企业官网建设流程全解析

简介：这份PDF资料面向希望零基础搭建私有AI知识库的开发者和AI爱好者，围绕DeepSeek大模型与Dify开源平台，给出从系统环境变量配置、Ollama安装、deepseek-r1与bge-m3模型拉取，到Docker部署、Dify配置及知识库创建的完整本地化落地路径，帮助读者摆脱对云端服务的依赖，在个人电脑上跑通一套可对话、可检索的知识库系统。资源包共1个PDF文件，约1.47MB，以图文步骤形式记录各环节的界面操作与命令输入，便于对照执行。目前已有2345人学习关注。内容覆盖环境变量设置、模型选择与拉取、镜像加速配置、.env参数调整及聊天助手与知识库的关联使用，并附有ollama list等验证命令，可帮助读者快速复现部署流程、理解各组件协作关系，适合作为本地大模型应用入门的实操参考。

1. 从一次“模型下完了却用不上”的翻车说起

Windows 11 上想跑一套本地知识库，DeepSeek + Dify 这套组合大概是目前门槛最低、资料最全的一条路：Ollama 管模型，Docker 管容器，Dify 管应用和知识库，全程不碰一行后端代码。但门槛低不等于不会翻车。我见过最常见的场景是：Ollama 装好了，deepseek-r1:8b也拉下来了，命令行里聊得挺顺，结果一进 Dify 添加模型就报连接失败——模型明明在本地，应用就是够不着。问题往往不在模型，而在环境变量、容器网络和.env配置这三处中的某一处。

这篇笔记按我实际装机的顺序走一遍：先定环境变量和版本，再装 Ollama 拉模型，然后装 Docker 配镜像，接着部署 Dify 并打通 Ollama，最后落到“怎么验证真的跑通了”。适合第一次在 Windows 上做本地大模型部署的开发者，也适合装过一半卡在模型对接环节、想回头排查的人。装之前先把磁盘腾出至少 30GB，8B 模型加 embedding 模型加 Docker 镜像，空间消耗比想象中大。

2. 装前定环境：Windows 11 变量与版本取舍

2.1 先把 OLLAMA_MODELS 定下来

Ollama 默认把模型放在系统盘用户目录下，一个 8B 模型动辄四五个 GB，几个模型下来 C 盘就红了。所以第一步不是装软件，是改模型存储路径。右击“此电脑”→“属性”→“高级系统设置”→“环境变量”，在“系统变量”里新建：

值里的路径必须是已存在的文件夹，Ollama 不会帮你创建父目录。设完重启系统，这一步别省——环境变量对已运行的服务不生效，重启是最省事的办法。我一般会在设完后打开一个新的 cmd 窗口执行echo %OLLAMA_MODELS%，能回显出路径才算数。

2.2 版本选择：模型按显存挑，不按心情挑

DeepSeek-R1 在 Ollama 上有多个尺寸，选哪个看机器。常见做法是按显存和内存对号入座：

原文用的是 8b，这也是大多数 16GB 内存机器的甜点档。embedding 模型固定用bge-m3，它负责把知识库文档转成向量，和对话模型是两回事，两个都得拉。Docker Desktop 走官网 Windows AMD64 版本即可，Dify 用 GitHub 主分支压缩包，解压后目录名统一改成dify，后面所有路径都基于它。

提示：模型目录、Docker 镜像目录、Dify 解压目录尽量放同一个数据盘，迁移和备份时少跨盘折腾。

3. 装 Ollama 并拉模型：两条命令的先后顺序

3.1 安装与验证服务

从 Ollama 官网下载OllamaSetup.exe，双击后点 Install，装完托盘会出现 Ollama 图标。装完先别急着拉模型，开一个 cmd 验证服务在跑：

ollama --version ollama list

第一条回显版本号，第二条即使为空也说明服务通了。如果ollama list报连接拒绝，多半是托盘程序没起来，手动启动一次 Ollama 再试。这里有个容易忽略的点：装完 Ollama 后要重新开一个命令行窗口，旧窗口继承的是安装前的环境变量，读不到刚设的OLLAMA_MODELS。

3.2 拉对话模型和 embedding 模型

# 拉取对话模型，8b 对应约 4.7GB 下载量 ollama run deepseek-r1:8b # 进入对话后随便问一句验证，退出用 Ctrl+C 再 Ctrl+D # 拉取向量模型，知识库检索依赖它 ollama pull bge-m3 # 确认两个模型都在列表里 ollama list

ollama run第一次执行会先下载再进入交互，下载进度条走完出现>>>提示符就说明模型可用了。测试一句“你好”能正常回复，按Ctrl+C中断生成、再按Ctrl+D退出交互。ollama pull只下载不进入对话，适合 embedding 这类不需要手动聊的模型。最后ollama list应该能看到deepseek-r1:8b和bge-m3两行，NAME 列的名字后面配 Dify 时要一字不差地抄过去。

注意：拉模型过程中断网或关窗口，重新执行同一条命令会断点续传，不用删了重来。

4. 装 Docker 并配镜像：让拉取不再卡住

4.1 安装与存储位置

从 Docker 官网下载 Docker Desktop for Windows AMD64，双击安装，装完重启一次。首次启动进入 Settings → Resources → Advanced，把 Disk image location 改到数据盘，例如E:\Docker\DockerDesktopWSL。这个设置决定镜像和容器数据放哪，默认在 C 盘，Dify 一套镜像拉下来好几个 GB，不改迟早爆盘。改完点 Apply & restart，Docker 会重启并迁移数据，等托盘图标变绿再继续。

4.2 配置镜像加速

进入 Settings → Docker Engine，把配置改成下面这样再 Apply & restart：

{ "builder": { "gc": { "defaultKeepStorage": "20GB", "enabled": true } }, "experimental": false, "registry-mirrors": ["https://hub.rat.dev"] }

registry-mirrors是拉取 Docker Hub 镜像时走的加速地址，国内网络下拉 Dify 依赖的十几个镜像，不配这一项经常卡在 pulling 不动。defaultKeepStorage控制构建缓存上限，20GB 对本地部署够用，机器紧张可以调小。改完在终端执行docker version和docker compose version，两条都有输出才说明 Docker 和 Compose 插件都就绪——Dify 用的是docker compose新语法，不是老的docker-compose。

5. 部署 Dify 并打通 Ollama：.env 里那两行是关键

5.1 准备 .env 文件

把 Dify 压缩包解压到数据盘并命名为dify，进入dify\docker目录，把.env.example复制一份改名为.env。Windows 资源管理器默认不显示已知扩展名，改名时容易变成.env.txt，建议在终端里用命令改：

cd E:\dify\docker copy .env.example .env

然后用记事本打开.env，拉到文件末尾另起一行，追加：

# 允许 Dify 使用自定义模型供应商 CUSTOM_MODEL_ENABLED=true # 指向宿主机上的 Ollama 服务，容器内访问宿主机用这个特殊域名 OLLAMA_API_BASE_URL=http://host.docker.internal:11434

CUSTOM_MODEL_ENABLED=true打开后，模型供应商列表里才会出现 Ollama 这一项。host.docker.internal是 Docker Desktop 提供的宿主机别名，容器里的 Dify 靠它访问跑在 Windows 上的 Ollama；直接写127.0.0.1在容器里指向的是容器自己，必然连不上。原文这里写的是不带http://的形式，实际配置时补全协议头更稳妥，避免解析歧义。

5.2 启动容器并等健康检查

# 在 dify\docker 目录下执行，-d 表示后台运行 docker compose up -d # 查看容器状态，等所有服务变成 running 或 healthy docker compose ps

第一次执行会拉取 api、worker、web、db、redis、weaviate 等一串镜像，耗时取决于网络，中途别关窗口。docker compose ps里 db 和 redis 通常很快 healthy，api 和 worker 要等初始化，全部起来一般两三分钟。如果某个容器反复重启，用docker compose logs api看日志，最常见的是端口 80 被占用或.env里有语法错误。

5.3 初始化管理员并接入两个模型

浏览器打开http://127.0.0.1/install，出现设置管理员账号的页面就说明 Dify 起来了。设好邮箱密码登录，进入右上角头像 → 设置 → 模型供应商，找到 Ollama 点“添加模型”。

先加 LLM：模型名称填deepseek-r1:8b（和ollama list里完全一致），基础 URL 填http://host.docker.internal:11434，模型类型选 LLM，其余默认，保存。再加 Text Embedding：模型名称填bge-m3，基础 URL 同上，类型选 Text Embedding，保存。两个都保存成功、供应商卡片上出现模型条目，模型这一层才算打通。

提示：模型名称多一个空格、少一个冒号都会导致保存后调用报 404，直接从ollama list复制最稳。

6. 避坑排查：五个装完才发现的坑

6.1 现象：Dify 添加 Ollama 模型报连接失败

原因：.env里OLLAMA_API_BASE_URL写成了127.0.0.1:11434，容器内回环地址指向容器自身。解决：改成http://host.docker.internal:11434，保存后执行docker compose up -d让 api 容器重建生效，只重启不重建读不到新环境变量。

6.2 现象：模型列表里没有 Ollama 供应商

原因：.env没加CUSTOM_MODEL_ENABLED=true，或加了但没重建容器。解决：确认该行在.env末尾且无拼写错误，执行docker compose down再docker compose up -d，刷新页面重新进设置。

6.3 现象：C 盘空间持续下降，模型却不在 C 盘

原因：OLLAMA_MODELS设了但没重启，或 Ollama 服务在设变量前已启动，模型仍写进默认目录。解决：退出托盘 Ollama，确认echo %OLLAMA_MODELS%有值后重启系统，再重新拉模型；已下到 C 盘的模型目录可手动删掉释放空间。

6.4 现象：docker compose up -d卡在 pulling 不动

原因：镜像加速未生效或加速地址不可用。解决：确认 Docker Engine 配置里registry-mirrors已保存并 Apply & restart，docker info输出里能看到 Mirrors 列表；仍卡就换一个可用加速地址再试。

6.5 现象：知识库上传文档后检索不到内容

原因：embedding 模型没配或分段设置与文档类型不匹配。解决：先在模型供应商里确认bge-m3保存成功，再检查知识库创建时索引方式选了“高质量”、检索设置选了“向量检索”；纯文本用通用分段即可，表格密集的文档适当调大分段长度。

7. 验证跑通：从一条命令到一次真实问答

装完不等于跑通，我习惯按“模型层 → 容器层 → 应用层 → 知识库层”四步各验一次，任何一层不过就停在那一层排查，不往下走。

模型层在 cmd 里执行ollama list，确认deepseek-r1:8b和bge-m3都在；再执行ollama run deepseek-r1:8b "用一句话说明什么是向量检索"，能出中文回答即模型可用。容器层在dify\docker目录执行docker compose ps，重点看 api、worker、weaviate 三个是否 healthy，任何一个 restarting 都先看日志。应用层打开http://127.0.0.1，能进工作台、模型供应商里两个模型都显示已配置，说明 Dify 到 Ollama 的链路通了。

知识库层做一次端到端验证：新建一个聊天助手应用，进“知识库”→“创建知识库”→导入一份纯文本文件→分段选通用、索引选高质量、检索选向量检索→保存并处理，等状态变成可用。回到应用，在上下文里添加这个知识库，然后问一个只有文档里才有的细节问题。回答里出现引用片段、点开能看到原文出处，才算真正跑通。如果回答泛泛而谈不带引用，多半是知识库没挂上或检索没命中，回上一步查 embedding 配置。

这套流程我后来每次重装都强制走一遍，因为最容易出问题的从来不是安装本身，而是“以为装好了”的那一步——模型名抄错一个字符、.env少一行、容器没重建，表现都是“能用但不对”。把四层验证当成固定动作，比事后翻日志省事得多。希望帮到你。

本文还有配套的精品资源，点击获取