大模型的本地化部署安装的课程我们已经讲了11期，中间很多粉丝在安装的时候遇到了Docker镜像无法拉取的问题和离线部署方法。

今天我特意出一期来给大家解决这个问题，主要内容如下：

  • Dify的Docker镜像拉取失败
  • Docker离线部署Dify详细教程

一、Dify的Docker镜像拉取失败

1. Dify拉取失败原因

Dify镜像拉取命令，通过这个命令Docker会拉取Dify需要的所有镜像，具体和配置有关，比如数据库的选择等等，大概要拉取10个左右的镜像。

docker-compose up -d

当我们直接执行这个命令的时候，可能会报下面的错误：

报错信息：

 ✘ worker Error Get "https://registry-1.docker.io/v2/": net/http: request canceled while...              18.4s 
 ✘ api Error    context canceled                                                                         18.4s 
 ✘ web Error    Get "https://registry-1.docker.io/v2/": net/http: request canceled while wa...           18.4s 
Error response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)

这说明我们的无法访问
https://registry-1.docker.io/v2/这个镜像的源，这时候我们需要修改Docker的镜像源地址，使用国内的镜像源来替代。

2. Docker镜像拉取失败解决方法

因为有的源也不一定行，所以我们可以使用多个源，这些是亲测目前可以使用的。

"registry-mirrors": [
    "https://docker.1panel.live",
    "https://docker.nju.edu.cn",
    "https://docker.m.daocloud.io",
    "https://dockerproxy.com",
    "https://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://registry.docker-cn.com",
    "https://registry.cn-hangzhou.aliyuncs.com"
  ]

添加方法，不同系统的添加方法不一样。

2.1 Linux系统(如Ubuntu)的解决步骤

2.1.1 创建一个daemon.json文件

这个文件是docker的一个附加的配置文件，不是系统配置文件，一般临时修改都是修改这个文件即可。

Docker初次安装后是没有daemon.json的，需要自己创建。

配置文件的默认路径：
gedit /etc/docker/daemon.json

2.1.2 配置源地址

就是我们上面的那些地址，直接把下面的内容复制到文件里面，保存即可。

{
 #镜像源管理
"registry-mirrors": [
    "https://docker.1panel.live",
    "https://docker.nju.edu.cn",
    "https://docker.m.daocloud.io",
    "https://dockerproxy.com",
    "https://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://registry.docker-cn.com",
    "https://registry.cn-hangzhou.aliyuncs.com"
  ]
}

2.1.3 重启生效

创建并修改完daemon.json文件后，需要reload让这个文件生效，并且重启docker服务

#systemctl daemon-reload
#systemctl restart docker

2.2 Windows的解决步骤

windows系统的修改和Ubuntu的修改类似，只是安装路径不同，找到对应的daemon.json，创建修改即可。

2.3 Mac的解决步骤

Mac的配置也非常简单，打开DockerAPP，点击配置按钮。

按照图示，把上面的地址贴到里面就可以了。

这时Docker会重启，我们再拉取一下，效果：

这样就成功拉取了Dify的镜像。

二、Docker离线部署Dify详细教程

1. 准备工作

  • 在线环境：一台可以访问互联网的机器，安装好Docker和Docker Compose。
  • 离线环境：目标部署机器，安装好Docker和Docker Compose。
  • 存储硬盘：一个足够大的移动硬盘或U盘，用于传输镜像和文件。

2. 在线环境操作

2.1 拉取Dify镜像

在在线环境中，使用以下命令拉取Dify镜像：

docker-compose up -d

2.2 保存镜像

将拉取的镜像保存为tar文件：

docker save -o myimage.tar myimage:tag

这里，myimage.tar是你想要创建的tar文件的名字，myimage:tag是你想要保存的镜像的名称和标签。

例如，如果你想保存一个名为langgenius/dify-web、标签为0.15.2的镜像，

docker save -o dify_web.tar langgenius/dify-web:0.15.2

当然也可以同时打包多个镜像包。

例如，如果你想保存一个名为langgenius/dify-web、标签为0.15.2的镜像和名为langgenius/dify-sandbox、标签为0.2.10的镜像

docker save -o dify_all.tar langgenius/dify-web:0.15.2 langgenius/dify-sandbox:0.2.10

这样可以把所有Dify依赖的镜像打到一个dify_all.tar的包里面。

2.3 下载Dify的Docker Compose文件

从Dify的官方GitHub仓库下载docker-compose.yml文件：

git clone https://github.com/langgenius/dify.git
在docker目录下

2.4 复制离线安装文件

将保存的镜像文件dify_all.tar和docker-compose.yml文件复制到移动硬盘中。

3. 离线环境操作

3.1 导入镜像

将dify_all.tar文件复制到离线环境的机器上，然后使用以下命令导入镜像：

docker load -i dify_all.tar

3.2 部署Dify

将docker-compose.yml文件复制到离线环境的机器上，然后使用以下命令启动Dify：

docker-compose up -d

这个命令会根据docker-compose.yml文件中的配置启动Dify相关的容器。

3.3 验证部署

使用以下命令检查Dify容器是否正常运行：

#查看Docker 镜像
docker images

#查看容器运行情况
docker ps

如果看到Dify相关的容器处于Up状态，说明部署成功。你可以通过浏览器访问Dify的Web界面，进行后续的配置和使用。

结语

通过以上方法，基本可以解决Dify镜像拉取失败的问题，同时在离线环境中成功部署Dify。

  如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

  • 目标：了解AI大模型的基本概念、发展历程和核心原理。

  • 内容：

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

  • 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

  • 内容：

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3：AI大模型应用架构实践

  • 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

  • 内容：

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

  • 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

  • 内容：

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

 

# 知识图谱 # 人工智能
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

AI隐私危机：你的每一次对话，正被20家公司围观

你以为和 ChatGPT、Claude 的深夜私密对话只有天知地知？错了，还有 Meta、Google、TikTok 以及一堆你叫不上名字的 tracker 公司也知道。

avatar DeepSeek技术社区
cover

GraphRAG 落地前必问：你的数据真的需要图结构吗？

avatar DeepSeek技术社区
cover

DeepSeek-V4 INT8量化实战：业务验收指标与回滚机制的工程陷阱

avatar DeepSeek技术社区