企业官网建设流程全解析

简介：这份资源面向希望在本地离线环境中搭建个人知识库的开发者与AI应用实践者，围绕 Dify、Ollama 与 DeepSeek 的组合，提供 Dify 平台的 GitHub 源码 zip 包，解决私有化部署与模型接入时的源码获取问题。压缩包共约2000个文件，以1605个 Python 源码文件和344个 YAML 配置为主，辅以32个 Markdown 文档、9个 HTML 邮件模板、5个 JSON 配置及少量 shell、SQL、XML 文件，整体约26.31MB，覆盖后端逻辑、服务编排、界面模板与数据库脚本等模块，目录结构完整，便于按功能检索与二次开发。已有3583人学习下载，适合需要研究 Dify 内部实现、配置 Ollama 本地模型地址并构建离线问答流程的读者参考，也可作为团队协同与插件化扩展的实践底本。

1. 断网也能跑的知识库：Dify + Ollama + DeepSeek 这套组合到底解决什么问题

上周有个做工业设备售后的朋友找我，说他手里攒了三百多份 PDF 维修手册，想做个能问答的内部工具，但现场车间根本没外网，云端 API 一个都调不通。这种场景其实很典型——不是不想用大模型，是网络条件不允许。Dify 加 Ollama 再挂 DeepSeek 模型，就是冲着这个痛点来的：Dify 负责知识库的切分、向量化和检索编排，Ollama 负责在本地把模型跑起来，DeepSeek 提供推理能力，三者串起来就是一套完全离线的 RAG 系统。这次拆的是 Dify 的 GitHub zip 包，解压即用，不用折腾 Docker 镜像拉取。适合谁？手里有私有文档、需要内网部署、又不想从零写检索链路的从业者。下面按我实际跑通的顺序讲，参数和坑都摆出来。

2. 环境准备与 Dify zip 包落地：从解压到服务起来的完整链路

2.1 为什么选 zip 包而不是镜像拉取

Dify 官方给了几种部署方式，Docker Compose 拉镜像是主流，但在内网或者网络受限的机器上，docker pull经常卡在拉取层。zip 包的好处是把编排文件、配置模板一次性拿到本地，镜像可以提前在有网的机器上导出成 tar 再导入，整个流程可控。我一般会先在能联网的开发机上把镜像docker save成文件，拷到目标机器docker load，再配合 zip 包里的docker-compose.yaml起服务。这样目标机器全程不需要访问外部仓库。

zip 包解压后目录结构大致是dify/docker/下放编排文件，dify/api/和dify/web/是源码，实际部署只用docker目录。先确认目标机器装了 Docker 和 Compose 插件：

docker --version docker compose version

两个命令都要有输出，Compose 版本建议 2.x 以上，1.x 的docker-compose命令在部分新编排文件上会报字段不识别。确认完再进目录：

cd dify/docker cp .env.example .env

.env是整套服务的配置中枢，数据库密码、端口、密钥都从这里读。复制完先别急着起，打开改几个关键项。

2.2 .env 里必须改的四个参数

很多人解压完直接docker compose up -d，结果服务起来但登录不了或者知识库建不了，八成是.env没动。下面这几个是我每次必改的：

SECRET_KEY用openssl rand -base64 42生成就行。CONSOLE_API_URL和APP_WEB_URL这两个如果留空，本地localhost访问没问题，但换台机器用 IP 访问时前端会找不到后端，血泪经验是部署到内网服务器时一定填实际 IP。

改完执行：

docker compose up -d

第一次起会初始化数据库、建表、跑迁移，耗时几分钟。用docker compose ps看容器状态，api、worker、db、redis、nginx几个都应该是running或healthy。api容器日志里出现Application startup complete才算真正就绪：

docker compose logs -f api

看到这行再访问http://本机IP:8080，进初始化页面设管理员账号。这一步别跳过，账号密码记牢，后面知识库和应用都挂在这个账号下。

2.3 Ollama 的安装与模型拉取

Dify 服务起来只是空壳，模型还得靠 Ollama。Ollama 在 Linux 上一条脚本装完，装完确认服务在跑：

curl -fsSL https://ollama.com/install.sh | sh systemctl status ollama

服务起来后拉 DeepSeek 模型。这里要注意，Ollama 仓库里的 DeepSeek 有多个尺寸，显存和内存决定你拉哪个。我一般先看机器资源：

nvidia-smi free -h

有独立显卡且显存在 8G 以上，可以拉 7B 量化版；纯 CPU 或者显存小，拉更小的蒸馏版，否则加载就 OOM。拉取命令：

ollama pull deepseek-r1:7b

拉完验证一下能不能正常推理：

ollama run deepseek-r1:7b "用一句话说明什么是向量检索"

能出结果说明模型可用。Ollama 默认监听11434端口，Dify 的容器要访问它，得用宿主机 IP 而不是localhost——容器里的localhost是容器自己。这是新手最容易翻车的点之一，后面避坑章节细说。

3. 在 Dify 里接上 Ollama 与 DeepSeek：模型配置与知识库建库实操

3.1 模型供应商配置：把 Ollama 挂进 Dify

登录 Dify 后进「设置 → 模型供应商」，找到 Ollama 那一项。关键填两个东西：Base URL 和模型名称。Base URL 填http://宿主机IP:11434，注意不是127.0.0.1。填完点保存，如果报连接失败，先在宿主机上curl http://宿主机IP:11434/api/tags看能不能返回模型列表，返回不了就是 Ollama 没监听对外地址。

Ollama 默认只监听127.0.0.1，要让容器访问得改监听地址。编辑服务配置：

systemctl edit ollama

在打开的编辑器里加：

[Service] Environment="OLLAMA_HOST=0.0.0.0:11434"

保存后systemctl daemon-reload && systemctl restart ollama。再curl一次确认。这一步做完，Dify 里保存供应商配置就能通过。

模型名称填deepseek-r1:7b，要和ollama list里显示的一模一样，大小写、冒号都不能错。填完在供应商页面能看到模型出现在列表里，点「测试」能返回响应就通了。

3.2 知识库建库：切分参数怎么定

进「知识库 → 创建知识库」，上传 PDF 或 Word 文档。Dify 的切分有两种模式：自动切分和自定义。自动切分按固定字符数切，简单但容易把一段完整逻辑切断；自定义可以设分段标识符和最大长度。

我一般这么设：分段标识符用\n\n（段落分隔），最大分段长度 500 字符，分段重叠 50 字符。重叠的作用是防止一句话被切在两段之间导致检索丢上下文。500 这个值不是拍脑袋——中文技术文档一段通常 200 到 400 字，500 能容纳一个完整小节，再大检索精度会下降，因为向量把太多无关内容压进一个块。

索引方式选「高质量」，它用嵌入模型做向量化。嵌入模型也得在模型供应商里配好，Ollama 可以拉nomic-embed-text做嵌入：

ollama pull nomic-embed-text

然后在 Dify 的嵌入模型设置里选它。如果选「经济」模式，用的是关键词检索，精度差一截，私有文档场景不建议省这一步。

上传完文档点「开始处理」，处理过程是异步的，看知识库文档状态从「排队中」变「可用」才算完。几百页的文档处理几分钟到十几分钟不等，取决于机器性能。

3.3 检索测试：验证召回质量

建完库别急着做应用，先在知识库的「召回测试」里验一下。输入一个你文档里明确有答案的问题，看返回的分段是不是相关。召回测试里有个「Top K」参数，控制返回几个分段，默认 4。调大召回多但噪声也多，调小精准但可能漏。我一般先设 4 看效果，如果答案分散在多个段落，加到 6。

如果召回结果完全不相关，先查嵌入模型有没有配对——建库时用的嵌入模型和查询时用的必须是同一个，换了模型向量空间对不上，检索就是玄学。这个坑我在一个项目里踩过，换嵌入模型后没重建索引，召回全是乱的，排查了半天才想起来。

4. 编排问答应用与离线验证：从对话链路到断网复测

4.1 创建聊天助手应用

知识库有了，进「工作室 → 创建应用 → 聊天助手」。在编排页面，把「上下文」节点接上刚建的知识库，模型选 Ollama 里的 DeepSeek。系统提示词里写清楚角色和约束，比如「你是设备维修助手，只根据检索到的文档内容回答，文档里没有的信息明确说不知道」。这句约束很关键，不加的话模型会自由发挥，私有知识库场景下胡编比不答更危险。

编排完在右侧调试窗口问几个问题，看回答是否引用了文档内容。Dify 的回答下方会显示引用的分段，点开能看原文，这是验证检索链路是否真的生效的直接手段。如果回答对但没引用，说明模型没走上下文，检查上下文节点有没有正确连线。

4.2 断网复测：确认真的离线可用

整套跑通后，把目标机器的外网断掉（拔网线或关网络接口），重启所有服务，再走一遍问答流程。这一步是很多人的盲区——开发时挂着网，模型和依赖都从网上拉，以为离线没问题，结果断网后 Ollama 拉不到模型、Dify 调不通嵌入接口，全挂。

断网复测要确认三件事：Ollama 模型已本地缓存（ollama list能看到）、Dify 所有容器正常起、问答链路能返回结果。三件都过，这套才算真正落地。我习惯在交付前把断网复测当固定动作走一遍，比事后救火省事得多。

4.3 性能调优的两个抓手

离线环境下性能瓶颈通常在推理速度。两个可调的点：一是模型尺寸，7B 在 CPU 上跑一个字要好几秒，能上 GPU 就上；二是 Dify 的检索 Top K 和分段长度，分段太长会拖慢嵌入和检索。我一般把分段控制在 500 以内，Top K 不超过 6，响应时间能压到可接受范围。

另外 Ollama 有个num_ctx参数控制上下文窗口，默认值偏小，长文档问答时可能截断。可以在模型配置里调大，但调大会吃显存，量力而行。

5. 避坑清单：这套离线组合最容易翻车的五个地方

5.1 容器访问不到宿主机 Ollama

现象：Dify 里配 Ollama 供应商时报连接超时，但宿主机curl localhost:11434正常。原因：容器网络里的localhost指向容器自身，不是宿主机。解决：Base URL 用宿主机实际 IP，同时把 Ollama 的OLLAMA_HOST改成0.0.0.0:11434让它监听对外地址。

5.2 嵌入模型和建库时不一致

现象：知识库召回结果完全不相关，问东答西。原因：建库用的嵌入模型和查询时用的不是同一个，向量空间不匹配。解决：确认模型供应商里嵌入模型唯一且固定，换模型后必须重建知识库索引，不能只改配置。

5.3 端口冲突导致 nginx 起不来

现象：docker compose ps里 nginx 反复重启，日志报bind: address already in use。原因：宿主机 80 端口被占用。解决：改.env里的EXPOSE_NGINX_PORT为 8080 或其他空闲端口，docker compose down再up -d。

5.4 模型拉取后 Dify 里看不到

现象：ollama list有模型，Dify 供应商配置里模型名填了却报不存在。原因：模型名拼写和列表不完全一致，或者 Ollama 服务重启后模型没加载。解决：从ollama list复制完整名称，确认 Ollama 服务状态，必要时ollama run一次触发加载。

5.5 断网后服务起不来

现象：联网时一切正常，断网重启后容器起不来或问答失败。原因：编排文件里有依赖外部镜像或在线资源的配置，或者模型没真正缓存到本地。解决：提前docker save所有镜像并docker load，确认ollama list有模型，断网复测作为交付前固定动作。

6. 进阶技巧：用 API 把离线知识库接进现有系统

Dify 编排好的应用不只是网页能用，它暴露了 API。进应用「访问 API」页面能拿到 API Key 和调用地址，这样就能把问答能力嵌进内部工单系统或者聊天工具，不用让人专门开网页。调用示例：

curl -X POST 'http://宿主机IP:8080/v1/chat-messages' \ -H 'Authorization: Bearer app-xxxxxxxx' \ -H 'Content-Type: application/json' \ -d '{ "inputs": {}, "query": "设备报错 E05 怎么处理", "response_mode": "blocking", "conversation_id": "", "user": "internal-user" }'

response_mode选blocking是一次性返回完整回答，适合工单系统这种不需要流式的场景；要打字机效果就选streaming。conversation_id传空表示新会话，多轮对话时把上一轮返回的 id 带上就能保持上下文。user字段用来区分调用方，审计和限流都靠它。

API 调通后，可以在内部系统里做一个输入框加结果展示，后端转发这个请求就行。注意 API Key 别硬编码在前端，走后端代理。另外离线环境下这个接口只在局域网可达，外部访问不了，正好符合内网工具的定位。

验证 API 是否真的走了知识库，看返回体里的retriever_resources字段，里面有引用的分段和文档名。如果这个字段为空，说明检索没命中，回答是模型自由发挥的，得回头查知识库和检索参数。

从那以后我每次交付这类离线知识库，都会在断网状态下把网页问答和 API 调用各走一遍，确认retriever_resources有内容才敢交出去。这套组合的价值不在技术多新，而在每个环节都可控、可复现、断网不慌。希望帮到你。

本文还有配套的精品资源，点击获取