第 10 章

本地環境建構

整本教學的 Dify 都跑在本機——這一章就來看看引擎室裡發生了什麼：Docker 如何組裝出 Dify、怎麼安裝與升級、環境變數怎麼客製，最後用 Ollama 把「模型」也搬回自己的電腦，實現完全離線的 AI 環境。

本章目標

要學什麼: 建構並理解 Dify 的本地環境
學會的技能: Docker 安裝 Dify、內部容器結構、版本升級、環境變數客製化、Ollama 本地 LLM 串接
能做出什麼: 資料完全不出門的封閉式 AI 環境、公司內部專用 AI 系統

10.1Docker 三分鐘理解

Dify 由十多個服務組成（網頁、API、資料庫、向量庫……），要是手動安裝會非常痛苦。Docker 把每個服務連同它需要的環境打包成獨立的「容器」——像一個個標準化的貨櫃；Docker Compose 則是碼頭調度表，一個指令把所有貨櫃按正確順序啟動、接好網路。

10.2安裝 Dify（我們這台機器就是這樣裝的）

安裝前提安裝 Docker Desktop（macOS／Windows）與 Git。

取得 Dify 原始碼

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

準備環境設定檔
```
cp .env.example .env
```
啟動！
```
docker compose up -d
```
第一次會下載映像檔（數 GB，視網速幾分鐘到幾十分鐘）。完成後打開 http://localhost/install，就是第 2 章的起點。

10.3內部結構：12 個容器各司其職

用 docker ps 看看我們這台機器上實際運行的容器（Dify 1.15.0）：

NAMES                    IMAGE                                       STATUS
docker-nginx-1           nginx:latest                                Up 3 hours
docker-worker-1          langgenius/dify-api:1.15.0                  Up 2 hours
docker-api_websocket-1   langgenius/dify-api:1.15.0                  Up 3 hours
docker-worker_beat-1     langgenius/dify-api:1.15.0                  Up 3 hours
docker-api-1             langgenius/dify-api:1.15.0                  Up (healthy)
docker-plugin_daemon-1   langgenius/dify-plugin-daemon:0.6.3-local   Up 3 hours
docker-db_postgres-1     postgres:15-alpine                          Up (healthy)
docker-redis-1           redis:6-alpine                              Up (healthy)
docker-sandbox-1         langgenius/dify-sandbox:0.2.15              Up (healthy)
docker-web-1             langgenius/dify-web:1.15.0                  Up 3 hours
docker-weaviate-1        semitechnologies/weaviate:1.27.0            Up 3 hours
docker-ssrf_proxy-1      ubuntu/squid:latest                         Up 3 hours

容器	角色	對應章節
`nginx`	大門：所有 `http://localhost` 的請求先到這裡再轉發	—
`web`	你看到的整個網頁介面	全部
`api` / `api_websocket`	核心後端：應用邏輯、API 端點	第 9 章的 API 就是它處理的
`worker` / `worker_beat`	背景工人：文件索引、批次任務、排程	第 3 章的文件處理、第 5 章的批次執行
`db_postgres`	主資料庫：應用、對話、日誌全存這	—
`redis`	快取與任務佇列	—
`weaviate`	向量資料庫：知識庫的向量索引	第 3 章
`sandbox`	程式碼沙箱：安全執行 Code 節點的 Python/JS	第 6 章捌之型
`plugin_daemon`	插件守護程序：模型供應商與工具插件的運行環境	第 2、4 章裝的插件都住這
`ssrf_proxy`	安全代理：HTTP 節點的對外請求經它過濾	第 6 章的天氣 API 請求

10.3.1版本升級

cd dify/docker
docker compose down        # 停止（資料保留在 volumes，不會消失）
git pull origin main       # 更新原始碼
cp .env.example .env.new   # 比對新增的環境變數後合併回 .env
docker compose pull        # 拉新映像
docker compose up -d       # 重新啟動

注意
升級前務必：① 匯出重要應用的 DSL（第 5 章）；② 備份 docker/volumes 目錄（所有資料的家）。跨大版本升級先讀官方 Release Notes。

10.4環境變數：Dify 的兩百多個旋鈕

設定檔 docker/.env 控制一切——我們這台機器的 .env 就有 224 個設定項。常用的幾類：

變數	作用
`EXPOSE_NGINX_PORT`	對外埠號（預設 80，被占用就改它）
`SECRET_KEY`	加密金鑰，正式環境務必換成隨機值
`UPLOAD_FILE_SIZE_LIMIT`	上傳檔案大小上限（知識庫大檔案要調）
`VECTOR_STORE`	向量庫選擇（weaviate／qdrant／milvus…）
`MAIL_TYPE` 等	寄信設定（邀請成員、重設密碼用）

修改後執行 docker compose down && docker compose up -d 生效。原則：只改你理解的項目，改前備份 .env。

10.5Ollama：連模型都在自己電腦上

到目前為止，只有「模型」這一環還在雲端（Claude API）。Ollama 讓你在本機跑開源模型，實現 100% 離線：

安裝 Ollama

brew install ollama        # macOS（或到 ollama.com 下載安裝器）
ollama serve               # 啟動服務

下載模型

ollama pull qwen3:8b           # 中文能力佳的開源模型
ollama pull nomic-embed-text   # Embedding 模型——第 3 章高品質索引就靠它

8B 等級模型建議 16GB 以上記憶體。

讓 Docker 裡的 Dify 連得到 OllamaDify 在容器內，localhost 指的是容器自己。macOS／Windows 用特殊主機名：
```
http://host.docker.internal:11434
```
在 Dify 註冊「集成 → 模型供應商 → 安裝模型提供程式」找到 Ollama（第 2 章圖 2-6 的清單裡就有它）→ 填模型名稱 qwen3:8b 與上面的 Base URL → 儲存。Embedding 模型同法註冊 nomic-embed-text。
切換使用「系統模型設定」把推理模型換成 Ollama 的模型、Embedding 設為 nomic-embed-text——回到第 3 章把知識庫升級成「高品質」索引，體驗完整的向量檢索。

重點
完全本地化後：文件不出門（知識庫在本機）、對話不出門（模型在本機）、日誌不出門（資料庫在本機）——處理機敏資料的終極安心配置。代價是模型能力低於頂級雲端模型，實務上常見「內部機敏流程用 Ollama、對品質要求高的用雲端 API」的混搭。

10.6本章回顧・全書終點

Dify = 12 個 Docker 容器的協奏曲；docker compose up -d 一鍵啟動。
升級三步：down → pull → up；資料都在 volumes，記得備份。
.env 的兩百多個變數控制一切客製化。
Ollama 補上最後一塊拼圖：模型也本地化，實現全封閉 AI 環境。

十章走完，你已經從「第一次打開 Dify」走到「能建聊天機器人、RAG、Agent、工作流、聊天流，能用 API 整合、能自己部署維運」。接下來的路：把你工作中真實的課題丟進來——課題驅動開發，正是第 1 章說的起點，也是精進的唯一捷徑。祝創造愉快！