Dify/RagFlow+Ollama本地部署deepseek模型（自用）

注意：Docker要先运行起来，才能打开dify或ragflow的网页！

第一步：安装Ollama

第二步：在ollama上下载模型

  ollama run...

第三步：安装docker desktop

dify

b站教程：
DeepSeek+Dify本地部署

第四步：github拉取dify源码

github: dify
下载zip，解压缩到D盘

第五步：更改配置文件

（先复制一份，防止修改失败）

dify——docker——.env
用vscode把文件打开，最后加上两行

#启用自定义模型
CUSTOM_MODEL_ENABLED=true
#指定Ollama的API地址(根据部署环境调整IP)
OLLAMA_API_BASE_URL=host.docker.internal:11434

第六步：远程下载dify

在docker目录下，右键进入终端

docker compose up -d

这步耗时最久，因为服务器在国外（可开节点试试）且文件较大。

第七步：访问本地dify网址

就是在浏览器输入127.0.0.1

解决登录界面502问题

dify docker部署后，在install界面卡住，step请求报502的问题解决
直接用第二个创建自动化脚本的方法。

后续如何打开dify？

在vscode打开dify——docker这个文件夹，然后终端执行两条命令

docker compose up -d
python dify-nginx.py

3、其他：
（1）windows用python而不是python3，确认命令是什么操作系统的
（2）执行程序时，检查一下问题栏有没有**库无法导入的情况！再运行
（3）复制模型名称时，检查不要多带了空格，否则会找不到模型，引发404错误

ragflow

b站视频
DeepSeek + RAGFlow 构建个人知识库

第四步：github拉取ragflow源码

github: ragflow
下载zip，解压缩到D盘

第五步：更改配置文件

（先复制一份，防止修改失败）

ragflow——docker——.env
用vscode把文件打开，注释84行，取消注释87行

第六步：远程下载ragflow

在docker目录下，右键进入终端

docker compose -f docker-compose.yml up -d

这步耗时最久，因为服务器在国外（可开节点试试）且文件较大。

解决端口占用的问题：
Bind for 0.0.0.0:80 failed: port is already allocated
Bind for 0.0.0.0:443 failed: port is already allocated

修改 docker-compose.yml 文件中的端口映射
把80:80改成8080:80，
把443:443改成4433:443

第七步：访问本地ragflow网址

就是在浏览器输入localhost:8080

第八步：在dify或ragflow中配置LLM和系统推理模型

（1）选择Ollama作为模型供应商，填入模型名字和基础URL
（http://host.docker.internal:11434）

（2）刷新一下，并确保模型已开启，然后设置系统推理模型

解决RagFlow上传文件解析时卡住、失败的问题

RagFlow上传文件解析时卡住、失败

进入ragflow对应的docker的终端：

docker ps #查看容器运行状态
docker logs -f ragflow-server #查看日志
docker compose down #关闭容器
——修改.env配置文件
docker compose up -d #启动容器

这个是先前修改的，不能解决问题：

再修改这个，就可以了：

docker的镜像默认装在C盘，如何迁移到D盘？

迁移镜像