书接上篇：分别使用Page Assist、AnythingLLM和RAGFlow接入deepseek模型，并上传及分析本地知识：：
AI入门：AI模型管家婆ollama的安装和使用-CSDN博客
AI入门2：本地AI部署，用ollama部署deepseek（私有化部署）-CSDN博客
AI入门3：给本地deepseek设置网页访问方式（UI插件Page Assist 安装）_deepseek本地部署网页访问-CSDN博客
AI入门4：基于Ollama+DeepSeek，用Page Assist搭建本地知识库-CSDN博客
AI入门5：基于Ollama+DeepSeek，用AnythingLLM搭建本地知识库-CSDN博客
AI入门6：基于Ollama+DeepSeek，用RAGFlow搭建本地知识库_如何查看ragflow里内置的rerank模型信息-CSDN博客
本节介绍用Dify接入deepseek，搭建本地知识库。Dify则是一个基于大语言模型(LLM)的应用开发平台，和Ragflow相比较，它提供了丰富的功能和灵活的工作流编排，虽然Ragflow没有工作流编排，但Ragflow专注于深度文档理解和检索增强生成（RAG），它特别适合处理复杂格式的文档，并能够进行无幻觉生成，确保生成结果的准确性和可靠性。所以，两者各有利弊，可以选择使用，也可以联合使用，后面其他文章介绍联合的使用方式，本文介绍Dify接入deepseek的部分。
准备工作
ollama和deepseek安装设置好，具体操作参考，上面AI入门1和2。并安装好docker，docker安装
大家参考之前发的文章：
下载Dify
说明，dify当前最新版本V1.0.1，多个小伙伴安装配置后，找不到模型，安装上一个0.15.3，没有这个问题，所以，本文我们使用0.15.3版本。
下图：V1.0.1找不到模型的界面，供参考。
用命令，带上版本号下载，先创建一个文件夹，我这里用“E:\ollama\”，然后打开文件夹，在地址栏输入cmd，打开dos窗口输入命令
git clone https://github.com/langgenius/dify.git --branch 0.15.3执行界面，参考如下：
这样就会下载一个dify文件夹，和在网页上下载后解压到效果一样，像这样：
找到docker下的.env.example：
将.env.example改为.env文件，修改此文件，在文档最后，增加下面配置信息：
# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定 Ollama 的 API 地址（根据部署环境调整 IP）
OLLAMA_API_BASE_URL=host.docker.internal:11434
其中OLLAMA_API_BASE_URL，填写ollama的真实地址，和端口号，本机IP通过win+R，cmd，打开dos窗口，输入ipconfig，查看ip地址，在浏览器中，输入http://ip地址:11434/，如果能显示下面界面，表示正确：
.env的修改界面如下：
保存配置文件，在地址栏，输入cmd，回车进入dos窗口，执行命令
docker compose -f .\docker-compose.yaml -p dify up -d执行界面如下：
特别说明：
Docker Compose 使用项目名来隔离不同的项目环境，默认情况下，项目名称是 docker-compose.yml 文件所在目录的名称，如果安装了多个容器，如Ragflow 和 Dify，其项目名都是docker，需要在命令行中通过p参数，指定项目名。如果不区分项目名，同时启动RAGFlow和Dify容器，会出现Redis 容器冲突错误。
注意，不要给docker文件夹改命，否则会遇到服务起不来的情况，像这样：
超时错误处理
在此过程如果出现超时错误：
Get "https://registry-1.docker.io/v2/": context deadline exceeded
就参考下面的文档：
docker找不到镜像，无法成功下载ragflow-main的问题_ragflow docker 无法下载-CSDN博客
安装启动
在浏览器地址栏输入即可安装：http://127.0.0.1/install，初始界面，自动加载安装：
完成后，设置管理员账号：
完成后进行登录：
登录后，就安装好，可以使用了：
配置模型
进入配置界面：
然后选择“模型供应商”，（如果没有任何模型显示，检查是不是dify版本不对），找到ollama：
鼠标划过模型，显示按钮，点击“添加模型”：
模型名称填写，ollama中下载的模型，通过命令ollama list，查看
ollama list执行界面如下：
上面，“添加模型”配置保存后，会显示在模型列表中，然后点击“系统模型设置”，现在刚配置的模型，保存。
然后，关闭设置页，就完成了模型设置。
创建应用
在“工作室”区域，点击“创建空白应用”，
填写应用信息： 
类型参考：
聊天助手：基于大型语言模型（LLM）构建的对话式交互助手，适用于简单的问答和需要大模型进行抽象或判断的场景。聊天助手支持知识库，适合逻辑简单的问答。
文本生成：用于生成长文本的任务，如撰写故事、文本分类、翻译等。如果配置了文本转语音模型，还可以直接将生成的文本转换为语音。
Agent：能够分解任务、推理思考、调用工具的对话式智能助手。相比聊天助手，Agent新增了工具调用能力，可以调用Dify内置的小工具，并通过Agent+Google实现网页搜索功能。
工作流（Workflow）：基于流程编排的方式定义更加灵活的LLM工作流，适用于需要复杂流程定义和执行的任务。工作流没有聊天记忆功能，只能在最后一步输出结果。
对话流（Chatflow）：适用于定义复杂流程的多轮对话场景，具有记忆功能的应用编排方式。Chatflow可以在执行过程中进行中间步骤的内容输出，并且LLM和问题分类器有聊天记忆的开关，可以应对多轮对话并记住之前的对话内容。
点击创建，可以设置提示词，调试模型，以及在上下文，创建知识库。
创建知识库
在应用中创建知识库，或者点击“知识库”标签，进行创建：
上传本地知识文档：
下一步，按默认参数，或者自行调整，点击“预览块”按钮，在右侧预览区，会显示文档分块情况，保存执行
点击“知识库”标签，可以看到所添加的知识库，进行设置：
重命名知识库名称：
点击，知识库，可以进入查看知识库中的内容：
点击左侧设置按钮，可进行设置：
保存知识库，点击“工作室”，进入工作区设置，添加知识库：
然后进行发布：
验收成果：问答测试
点击“探索”标签，选择刚创建的工作区，然后“开始对话”：
我这里，针对上传的知识文档，问了一个问题“正经教主是个怎样的人”，回答结合了模型和知识库，结尾有知识库的引用说明：
根据回答，它自己推理的内容太多了，调整知识库的检索设置，设置为最高，
调整后，再发布更新，开起一个新回话，这次回答就更靠谱了：
dify的部署就暂时到这里了。
其他
日常启停服务
总结一下，日常启动，在ollama，和docker正常启动后（ollama和docker都有程序菜单，从开始中找到运行即可，运行后在右下角程序栏有运行图标），在doc窗口，先跳转到dify所在目录的docker目录下，执行命令：启动服务：
docker compose -f .\docker-compose.yaml -p dify up -d不需要的时候，通过docker命令关闭模型，不然有点费资源：
docker compose -f .\docker-compose.yaml -p dify down然后，再关闭docker和ollama（右下角程序栏有运行图标，右键菜单中关闭）。
端口冲突问题
docker同时部署RAGFlow和Dify，两个默认端口都是80，端口冲突，解决方式见之前文档：
docker同时部署RAGFlow和Dify端口冲突问题-CSDN博客
如何卸载dify
如果dify版本没装对，或者不要了，需要卸载，在docker里，停止容器，然后删除容器，再删除物理文件夹就行了。
