zhibo shan1. 项目概述：从零搭建本地AI知识库系统
最近在折腾一个很有意思的项目——用Dify和Ollama搭建本地化AI知识库系统。这个方案特别适合需要处理敏感数据的企业或个人开发者，也适合想要低成本尝试大模型应用的初学者。整个系统搭建完成后，你可以在内网环境实现类似ChatGPT的知识问答功能，还能上传自己的文档构建专属知识库。
我选择Dify作为应用框架，主要是看中它的几个特点：开源免费、支持可视化工作流编排、提供完整的API管理功能。而Ollama则是目前最方便的本地大模型运行方案，支持一键部署各种开源模型，从7B到70B参数规模的模型都能跑。两者结合使用，既解决了AI能力本地化的问题，又提供了友好的应用开发界面。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与基础配置
2.1 硬件与系统要求
建议的硬件配置：
- CPU：至少4核（推荐8核以上）
- 内存：16GB起步（运行7B模型最低要求）
- 显卡：非必须，但有NVIDIA显卡（显存≥8GB）可加速推理
- 存储：50GB可用空间（用于存放模型和知识库文件）
系统环境：
- Linux（Ubuntu 22.04 LTS推荐）
- Docker 20.10+
- Docker Compose 2.0+
注意：Windows系统可通过WSL2运行，但性能会有10-15%的损耗。Mac M系列芯片用户需要单独处理ARM架构的兼容性问题。
2.2 网络与端口规划
系统需要开放的端口：
- 80：Dify Web界面（可修改）
- 11434：Ollama服务端口（可修改）
- 3000：Dify API服务（内部使用）
建议提前检查端口占用情况：
bash复制sudo lsof -i :80
sudo lsof -i :11434
如果端口冲突，可以在.env文件中修改Dify的端口配置，或调整Ollama的服务端口。
3. Dify安装与配置详解
3.1 基础安装步骤
- 克隆仓库（建议使用国内镜像加速）：
bash复制git clone https://gitee.com/langgenius/dify.git
- 进入docker目录：
bash复制cd dify/docker
- 复制环境配置文件：
bash复制cp