本地部署 Dify + Ollama 到 D盘，并挂载本地大模型 的完整教程，结合 Docker 运行环境

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

1. 创建 D 盘目录：
   • 新建 D:\ollama 文件夹用于存储程序及模型。

2. 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。

3. 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

1. 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。

2. 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

1. 克隆 Dify 源码：

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

2. 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
   

3. 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

1. 登录 Dify：访问 http://localhost，注册管理员账号。

2. 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

1. 新建空白应用：选择“聊天助手”，输入名称（如 本地知识库助手）。

2. 绑定模型：在应用编辑页右上角选择 deepseek-r1:8b 作为推理引擎。

3. 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）。

4. 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。