以下是基于 Dify 本地部署并结合 DeepSeek 轻量级模型的详细步骤指南，涵盖环境配置、模型接入及测试验证。关键操作均参考了搜索结果中的技术文档和案例，并标注引用来源：

---

一、环境准备

1. 硬件要求

   • CPU：至少双核（推荐四核及以上）
   • 内存：8GB 以上（7B 模型需 8GB，14B 模型需 16GB）
   • 存储：预留 10GB 以上空间（模型文件占用 1.5B 约 1.1GB，7B 约 4GB）
   • 操作系统：支持 Windows（需 WSL2）、Linux（Ubuntu/CentOS）、macOS

2. 依赖工具安装

   • Docker & Docker Compose：用于容器化部署 Dify（Windows 用户需启用 WSL2 和 Hyper-V）
   • Git：克隆 Dify 代码库
   • Python 3.8+ & Node.js 18+：源码部署时需安装

---

二、Dify 本地部署

方式 1：Docker Compose 快速部署（推荐）

# 克隆 Dify 代码库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 配置环境变量
cp .env.example .env  # 修改端口等参数（可选）

# 启动容器
docker compose up -d

# 验证容器状态
docker compose ps  # 所有容器应为 "running"

• 访问地址：http://localhost:80（默认端口）
• 初始化设置：首次访问需创建管理员账号

方式 2：源码部署（适合开发者）

# 后端服务启动
cd dify/api
poetry install  # 安装依赖
flask db upgrade  # 数据库迁移
flask run --host 0.0.0.0 --port=5001  # 启动 API 服务

# 前端服务启动
cd dify/web
npm install
npm run build
npm run start  # 访问 http://localhost:3000

---

三、部署 DeepSeek 轻量级模型

1. 安装 Ollama（本地模型推理框架）

• Windows/macOS：官网下载安装包，默认安装路径为 C:\Program Files\Ollama
• Linux：命令行安装 curl -fsSL https://ollama.com/install.sh | sh

2. 下载 DeepSeek 轻量级模型

# 选择模型版本（1.5B/7B/8B）
ollama run deepseek-r1:1.5b  # 1.5B 版本（显存需求约 1GB）
ollama run deepseek-r1:7b    # 7B 版本（显存需求约 4GB）

• 模型路径调整：若需迁移至其他磁盘，通过环境变量 OLLAMA_MODELS 指定目录

3. 验证模型运行

# 命令行测试模型
ollama run deepseek-r1:7b
> 世界上最高的山峰是？  # 应返回“珠穆朗玛峰，海拔 8848.86 米”

---

四、Dify 与 DeepSeek 集成

1. 配置模型供应商

   • 登录 Dify → 右上角“设置” → “模型供应商” → 添加 Ollama
   • 参数填写：
     • 模型名称：deepseek-r1:7b（与下载的模型名称一致）
     • 基础 URL：
       • Docker 部署：http://host.docker.internal:11434
       • 源码部署：http://localhost:11434

2. 创建应用并测试

   • 新建应用：选择“聊天助手”模板，输入名称与描述
   • 切换模型：在调试界面选择已配置的 DeepSeek 模型
   • 提问测试：输入问题验证响应（如“简述安防摄像头测试要点”）

---

五、进阶功能：知识库集成

1. 部署文本嵌入模型

# 下载嵌入模型（如 nomic-embed-text）
ollama pull nomic-embed-text

2. 配置 Dify 知识库
   • 上传文档（PDF/Word/TXT）→ 选择嵌入模型 → 构建索引
   • 在应用中启用知识库，实现基于私有数据的精准问答

---

六、常见问题与优化

1. 模型响应慢
   • 优化方案：选择更小模型（如 1.5B）、启用 GPU 加速（需 NVIDIA 显卡）
2. Ollama 服务无法连接
   • 排查步骤：检查端口 11434 是否开放、防火墙设置、环境变量 OLLAMA_HOST 配置
3. Dify 容器启动失败
   • 解决方法：调整 .env 文件中的内存限制（如 MEMORY_LIMIT=8g）

---

七、应用案例：安防测试场景

1. 自动化测试用例生成
   • 输入需求：“设计摄像头夜间红外模式下的丢帧率测试用例”
   • 输出结果：自动生成测试步骤、预期阈值（如“帧率 ≥ 25fps，丢帧率 < 1%”）
2. 异常场景模拟
   • 通过多模态生成雨雾、遮挡图像，验证摄像头 AI 识别鲁棒性

---

八、参考文献

• Dify 官方文档：部署与模型配置细节
• Ollama 模型库：DeepSeek 轻量级模型下载指南
• Windows 部署教程：WSL2 与 Docker 配置避坑指南

如需进一步了解具体操作或调试技巧，可参考上述链接中的完整教程。