前言近年来，国产大模型DeepSeek备受关注，但随着用户访问量激增，频繁出现响应缓慢甚至系统宕机的现象，给使用者带来了一些不便。幸运的是，DeepSeek作为开源模型，允许开发者通过本地部署来解决这一问题。将模型部署到本地后，用户无需依赖网络即可随时进行推理操作，不仅提升了使用体验，还大幅降低了对外部服务的依赖。
安装 Ollama要在本地运行 DeepSeek，我们需要使用 Ollama——一个开源的本地大模型运行工具
首先，访问 Ollama官网 下载该工具。官网提供了针对不同操作系统的安装包，用户只需选择适合自己电脑的版本即可。在本例中，我们选择下载适用于 Windows 操作系统的版本。
*** 注意： 官网的下载地址为github网站的地址，因为一些原因，部分地区无法访问，大家可以使用Watt Toolkit 进行网络加速，或者使用好心人部署的文件加速网站进行下载 **
Ollama 安装包下载后双击install，安装速度还是比较快的（注：直接安装到C盘,无法更改位置，下载的模型也在C盘）
安装完成 Ollama 后，打开电脑的 CMD（命令提示符）。只需在电脑下方的 ...
1.更新软件源1dnf update
安装字库
1dnf install dejavu-fonts liberation-fonts gnu-*-fonts google-*-fonts
安装 Xorg
1dnf install xorg-*
2.安装 xfce1dnf install xfwm4 xfdesktop xfce4-* xfce4-*-plugin network-manager-applet *fonts
安装登录管理器
1dnf install lightdm lightdm-gtk
设置默认桌面为XFCE 通过root权限用户设置
1echo 'user-session=xfce' >> /etc/lightdm/lightdm.conf.d/60-lightdm-gtk-greeter.conf
使用登录管理器登录XFCE
1systemctl start lightdm
登录管理器启动后，在右上角左侧选择”xfce-session” 输入用户名、密码登录
设置开机自启动图形界面
12systemctl enable ...
ollama 是一个开源的本地大语言模型运行框架，它提供了非常简单便捷的使用形式，让用户可以十分方便的在本地机器上部署和运行大型语言模型，从而实现免费离线的方式使用 LLM 能力，并确保私有数据的隐私和安全性。
1 ollama 安装ollama 支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行。其安装、使用及模型下载非常简单，可以简单概括为以下几步：
• 下载 ollama 安装程序并安装。
• 启动 ollama，执行命令下载和运行模型。如：ollama run deepseek-r1:1.5b
• 以命令行交互、API 调用、第三方应用接入等形式使用其服务。
1.1 硬件要求ollama 本身对硬件要求并不高，主要取决于运行模型的要求。基本建议：
你应该至少有 4 GB 的 RAM 来运行 1.5B 模型，至少有 8 GB 的 RAM 来运行 7B 模型，16 GB 的 RAM 来运行 13B 模型，以及 32 GB 的 RAM 来运行 33B 模型。
假若需要本地私有化部署具有实用性的模型，应至少有独立显卡并有 4G ...
前提条件安装 Dify 之前, 请确保你的机器已满足最低安装要求：
12CPU >= 2 CoreRAM >= 4 GiB
关于如何在各操作系统上安装Docker，可查看Docker官方文档(https://www.docker.com/)
或参考文章：
如何在Linux、Windows、MacOS中安装Docker
蓁心的蓁意，公众号：时光瞭望塔如何在Linux、Windows、MacOS中安装Docker
获取代码克隆 Dify 源代码至本地环境。
1git clone https://github.com/langgenius/dify.git --branch 1.1.3
克隆代码需要系统已装Git，否则需要先安装。
访问 Git 官网，下载安装包安装：https://git-scm.com/downloads
关于Git安装可参考文章：
如何在Linux、Windows、MacOS中安装Git
蓁心的蓁意，公众号：时光瞭望塔如何在Linux、Windows、MacOS中安装Git
如果你的网络环境不好，无法直接克隆完整项目，可以试下以下的命令：
1 ...
除了语音生成，我们还有几种形态的生成，需要继续完成。今天教大家使用Jinja模版，将内容进行格式输出。
学习完成，你将掌握生成内容时，可以用固定的模版，填入动态变化的内容，来生成文案内容等。
01. 动手做一做
基于上上一节课的流程，在”代码执行”节点之后，新增一个”模版转换”的节点。
添加之后，连接”代码执行”节点和新增节点，再连接新增节点和结束节点（这里先移除语音输出处理，后面会加回来，要多路生成不同的内容）。新增参数(一定要先连接)”模版转换”的输入，选择”代码执行”的Object。这里注意，需要将”代码执行”节点也做一些调整。
输出的时候，要按字典而非之前的字符串输出。输出变量也选对象输出。
新增节点修改参数，输入模版内容，不变的内容和动态内容分开，动态内容的值需要有双大括号转义。
点击”发布”，保存。提示”操作成功”。就可以进行测试了。测试如下：
结果输出是一个按模版填入动态获取内容的整段文案结果。
02. 补充说明
今天的任务，也非常简单，但为什么是中级水平呢？原因是，这里的Jinja模版的使用，也需要一定的编程经验。
Jinja原本是Pyth ...
有了这些内容，兵分两路，一路去生成语音播报，另一路就去生成图片内容。
学习完成，你将掌握如何对图片进行布局，控制使用背景图，不同区域生成指定文字内容。
**01.**动手做一做
大家通过之前的教程，已经有了基本的使用Dify节点的能力，所以这一节课，就一次性多来点。不过因为加的东西有点多，涉及到的知识有点过载，所以还是分两篇吧。
基于上一节课的流程，在”模版转换”节点之后，再新增四个”模版转换”的节点，之后来一个”HTTP请求”和”代码执行”节点。
添加之后，以上节点都连起来，然后按下面图示，进行设置。（如有需求，可扫描文末助手添加好友，发送"Dify图片制作"，获取DSL文件）
其中，编号1，2，3实际上是拼凑出一个JSON请求体，供”HTTP请求”节点使用。注意每段都不是正常的JSON完整体，有缺闭口的，有多一个逗号或者闭合大括号的。但在最后一次Jinja模版拼凑(编号4)之后，就是一个完整的JSON了。
最后经过HTTP请求(编号5。如果不会，也不用担心，下篇会手把手教，所以为了防止走失，还是关注一下吧)之后，再在”代码执行” ...
我们继续AI学习之旅，今天教大家使用TTS节点，来生成语音播报的音频数据。
学习完成，你将掌握生成语音文件的方法，可以将自己的文字直接变为播客内容。
**01.**动手做一做
基于上一节课的流程，在”代码执行”节点之后，新增一个”Text To Speech”的节点。
添加之后，连接”代码执行”节点和新增节点；再连接新增节点和结束节点。新增参数(一定要先连接)，”Text To Speech”的输入，选择”代码执行”的text。
TTS节点需要有模型，这里选择SiliconCloud的fish-speech-1.5。
硅基流动配置非常简单，直接点配置弹出对话框后，跟着”从SiliconFlow获取API Key”的向导，打开官网，注册后创建API Key，然后复制到Dify的配置框，即可。
新增模型之后，在”系统模型设置”的文本转语音模型，选中fishaudio。
同时新增节点，记得选择声音的类型，包括了4男4女的备选声音，可以都测试一下，看看是否满足自己的需要。
“结束”节点的输出改为”Text To Speech”的files（这里注意不要再选成text ...
前言
让大家知道如何通过知识库的能力，获取指定的结果。这在很多的应用场景是非常有用的能力。
比如依赖有大量规则文档的行业，就会大大减少查找核对的工作。经常看到律师朋友，医生朋友发朋友圈说，AI不行啊，老是”胡说八道”，出现幻觉。
这其实是高估了大语言模型的能力，即使是垂直领域做过SFT，也不可能精确的回答准真正匹配规则的内容。并且微调训练成本也不低，不可能随时更新语料（标注数据）。通过RAG的方法，就可以在特定场景下，严格通过给出的文档内的规则，给出结果。
01. 动手做一做基于上一节课的流程，在大模型节点后新增一个工具节点，选择搜索"天气"，点中"高德天气预报"。
选择这个主要是前面知识库的地区名和code对照表，就是高德的。另外这个接口也比较简单，输入就是一个adcode，输出就是今天该地区的天气结果。
添加之后，连接LLM节点和新增节点，再连接新增节点和结束节点。修改参数(一定要先连接)，"天气预报"的输入，选择"LLM"的text。然后把结束节点的输出也改为"天气预报"的 ...
前言
让大家知道如何通过工具插件来获取互联网的实时数据，结合大语言模型，才能让结果更加有用。
目前应该已经掌握了知识库的使用，工具插件的使用，并要熟练掌握”LLM”的多次使用。更高阶的知识，是LLM内模型能力的掌握（比如哪家的模型，擅长于什么任务？使用多大的模型，既能满足工作需求，又节约使用费用？），但这可以放在后面再学习。
复习了上节课的内容后，我们继续AI学习之旅。今天教大家使用代码节点，进一步对流程中产生的中间数据，进行”加工”处理，来满足要求。
比如，我们用了高德的”天气预报”工具，得到了今天和将来3天的天气预报数据。但我们只需要拿今天的天气情况，把它整合进我们自己的应用”每日智选”的页面内。
01.动手做一做
基于上一节课的流程，在”天气预报”节点之后，新增一个”代码执行”的节点。
添加之后，连接”天气预报”节点和新增节点；再连接新增节点和结束节点。新增参数(一定要先连接)，”代码执行”的输入，选择”天气预报”的text。然后把结束节点的输出也改为”代码执行”的text。
点击”发布”，保存。提示”操作成功”。就可以进行测试了。测试如下：
02. 代码执行的开 ...
从今天开始，我们进入Dify应用开发课程。为了方便小白入门，课程的内容编排是先动手做一做，然后再解释原理。
1. 动手做一做
进入Dify，选择创建空白应用。
这次我们选择工作流，输入应用名字，点击”创建”。
可以看到一个空白画布，和coze不同。Dify只给出一个开始节点。那我们就点击选择”知识检索”。这时”开始”节点和新增的”知识检索”就链接起来了。右侧配置项，点击”知识库”右边的”+”号，选择创建的知识库。如果此时没有知识库，那应该先去知识库那里，上传一个知识库。
[!WARNING]
这里还有一个需要注意的地方，需要给出查询的变量，即从知识库里查询什么内容。如果选的是chatflow，那这里可以直接选sys.query。而我们选的是workflow，就在”开始”节点添加一个变量，例如博主用的是文本类型，变量名称叫input。
接着，继续添加一个LLM节点。此时，模型博主先用qwen2.5:14b，上下文选择知识检索。
而关键的SYSTEM里面，其实就是系统提示词，填入以下内容：根据用户输入 和知识检索的结果 ，输出用户期望得到的adcode。只 ...
