Dify 部署完整教程｜适合企业用户

随着大模型技术在企业内部的落地速度不断加快，越来越多的团队开始关注如何快速构建 AI 应用，例如智能客服、知识库问答、企业内部助手、数据分析助手、流程自动化 Agent 等。在众多 AI 应用开发平台中，Dify 因其开源、易部署、功能完整、适合企业二次开发等特点，成为不少企业用户的首选。

本文将从企业实际使用场景出发，系统介绍 Dify 的部署方式、服务器准备、Docker 部署流程、环境变量配置、模型接入、知识库配置、数据持久化、安全建议以及常见问题排查，帮助企业用户完成一套相对标准、稳定、可维护的 Dify 部署方案。

一、Dify 是什么？

Dify 是一个开源的大语言模型应用开发平台，支持快速创建多种类型的 AI 应用，包括：

• 聊天助手
• 文本生成应用
• 工作流应用
• Agent 智能体
• 知识库问答系统
• API 服务型 AI 应用

对于企业用户来说，Dify 的价值主要体现在以下几个方面：

1. 低代码构建 AI 应用
   企业业务人员或产品经理可以通过可视化方式配置提示词、知识库、工作流和模型能力，无需从零开发完整后端系统。

2. 支持多模型接入
   Dify 支持 OpenAI、Azure OpenAI、Anthropic、Google Gemini、DeepSeek、通义千问、智谱、MiniMax、火山方舟等多种模型服务，也支持部分本地模型或私有化模型网关。

3. 适合企业私有化部署
   企业可以将 Dify 部署在自己的服务器、云主机、内网环境或 Kubernetes 集群中，便于数据安全管控。

4. 支持知识库增强生成
   Dify 内置 RAG 能力，可以上传企业文档、FAQ、制度文件、产品手册等内容，用于构建企业专属知识问答系统。

5. 提供 API 能力
   Dify 创建的应用可以通过 API 调用，方便集成到企业微信、钉钉、飞书、官网、CRM、工单系统或内部业务系统中。

二、企业部署 Dify 前的准备工作

在正式部署之前，企业需要先明确部署目标和基础环境。

1. 部署目标确认

企业部署 Dify 通常有以下几类目标：

如果只是测试体验，可以使用单机 Docker Compose 部署。如果是生产环境，建议至少准备独立数据库、对象存储、反向代理、HTTPS、监控和备份方案。

三、服务器配置建议

Dify 本身并不一定需要 GPU，因为它主要是一个 AI 应用编排平台，模型推理可以调用外部模型 API。但如果企业要部署本地大模型，则需要额外准备 GPU 服务器。

1. 测试环境配置

适合个人体验或小团队测试：

CPU：2 核及以上
内存：4GB 及以上，建议 8GB
磁盘：40GB 及以上
系统：Ubuntu 20.04 / 22.04
部署方式：Docker Compose

2. 中小型企业生产环境配置

适合几十到几百名用户使用：

CPU：4 核及以上
内存：16GB 及以上
磁盘：100GB SSD 及以上
系统：Ubuntu 22.04 LTS
部署方式：Docker Compose 或 Kubernetes
数据库：PostgreSQL
缓存：Redis
向量数据库：Weaviate / Milvus / pgvector 等
对象存储：MinIO / S3 / OSS / COS

3. 企业级生产环境配置

适合多部门、多应用、高并发调用：

CPU：8 核及以上
内存：32GB 及以上
磁盘：200GB SSD 起步
部署方式：Kubernetes 推荐
数据库：独立 PostgreSQL 高可用
缓存：独立 Redis
对象存储：企业云对象存储
负载均衡：Nginx / SLB / Ingress
安全：HTTPS、WAF、访问控制、日志审计

四、系统环境准备

以下教程以 Ubuntu 22.04 + Docker Compose 为例进行说明。

1. 更新系统软件包

sudo apt update
sudo apt upgrade -y

2. 安装常用工具

sudo apt install -y git curl wget vim ca-certificates gnupg lsb-release

3. 安装 Docker

如果服务器尚未安装 Docker，可以执行以下命令：

curl -fsSL https://get.docker.com | bash

安装完成后查看版本：

docker --version

设置 Docker 开机自启：

sudo systemctl enable docker
sudo systemctl start docker

如果希望当前用户无需每次使用 sudo 执行 Docker 命令，可以执行：

sudo usermod -aG docker $USER

执行后需要重新登录服务器。

4. 安装 Docker Compose

新版 Docker 通常已经集成 Compose 插件，可以使用以下命令检查：

docker compose version

如果可以正常输出版本号，则说明已安装。

五、下载 Dify 部署文件

Dify 官方推荐使用 Docker Compose 部署。首先克隆 Dify 源码仓库：

git clone https://github.com/langgenius/dify.git

进入 Docker 部署目录：

cd dify/docker

查看目录内容：

ls

通常会看到类似文件：

docker-compose.yaml
.env.example
nginx/
volumes/

复制环境变量文件：

cp .env.example .env

后续部署主要通过修改 .env 文件完成配置。

六、配置 Dify 环境变量

.env 文件是 Dify 部署中非常重要的配置文件，企业用户建议在部署前认真检查。

使用 vim 编辑：

vim .env

以下是一些常见的关键配置项。

1. 控制台访问地址

如果你的 Dify 将通过域名访问，例如：

https://dify.example.com

需要配置相关 URL。

常见配置包括：

CONSOLE_WEB_URL=https://dify.example.com
APP_WEB_URL=https://dify.example.com
SERVICE_API_URL=https://dify.example.com

如果只是内网测试，可以先使用服务器 IP：

CONSOLE_WEB_URL=http://服务器IP
APP_WEB_URL=http://服务器IP
SERVICE_API_URL=http://服务器IP

生产环境强烈建议使用 HTTPS 域名。

2. 密钥配置

Dify 中有一些密钥类配置，例如：

SECRET_KEY=

如果为空，应生成一个随机字符串：

openssl rand -base64 42

然后填入 .env 文件。

示例：

SECRET_KEY=your-random-secret-key

企业生产环境中，密钥应妥善保存，不建议随意更换。更换密钥可能会影响部分加密数据的读取。

3. 数据库配置

默认 Docker Compose 会启动 PostgreSQL 容器。测试环境可以直接使用默认配置。

示例：

DB_USERNAME=postgres
DB_PASSWORD=your-db-password
DB_HOST=db
DB_PORT=5432
DB_DATABASE=dify

企业生产环境建议使用更强密码，并考虑使用独立 PostgreSQL 数据库。独立数据库的优势包括：

• 数据更容易备份
• 性能更稳定
• 便于做主从、高可用和监控
• 方便跨版本迁移

如果使用外部数据库，则将 DB_HOST 改为外部数据库地址即可。

4. Redis 配置

Dify 使用 Redis 处理缓存和任务队列相关能力。

示例：

REDIS_HOST=redis
REDIS_PORT=6379
REDIS_PASSWORD=your-redis-password

生产环境建议设置 Redis 密码，并限制访问来源。

5. 向量数据库配置

Dify 支持多种向量数据库，用于知识库文档向量检索。默认配置可能使用 Weaviate 或其他组件，具体取决于版本。

常见向量数据库选择：

如果企业知识库文档数量不大，可以优先使用默认方案。若后期知识库规模扩大，再考虑迁移到 Milvus、Qdrant 或专门的向量数据库集群。

6. 文件存储配置

Dify 涉及上传文档、图片、知识库文件等内容，需要配置文件存储。

常见方式：

1. 本地存储
2. MinIO
3. AWS S3
4. 阿里云 OSS
5. 腾讯云 COS
6. 华为云 OBS

测试环境可以使用本地存储。生产环境建议使用对象存储，便于扩容、备份和高可用。

如果使用 MinIO，需要配置访问地址、Access Key、Secret Key、Bucket 等信息。

七、启动 Dify 服务

配置完成后，在 dify/docker 目录下执行：

docker compose up -d

首次启动需要拉取多个镜像，耗时取决于服务器网络情况。

查看容器状态：

docker compose ps

如果所有服务状态均为 running 或 healthy，说明启动基本正常。

查看实时日志：

docker compose logs -f

如果只想查看某个服务日志，可以执行：

docker compose logs -f api
docker compose logs -f worker
docker compose logs -f web
docker compose logs -f nginx

八、访问 Dify 控制台

如果使用默认端口，可以在浏览器访问：

http://服务器IP

或：

http://服务器IP:80

如果配置了域名，则访问：

https://dify.example.com

首次访问时，系统通常会引导创建管理员账号。请使用企业管理员邮箱注册，并设置强密码。

建议企业至少创建以下角色或账号管理规范：

• 平台管理员账号
• AI 应用管理员账号
• 部门应用维护账号
• 只读审计账号

不要多人共用同一个管理员账号，避免权限和审计混乱。

九、配置反向代理与 HTTPS

生产环境中，不建议直接通过 IP 和 HTTP 暴露 Dify。推荐使用 Nginx、云负载均衡或 Ingress 配置 HTTPS。

1. 使用 Nginx 反向代理示例

假设 Dify 服务运行在本机 80 端口，域名为：

dify.example.com

Nginx 配置示例：

server {
    listen 80;
    server_name dify.example.com;

    client_max_body_size 100M;

    location / {
        proxy_pass http://127.0.0.1:80;
        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;
    }
}

如果使用 HTTPS，可以通过 Certbot 申请免费证书：

sudo apt install -y certbot python3-certbot-nginx
sudo certbot --nginx -d dify.example.com

申请完成后，Certbot 会自动修改 Nginx 配置并启用 HTTPS。

十、接入大模型服务

Dify 部署完成后，需要在控制台中配置模型提供商。

1. 进入模型供应商设置

登录 Dify 控制台后，一般可以在：

设置 → 模型供应商

中添加模型。

2. 常见模型接入方式

企业可根据合规性、成本、性能选择模型：

3. 模型配置建议

企业生产使用时，建议至少配置：

• 一个主力聊天模型
• 一个低成本文本生成模型
• 一个 Embedding 模型
• 一个重排序模型，如有需要
• 一个备用模型供应商

例如：

聊天模型：DeepSeek / Qwen / GPT-4o / GLM
Embedding 模型：text-embedding-3-large / bge / 通义 embedding
Rerank 模型：bge-reranker / Cohere Rerank

知识库问答效果很大程度取决于 Embedding 模型和文档切分质量，企业应重点测试。

十一、创建第一个企业知识库问答应用

下面以企业内部制度问答为例。

1. 创建知识库

进入 Dify 控制台：

知识库 → 创建知识库

上传企业制度文档，例如：

• 员工手册
• 财务报销制度
• 信息安全规范
• 行政管理制度
• 产品操作手册
• 常见问题 FAQ

支持的文档格式通常包括 PDF、Word、TXT、Markdown、HTML 等。

2. 配置文档切分

文档切分会直接影响召回质量。建议：

• 制度类文档：按标题或段落切分
• 产品手册：按功能模块切分
• FAQ：一问一答作为一个片段
• 长 PDF：先清洗格式，再上传

常见参数建议：

分段长度：500~1000 字
分段重叠：50~150 字
检索 TopK：3~8
相似度阈值：根据测试结果调整

3. 创建聊天应用

进入：

工作室 → 创建应用 → 聊天助手

在应用配置中选择对应知识库，并设置提示词。

示例提示词：

你是企业内部知识库助手，请基于知识库内容回答员工问题。
如果知识库中没有相关信息，请明确说明“当前知识库中没有找到相关依据”，不要编造答案。
回答时请尽量引用制度名称、章节或条款。
语气应专业、清晰、简洁。

4. 测试效果

可以测试以下问题：

员工出差住宿标准是多少？
报销发票丢失怎么办？
新员工试用期是多久？
忘记打卡如何处理？
信息安全违规会有什么处罚？

如果回答不准确，需要检查：

• 文档是否上传完整
• 文档解析是否成功
• 切分粒度是否合理
• Embedding 模型是否适合中文
• TopK 是否过低
• 提示词是否约束模型不得编造

十二、企业数据安全建议

企业部署 Dify 时，安全性非常重要，尤其是涉及内部制度、客户数据、商业合同、研发资料等内容时。

1. 网络访问控制

建议：

• 不要将后台管理入口直接暴露到公网
• 使用 VPN、堡垒机或企业内网访问
• 对管理端配置 IP 白名单
• 公网应用接口需要经过网关或 WAF

2. HTTPS 加密

生产环境必须启用 HTTPS，避免账号密码、API Key、会话信息明文传输。

3. 模型调用数据合规

如果调用第三方模型 API，企业需要确认：

• 提交给模型的数据是否包含敏感信息
• 模型供应商是否会保存请求内容
• 是否满足行业合规要求
• 是否需要脱敏处理
• 是否需要走企业级专属实例或私有化模型

对于金融、医疗、政务、制造核心研发等场景，建议优先考虑私有化模型或企业合规云服务。

4. 权限管理

Dify 中不同应用和知识库应设置合理权限，避免普通用户访问敏感知识库。

建议按照部门或业务线拆分：

人事知识库
财务知识库
研发知识库
销售知识库
客服知识库
管理层知识库

并根据实际岗位授权访问。

5. 数据备份

企业应定期备份：

• PostgreSQL 数据库
• Redis 重要数据，如有需要
• 向量数据库数据
• 上传文件和对象存储
• .env 配置文件
• Nginx 配置和证书

备份策略建议：

每日增量备份
每周全量备份
至少保留 30 天
关键数据异地备份
定期进行恢复演练

十三、Dify 升级维护

Dify 作为快速迭代的开源项目，版本更新较频繁。企业在升级前应做好测试和备份。

1. 升级前备份

cd dify/docker
docker compose down

备份数据库和挂载目录：

cp -r volumes volumes_backup_$(date +%F)
cp .env .env_backup_$(date +%F)

如果使用外部 PostgreSQL，应执行数据库备份：

pg_dump -h 数据库地址 -U 用户名 -d dify > dify_backup.sql

2. 拉取最新代码

cd dify
git pull

进入 docker 目录：

cd docker

检查 .env.example 是否有新增配置项，并同步到自己的 .env 文件中。

3. 重新拉取镜像并启动

docker compose pull
docker compose up -d

查看服务状态：

docker compose ps

查看日志：

docker compose logs -f

4. 升级建议

企业生产环境不要直接在业务高峰期升级。推荐流程：

1. 在测试环境先升级验证
2. 确认应用、知识库、工作流正常
3. 备份生产环境
4. 选择低峰时间升级
5. 升级后进行核心功能回归测试
6. 保留回滚方案

十四、常见问题与排查方法

问题 1：Docker 镜像拉取失败

可能原因：

• 服务器无法访问 Docker Hub
• 网络不稳定
• DNS 配置异常

解决方式：

docker pull 镜像名

单独测试镜像拉取。如果网络较慢，可以配置镜像加速器，或使用企业内部镜像仓库。

问题 2：访问页面空白或 502

排查步骤：

docker compose ps
docker compose logs -f nginx
docker compose logs -f web
docker compose logs -f api

重点检查：

• web 服务是否启动
• api 服务是否启动
• nginx 代理配置是否正确
• .env 中 URL 是否配置错误
• 端口是否被占用

查看端口占用：

sudo lsof -i:80

问题 3：知识库上传失败

可能原因：

• 文件过大
• 对象存储配置错误
• worker 服务异常
• 文档解析服务异常
• 磁盘空间不足

排查命令：

docker compose logs -f worker
docker compose logs -f api
df -h

同时检查 .env 中存储相关配置是否正确。

问题 4：知识库检索效果差

可能原因：

• 文档质量差，存在大量扫描图片
• PDF 解析结果混乱
• 切分粒度不合理
• Embedding 模型不适合中文
• TopK 设置过低
• 提示词没有要求基于知识库回答

优化建议：

• 将扫描 PDF 转为可复制文本
• 使用 Markdown 或结构化文档
• 针对 FAQ 使用问答格式
• 更换中文效果更好的 Embedding 模型
• 调整分段长度和重叠长度
• 增加 Rerank 模型

问题 5：模型 API 调用失败

可能原因：

• API Key 错误
• 模型服务商网络不可达
• 账户余额不足
• 模型名称填写错误
• 请求频率超过限制

排查建议：

• 在模型供应商后台确认 Key 是否有效
• 查看 Dify API 日志
• 检查模型名称是否与供应商一致
• 确认服务器能访问模型服务地址
• 如使用代理，检查代理配置

十五、企业生产环境最佳实践

对于企业正式使用 Dify，建议采用以下最佳实践。

1. 区分测试环境和生产环境

至少准备两套环境：

测试环境：用于版本升级、插件测试、应用验证
生产环境：用于正式业务访问

不要在生产环境直接测试不稳定插件或频繁修改核心配置。

2. 建立应用发布流程

AI 应用也应有发布流程，例如：

1. 需求评审
2. Prompt 编写
3. 知识库准备
4. 测试问答集验证
5. 权限审批
6. 灰度发布
7. 效果监控
8. 持续优化

3. 建立问答评测集

企业知识库问答上线前，应整理一批典型问题，例如 50~200 条，用于评估回答准确率。

评估维度包括：

• 是否命中正确知识
• 是否引用依据
• 是否存在幻觉
• 是否回答完整
• 是否符合企业口径
• 是否存在敏感信息泄露

4. 成本控制

大模型调用可能产生持续费用。建议：

• 对不同应用设置不同模型
• 简单任务使用低成本模型
• 复杂任务使用高能力模型
• 控制上下文长度
• 优化知识库召回数量
• 监控 Token 消耗
• 设置预算告警

5. 日志与审计

企业应关注：

• 用户访问日志
• 应用调用日志
• 模型调用记录
• 失败请求日志
• 管理员操作记录
• API Key 使用情况

对于涉及客户服务或内部审批的 AI 应用，日志审计非常重要。

十六、推荐部署架构

对于大多数企业，推荐采用如下架构：

用户 / 企业系统
        |
   HTTPS / API Gateway
        |
      Nginx
        |
      Dify Web / API
        |
  ---------------------
  | PostgreSQL        |
  | Redis             |
  | Vector Database   |
  | Object Storage    |
  ---------------------
        |
   LLM Provider / 私有模型服务

如果企业规模较大，可以进一步拆分：

• Web 多副本
• API 多副本
• Worker 多副本
• PostgreSQL 主从或云数据库
• Redis 高可用
• 向量数据库集群
• 对象存储独立化
• Kubernetes 自动扩缩容
• Prometheus + Grafana 监控

十七、总结

Dify 为企业构建 AI 应用提供了一条相对高效的路径。相比从零开发 AI 应用平台，Dify 已经内置了模型接入、应用编排、知识库、工作流、API 发布、权限管理等能力，可以显著降低企业 AI 应用落地门槛。

对于企业用户来说，部署 Dify 不只是把服务跑起来，更重要的是建立完整的生产化能力，包括：

• 稳定的服务器和容器环境
• 合理的数据库、缓存、向量库和对象存储架构
• 安全的访问控制和 HTTPS 配置
• 合规的模型调用策略
• 完善的数据备份和升级流程
• 可持续优化的知识库和 Prompt 管理机制
• 成本、日志和权限的长期治理

如果只是测试体验，使用 Docker Compose 在单台服务器上部署即可。如果要用于正式业务，建议企业从一开始就规划好域名、HTTPS、备份、权限、监控和模型合规策略，避免后期迁移和治理成本过高。

通过本文的步骤，企业用户可以快速完成 Dify 的私有化部署，并在此基础上逐步构建适合自身业务的智能客服、内部知识助手、销售助手、研发助手、流程自动化 Agent 等 AI 应用。随着企业知识资产不断沉淀，Dify 将不仅是一个工具平台，也可以成为企业 AI 能力建设的重要基础设施。