本文简介

最近字节在推Coze，你可以在这个平台制作知识库、制作工作流，生成一个具有特定领域知识的智能体。

那么，有没有可能在本地也部署一套这个东西呢？这样敏感数据就不会泄露了，断网的时候也能使用AI。

刚好最近 Llama 3.1 发布了，本文就以 Llama 3.1 作为基础模型，配合 Dify 在本地搭建一套“Coze”。

跟着本文一步步操作，保证能行！

Dify是什么？

Dify 官网(https://difyai.com/) 的自我介绍：Dify 是开源的 LLM 应用开发平台。提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 AI 原生应用。比 LangChain 更易用。

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

动手搭建

在本地搭建这个平台很简单，其实 Dify文档(https://docs.dify.ai/v/zh-hans) 里都写得明明白白了，而且还有中文文档。

具体来说需要做以下几步：

1. 1. 安装 Ollama
2. 2. 下载大模型
3. 3. 安装 Docker
4. 4. 克隆 Dify 源代码至本地
5. 5. 启动 Dify
6. 6. 配置模型

接下来一步步操作。

安装 Ollama

简单来说 Ollama 是运行大语言模型的环境，这是 Ollama 的官网地址 https://ollama.com/，打开它，点击 Download 按钮下载 Ollama 客户端，然后傻瓜式安装即可(一直点“下一步”)。

安装完成后就能看到一个羊驼的图标，点击运行它即可。

下载大模型

安装完 Ollama 后，我们到 Ollama 官网的模型页面(https://ollama.com/library)挑选一下模型。

这里面有很多开源模型，比如阿里的千问2，搜索 qwen2 就能找到它。

本文使用 Llama 3.1 ，这是前两天才发布的模型，纸面参数贼强。

打开 Llama 3.1 模型的地址(https://ollama.com/library/llama3.1)，根据你需求选择合适的版本，我选的是 8b 版。

选好版本后，复制上图右侧红框的命令，到你电脑的终端中运行。

如果你还没下载过这个模型它就会自动下载，如果已经下载过它就会运行这个模型。

运行后，你就可以在终端和大模型对话了。

当然，我们不会这么原始的在终端和大模型对话，我们可是要搞工作流的！

安装 Docker

前面的基础步骤都搞掂了，接下来就要开始为运行 Dify 做准备了。

先安装一下 Docker ，打开 Docker 官网(https://www.docker.com/)，根据你系统下载对应的安装包，然后还是傻瓜式安装即可。

克隆 Dify 源代码至本地

要使用 Dify ，首先要将它拉到你电脑里。

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

在你电脑里找个位置（目录），用 git 将 Dify 克隆下来，用上面这条命令克隆就可以了。

启动 Dify

进入 Dify 源代码的 docker 目录，执行一键启动命令：

cd dify/docker  
cp .env.example .env  
docker compose up -d

启动完成后，你的 docker 里就会看到这个

此时你在浏览器输入 http://localhost 就能看到这个界面。

首次打开 Dify 需要你设置一下管理员的账号。

然后用管理员账号登录，可以看到下面这个页面。

点击“创建空白应用”就可以创建聊天助手、文本生成应用、Agent、工作流。

我们点击”工作流”就能看到类似Coze的工作流编辑界面了。

配置模型

在配置工作流之前，我们需要给 Dify 配置大语言模型。

点击页面右上角的管理员头像，然后选择“设置”。

选择“模型供应商”，然后点击“Ollama”的卡片添加模型。

在添加 Ollama 模型时，弹窗的左下角有一个“如何继承 Ollama”的按钮，点击它会跳转到 Dify 官方文档教你怎么配置，但这里可能会有个小坑。

前面我们已经使用 Ollama 把 Llama 3.1 运行起来了，在浏览器打开 `http://localhost:11434 看到这个界面证明模型运行成功。

此时在“添加 Ollama”将资料填写好，“基础 URL”里输入 http://localhost:11434 即可。

如果你是 Mac 电脑，填入以上资料有可能会报这个错：

An error occurred during credentials validation: HTTPConnectionPool(host='localhost', port=11434): Max retries exceeded with url: /api/chat (Caused by NewConnectionError(': Failed to establish a new connection: [Errno 111] Connection refused'))

此时你需要在“基础 URL”里填入 http://host.docker.internal:11434。

遇到问题可以看 Dify 官方文档的 FAQ。

添加完成后你就可以在模型列表里看到它了。

除了接入 Ollama 外，Dify 还支持接入 OpenAI 等闭源模型，但需要你去 OpenAI 那边买个服务。

以上就是本文的全部内容啦，如果本文对你有帮助的话也请你分享给你的朋友～
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

文章来源于互联网:Llama + Dify，在你的电脑搭建一套AI工作流

本文简介

最近字节在推Coze，你可以在这个平台制作知识库、制作工作流，生成一个具有特定领域知识的智能体。

那么，有没有可能在本地也部署一套这个东西呢？这样敏感数据就不会泄露了，断网的时候也能使用AI。

刚好最近 Llama 3.1 发布了，本文就以 Llama 3.1 作为基础模型，配合 Dify 在本地搭建一套“Coze”。

跟着本文一步步操作，保证能行！

Dify是什么？

Dify 官网(https://difyai.com/) 的自我介绍：Dify 是开源的 LLM 应用开发平台。提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 AI 原生应用。比 LangChain 更易用。

动手搭建

在本地搭建这个平台很简单，其实 Dify文档(https://docs.dify.ai/v/zh-hans) 里都写得明明白白了，而且还有中文文档。

具体来说需要做以下几步：

1. 1. 安装 Ollama
2. 2. 下载大模型
3. 3. 安装 Docker
4. 4. 克隆 Dify 源代码至本地
5. 5. 启动 Dify
6. 6. 配置模型

接下来一步步操作。

安装 Ollama

简单来说 Ollama 是运行大语言模型的环境，这是 Ollama 的官网地址 https://ollama.com/，打开它，点击 Download 按钮下载 Ollama 客户端，然后傻瓜式安装即可(一直点“下一步”)。

安装完成后就能看到一个羊驼的图标，点击运行它即可。

下载大模型

安装完 Ollama 后，我们到 Ollama 官网的模型页面(https://ollama.com/library)挑选一下模型。

这里面有很多开源模型，比如阿里的千问2，搜索 qwen2 就能找到它。

本文使用 Llama 3.1 ，这是前两天才发布的模型，纸面参数贼强。

打开 Llama 3.1 模型的地址(https://ollama.com/library/llama3.1)，根据你需求选择合适的版本，我选的是 8b 版。

选好版本后，复制上图右侧红框的命令，到你电脑的终端中运行。

如果你还没下载过这个模型它就会自动下载，如果已经下载过它就会运行这个模型。

运行后，你就可以在终端和大模型对话了。

当然，我们不会这么原始的在终端和大模型对话，我们可是要搞工作流的！

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

安装 Docker

前面的基础步骤都搞掂了，接下来就要开始为运行 Dify 做准备了。

先安装一下 Docker ，打开 Docker 官网(https://www.docker.com/)，根据你系统下载对应的安装包，然后还是傻瓜式安装即可。

克隆 Dify 源代码至本地

要使用 Dify ，首先要将它拉到你电脑里。

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

在你电脑里找个位置（目录），用 git 将 Dify 克隆下来，用上面这条命令克隆就可以了。

启动 Dify

进入 Dify 源代码的 docker 目录，执行一键启动命令：

cd dify/docker  
cp .env.example .env  
docker compose up -d

启动完成后，你的 docker 里就会看到这个

此时你在浏览器输入 http://localhost 就能看到这个界面。

首次打开 Dify 需要你设置一下管理员的账号。

然后用管理员账号登录，可以看到下面这个页面。

点击“创建空白应用”就可以创建聊天助手、文本生成应用、Agent、工作流。

我们点击”工作流”就能看到类似Coze的工作流编辑界面了。

配置模型

在配置工作流之前，我们需要给 Dify 配置大语言模型。

点击页面右上角的管理员头像，然后选择“设置”。

选择“模型供应商”，然后点击“Ollama”的卡片添加模型。

在添加 Ollama 模型时，弹窗的左下角有一个“如何继承 Ollama”的按钮，点击它会跳转到 Dify 官方文档教你怎么配置，但这里可能会有个小坑。

前面我们已经使用 Ollama 把 Llama 3.1 运行起来了，在浏览器打开 `http://localhost:11434 看到这个界面证明模型运行成功。

此时在“添加 Ollama”将资料填写好，“基础 URL”里输入 http://localhost:11434 即可。

如果你是 Mac 电脑，填入以上资料有可能会报这个错：

An error occurred during credentials validation: HTTPConnectionPool(host='localhost', port=11434): Max retries exceeded with url: /api/chat (Caused by NewConnectionError(': Failed to establish a new connection: [Errno 111] Connection refused'))

此时你需要在“基础 URL”里填入 http://host.docker.internal:11434。

遇到问题可以看 Dify 官方文档的 FAQ。

添加完成后你就可以在模型列表里看到它了。

除了接入 Ollama 外，Dify 还支持接入 OpenAI 等闭源模型，但需要你去 OpenAI 那边买个服务。

以上就是本文的全部内容啦，如果本文对你有帮助的话也请你分享给你的朋友～

在大模型时代，我们如何有效的去学习大模型？

现如今大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，下面是我整理好的一套完整的学习路线，希望能够帮助到你们学习AI大模型。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF书籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型各大场景实战案例

结语

【一一AGI大模型学习 所有资源获取处（无偿领取）一一】 所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

文章来源于互联网:Llama + Dify，在你的电脑搭建一套AI工作流