKEY粘贴进来：

紧接着通义千问，设置一下APIKEY:

粘贴刚才的APIKEY进来：

我们可以在模型系统设置，增加rerank模型了：

接下来，系统模型设置利用通义千问开启语音转文本模型：

系统模型设置利用通义千问开启文本转语音模型：

完成了以上步骤后，就可以开始在Dify中构建智能体工作流了。

5.Dify构建智能体工作

退出回到Dify首页：http://localhost/apps

创建知识库:

可以导入已有文本:

也可以添加文件:

选择保存并处理:

处理知识文档：

我们可以创建空白应用，选择工作流:

进入工作流编排界面:

添加节点：

比如加一个知识检索，选择刚刚创建的知识库:

设置下一个节点为LLM推理模型：

还可以添加并行节点：

LLM设置一个指令：

最后结束流程:

回到开始节点，点击运行:

在开始节点增加文本字段：

知识检索改为sys_text字段查询：

还可以将工作流发布为MCP工具:

我们来运行工作流：

在LLM后面还可以添加工具，文本转语音:

设置模型文本转语音模型，并设置音色：

运行工作流，完整流程走完：

最后一定要加结束流程:

我们用Dify再来构建一个聊天机器人:http://localhost/apps

建立多轮对话工作流：

默认构建了一套流程，可以增加流程：

我们点击预览:

需要管理下功能列表：文本转语音或者语音转文本

设置开场白：

可以设置文字音色:

功能开启后，就可以用了：

文字输入：

如果想要语音输入，需要开启语音功能：

就可以语音输入了:

开启语音自动播放：

开始调用工作流，并进行语音播放了：

完整过程及播放：

还可以继续提示你好呀：

以上就是Dify实现AI智能体工作流编排的实战手册，如您觉得不错，可以一键三连。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓