本文详细介绍了在Windows环境下，如何将Dify与Ollama进行本地部署和集成，构建强大的AI服务平台。从环境准备、安装配置到验证测试，步骤清晰易懂。通过本地部署，用户可以解决数据隐私和网络依赖问题，轻松拥有个性化的AI应用，无论是学习研究还是开发创新，都能得心应手。

💻 **环境准备:** 确保Windows系统为64位Windows 10或更高版本，并配备至少8GB内存（推荐16GB以上）以支持大模型运行。处理器建议选择4核及以上CPU，为Ollama及其模型预留至少50GB磁盘空间。如果配备NVIDIA GPU，安装相应驱动和CUDA工具包可实现加速。

⚙️ **Dify的安装与配置:** 按照官方文档，通过拉取Dify源码、验证Docker Compose安装、配置环境变量并启动Dify服务。启动后，通过访问配置的端口验证Dify是否安装成功，并设置管理员账户。Dify的安装需要Docker环境支持。

🚀 **Ollama的安装与配置:** 从Ollama官网下载安装包进行安装，配置环境变量使Dify可以访问Ollama，并配置本地模型存储位置。验证Ollama是否安装成功，通过浏览器访问localhost:11434。使用ollama run 模型名称下载并启动大模型。

🔗 **Dify与Ollama的集成:** 获取本机IP地址，在Dify的.env文件中添加Ollama地址。在Dify的模型供应商中安装Ollama插件，添加本地模型。通过创建一个空白应用，配置工作流，测试集成效果，验证本地模型是否可用。

一、前言

在人工智能飞速发展的当下，智能体的构建需求也呈爆炸式增长，市面上也不断涌现出优秀的智能体构建平台如Dify、Coze、N8N等。在这种环境下，数据隐私和网络依赖问题依旧是急需解决的核心痛点，而Ollama则通过本地部署大模型的方式完美解决了这个问题。今天，我就手把手教大家在Windows环境下实现Dify和Ollama的部署集成。让你拥有属于自己的强大AI服务，无论是用于学习研究还是开发创新，都能得心应手。

二、环境要求

Windows 系统版本：建议使用 64 位的 Windows 10 或更高版本，以确保软件的兼容性和性能。

硬件配置：

内存：至少 8GB 内存，如果要运行较大参数规模的模型（如 13B 参数以上的模型），建议 16GB 或更高内存 ，因为大模型在运行时需要占用大量内存来存储模型参数和进行计算。

处理器：性能较高的 CPU 可以提供更好的运算速度和效率，多核处理器能够更好地处理并行任务，建议选择具有 4 核及以上的 CPU 。

磁盘空间：为 Ollama 和其模型至少预留 50GB 的磁盘空间，因为模型文件通常较大，如 7B 参数的模型文件可能就需要5GB 的存储空间 ，随着你下载更多模型，所需磁盘空间也会增加。如果还需要部署 Dify 及相关组件，还需考虑 Dify 运行所需的磁盘空间，Dify 运行过程中会涉及到数据库存储等，也会占用一定磁盘空间。

显卡（GPU）：Ollama 支持纯 CPU 运行，但如果你的电脑配备了 NVIDIA GPU，并且安装了相应的驱动和 CUDA 工具包，可以利用 GPU 进行加速，大大提高模型的运行速度和性能 。例如运行一些对计算量要求高的大模型时，使用 GPU 可以明显缩短响应时间。

三、安装与配置

由于docker我已经提前安装好了，故本文就不做赘述，咱们直接开始Dify和Ollma的安装。

Dify官方文档地址：docs.dify.ai/zh-hans/get…

参照官方文档，直接开始安装步骤：

1.拉取dify源码

2.验证docker compose是否正确安装

3.将环境变量配置文件复制一份命名为.env并调整其中的端口号等参数，按需调整即可

4.直接使用命令docker compose up -d启动dify服务，图中是启动过程中的拉取镜像和启动容器的过程，启动完成后再DockerDesktop中可以看到对应的容器

docker compose up -d

5.启动完成后直接输入地址验证，我在.env环境中配置的port是8000,因此通过8000访问即可，初始界面需要配置管理员账户，自行设置一个即可，到该步骤Dify安装已经完成

6.Ollama的安装比较简单，直接从Ollama官网下载安装包安装即可

官网地址：

https://ollama.com/download

安装完成后配置环境变量使得Dify可以访问Ollama，并且配置本地模型存储位置防止默认存储C盘导致磁盘空间不足

7.验证Ollama安装效果，直接浏览器访问地址，出现Ollama is running则表示Ollama安装启动成功。

localhost:11434

Ollama本地安装大模型比较简单，直接Ollama run 模型名称即可，会自动下载并启动大模型，例如：

ollama run deepseek-r1:7b

8.调整配置将Ollama集成到Dify中首先获取本机的实际ip地址

ipconfig | finddstr "IPv4"

在Dify的.env文件中添加Ollama地址：

OLLAMA_API_BASE_URL=http://192.168.193.188:11434

在Dify的设置->模型供应商中安装Ollama插件，安装完成后添加本地模型，我这里使用的是deepseek-r1:7b模型，大家按需配置即可。

9.测试集成结果，我们直接创建一个空白应用，配置开始->LLM->结束三个节点的工作流，LLM节点选择我们配置的Ollama的本地模型

deepseek-r1:7b，然后通过预览测试实际效果

四、总结

通过以上步骤，我们成功地在 Windows 环境下完成了 Dify 集成 Ollama 的本地部署，搭建起了一个属于自己的强大 AI 服务平台。。

如果你在部署过程中遇到任何问题，欢迎在评论区留言交流，大家一起探讨解决 。期待大家都能在人工智能的世界里玩得开心，创造出更多有趣、有用的 AI 应用 ！

本文使用 文章同步助手 同步