一、环境准备
1. 软件与硬件要求
• 操作系统：Windows 10/11 专业版（需开启 Hyper-V）
• 硬件配置：
• CPU ≥ 4核（推荐 Intel i5 及以上）
• 内存 ≥ 16GB（大模型运行需预留 8GB 以上）
• 硬盘：D 盘预留 50GB 空间（模型与 Docker 存储）
• 必装工具：
• Docker Desktop（需配置镜像源加速）
• Git（用于克隆 Dify 源码）
二、Ollama 部署到 D 盘
1. 安装与路径指定
-
创建 D 盘目录：
• 新建D:\ollama文件夹用于存储程序及模型。 -
安装 Ollama：
• 下载ollamaSetup.exe，以管理员身份运行命令：ollamaSetup.exe /dir=D:\ollama• 安装完成后，验证路径：检查
D:\ollama下是否存在ollama.exe及models子目录。 -
配置环境变量：
• 添加用户变量OLLAMA_MODELS=D:\ollama\models，确保模型下载至 D 盘。• 添加系统变量
OLLAMA_HOST=0.0.0.0以暴露服务端口。
2. 下载与运行大模型
• 拉取模型（以 deepseek-r1:8b 为例）：
ollama run deepseek-r1:8b
模型将自动下载至 D:\ollama\models。
• 验证服务：访问 http://localhost:11434，若返回 Ollama is running 则成功。
三、Dify 部署到 D 盘
1. Docker 环境配置
-
修改 Docker 存储路径：
• 在 Docker Desktop 设置中，将镜像存储路径改为D:\docker，避免占用 C 盘。 -
配置镜像加速：
• 修改 Docker 引擎配置为国内镜像源（如https://docker.1ms.run），加速依赖下载。
2. 部署 Dify 服务
-
克隆 Dify 源码：
git clone https://github.com/langgenius/dify.git D:\dify -
配置环境变量：
• 复制D:\dify\docker\.env.example为.env，修改以下参数：# 数据库存储路径 POSTGRES_DATA=D:\dify\data\postgres # 挂载 Ollama 服务地址 OLLAMA_API_BASE=http://host.docker.internal:11434 -
启动 Docker 容器：
cd D:\dify\docker docker compose up -d• 检查容器状态：
docker compose ps，所有服务显示Up即正常。
四、Dify 挂载 Ollama 大模型
1. 配置模型供应商
-
登录 Dify：访问
http://localhost，注册管理员账号。 -
添加 Ollama 模型：
• 进入 设置 → 模型供应商 → Ollama，填写：◦ 模型名称：
deepseek-r1:8b（与 Ollama 中名称一致）◦ 基础 URL：
http://host.docker.internal:11434（Docker 容器访问宿主机）◦ 模型类型：对话
◦ 上下文长度：4096（与模型默认值一致）
2. 创建应用并测试
-
新建空白应用：选择“聊天助手”，输入名称（如
本地知识库助手）。 -
绑定模型：在应用编辑页右上角选择
deepseek-r1:8b作为推理引擎。 -
上传知识库：
• 支持 PDF/Word/TXT 格式，索引方式选择“经济型”（离线向量引擎）。 -
对话测试：输入问题验证模型响应及知识库检索是否正常。
五、常见问题与优化
1. 故障排查
• Ollama 服务无法连接：
• 检查 OLLAMA_HOST 是否设置为 0.0.0.0，并重启 Ollama 服务。
• 在 Docker 中执行 curl http://host.docker.internal:11434 验证连通性。
• 模型加载失败：
• 确认 OLLAMA_MODELS 路径权限，避免 Docker 容器无读写权限。
2. 性能优化
• 显存管理：
• 若使用 GPU，在 Ollama 启动时添加 --gpu 参数加速推理（需 NVIDIA 驱动支持）。
• 多模型切换：
• 通过 ollama list 查看已安装模型，动态切换不同规模的模型。
六、扩展功能
1. 公网访问（可选）
• 使用 cpolar 内网穿透：
• 安装 cpolar 并创建 HTTP 隧道，将 Dify 的 80 端口映射至公网。
• 生成随机域名，实现异地设备访问本地 AI 服务。
2. 多模态支持
• 若使用支持图片的模型（如 llava），在 Dify 中勾选 是否支持 Vision 并上传图片测试。
总结
通过以上步骤，可实现 Dify + Ollama 全链路本地化部署，数据安全可控且资源占用优化。此方案特别适合企业内网或对隐私要求高的场景，结合知识库功能可快速构建定制化 AI 应用。
