一.前置条件
克隆Dify v0.6.9代码：
git clone https://github.com/langgenius/dify.git
在启用业务服务之前，需要先部署 PostgresSQL / Redis / Weaviate（如果本地没有的话），可以通过以下命令启动：
cd docker
docker compose -f docker-compose.middleware.yaml up -d
增加数据卷db_data_postgres：
version: '3'
services:# The postgres database.db:image: postgres:15-alpinerestart: alwaysenvironment:# The password for the default postgres user.POSTGRES_PASSWORD: difyai123456# The name of the default postgres database.POSTGRES_DB: dify# postgres data directoryPGDATA: /var/lib/postgresql/data/pgdatavolumes:- db_data_postgres:/var/lib/postgresql/dataports:- "5432:5432"
volumes:db_data_postgres:
PyCharm界面如下所示：
Docker Desktop界面如下所示：
Portainer界面如下所示：
二.服务端部署
1.进入 api 目录
cd api
2.复制环境变量配置文件
cp .env.example .env
3.生成随机密钥，并替换 .env 中 SECRET_KEY 的值
openssl rand -base64 42
sed -i 's/SECRET_KEY=.*/SECRET_KEY=<your_value>/' .env
4.安装依赖包
pip install -r requirements.txt
5.执行数据库迁移
将数据库结构迁移至最新版本。
flask db upgrade
6.启动 API 服务
flask run --host 0.0.0.0 --port=5001 --debug
正确输出：
(dify-0.6.9) root@MM-202203161213:/mnt/l/20230620_LLM_Model/20230923_LLMOps/dify-0.6.9/api# flask run --host 0.0.0.0 --port=5001 --debug
None of PyTorch, TensorFlow >= 2.0, or Flax have been found. Models won't be available and only tokenizers, configuration and file/data utilities can be used.
/root/.virtualenvs/dify-0.6.9/lib/python3.10/site-packages/pydub/utils.py:170: RuntimeWarning: Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not workwarn("Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not work", RuntimeWarning)* Debug mode: on
INFO:werkzeug:WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.* Running on all addresses (0.0.0.0)* Running on http://127.0.0.1:5001* Running on http://172.29.255.17:5001
INFO:werkzeug:Press CTRL+C to quit
INFO:werkzeug: * Restarting with stat
None of PyTorch, TensorFlow >= 2.0, or Flax have been found. Models won't be available and only tokenizers, configuration and file/data utilities can be used.
/root/.virtualenvs/dify-0.6.9/lib/python3.10/site-packages/pydub/utils.py:170: RuntimeWarning: Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not workwarn("Couldn't find ffmpeg or avconv - defaulting to ffmpeg, but may not work", RuntimeWarning)
WARNING:werkzeug: * Debugger is active!
INFO:werkzeug: * Debugger PIN: 130-911-538
7.启动 Worker 服务
用于消费异步队列任务，如数据集文件导入、更新数据集文档等异步操作。 Linux / MacOS 启动：
celery -A app.celery worker -P gevent -c 1 -Q dataset,generation,mail --loglevel INFO
解释命令如下所示：
| 参数 | 解释 |
|---|---|
| celery | Celery 命令行工具。 |
| -A app.celery | 指定 Celery 应用实例的位置，这里是 app.celery，表示在 app 模块中的 celery 实例。 |
| worker | 启动一个 Celery worker 进程。 |
| -P gevent | 指定并发池为 gevent，这是一个基于协程的并发库，用于处理并发任务。 |
| -c 1 | 指定并发工作进程的数量为 1。 |
| -Q dataset,generation,mail | 指定这个 worker 处理的任务队列为 dataset、generation 和 mail。 |
| –loglevel INFO | 将日志级别设置为 INFO，以获取详细的运行信息。 |
如果使用 Windows 系统启动，请替换为该命令：
celery -A app.celery worker -P solo --without-gossip --without-mingle -Q dataset,generation,mail --loglevel INFO
正确输出：
三.前端页面部署
Web 前端服务启动的基础条件推荐为需要用到 Node.js v18.x (LTS) 、NPM 版本 8.x.x 或 Yarn。
1.进入 web 目录
cd web
2.安装依赖包
npm install
3.配置环境变量
在当前目录下创建文件 .env.local，并复制.env.example中的内容。根据需求修改这些环境变量的值:
# For production release, change this to PRODUCTION
NEXT_PUBLIC_DEPLOY_ENV=DEVELOPMENT
# The deployment edition, SELF_HOSTED
NEXT_PUBLIC_EDITION=SELF_HOSTED
# The base URL of console application, refers to the Console base URL of WEB service if console domain is
# different from api or web app domain.
# example: http://cloud.dify.ai/console/api
NEXT_PUBLIC_API_PREFIX=http://localhost:5001/console/api
# The URL for Web APP, refers to the Web App base URL of WEB service if web app domain is different from
# console or api domain.
# example: http://udify.app/api
NEXT_PUBLIC_PUBLIC_API_PREFIX=http://localhost:5001/api# SENTRY
NEXT_PUBLIC_SENTRY_DSN=
NEXT_PUBLIC_SENTRY_ORG=
NEXT_PUBLIC_SENTRY_PROJECT=
4.构建代码
npm run build
5.启动 Web 服务
npm run dev
正常启动后，终端会输出如下信息：
PS L:\20230620_LLM_Model\20230923_LLMOps\dify-0.6.9\web> npm run dev > dify-web@0.6.9 dev
> next dev ▲ Next.js 14.1.0- Local: http://localhost:3000- Environments: .env.local automatically enabled Fast Refresh for 1 custom loader✓ Ready in 17.1s
访问 http://127.0.0.1:3000 即可使用本地部署的 Dify。设置管理员密码：
根据邮箱和密码登录Dify平台：
然后可看到探索、工作室、知识库、工具界面：
四.Dify数据表
1.Dify技术栈
Dify平台用到技术栈主要是Celery、Docker、Flask、Nginx、Postgresql、Python、React Flow、React、Redis、Weaviate等。分析源码系统比较核心的还是搞懂数据表结构和业务操作流程，相对来说前后端数据库框架还是比较固定和成熟的。
2.Dify表结构
SELECT table_name
FROM information_schema.tables
WHERE table_schema = 'public';
已经生成包含两列（表名字和解释）的详细表格，如下所示：
| 表名字 | 解释 |
|---|---|
| alembic_version | Alembic 版本控制表 |
| account_integrates | 账号整合信息表 |
| api_requests | API 请求记录表 |
| app_dataset_joins | 应用数据集关联表 |
| celery_taskmeta | Celery 任务元数据表 |
| celery_tasksetmeta | Celery 任务集合元数据表 |
| dataset_process_rules | 数据集处理规则表 |
| dataset_queries | 数据集查询记录表 |
| dify_setups | Dify 设置表 |
| end_users | 终端用户表 |
| installed_apps | 已安装应用表 |
| invitation_codes | 邀请码表 |
| message_chains | 消息链表 |
| message_feedbacks | 消息反馈表 |
| operation_logs | 操作日志表 |
| pinned_conversations | 置顶会话表 |
| saved_messages | 保存的消息表 |
| accounts | 账户信息表 |
| data_source_bindings | 数据源绑定表 |
| tool_providers | 工具提供商表 |
| document_segments | 文档分段表 |
| provider_models | 提供商模型表 |
| tenant_default_models | 租户默认模型表 |
| tenant_preferred_model_providers | 租户首选模型提供商表 |
| providers | 提供商表 |
| provider_orders | 提供商订单表 |
| documents | 文档表 |
| dataset_retriever_resources | 数据集检索资源表 |
| api_tokens | API 令牌表 |
| api_based_extensions | 基于 API 的扩展表 |
| upload_files | 上传文件表 |
| datasets | 数据集表 |
| dataset_collection_bindings | 数据集集合绑定表 |
| message_annotations | 消息注释表 |
| app_annotation_hit_histories | 应用注释命中历史表 |
| app_annotation_settings | 应用注释设置表 |
| tenants | 租户表 |
| tool_builtin_providers | 工具内置提供商表 |
| tool_published_apps | 工具发布应用表 |
| tool_model_invokes | 工具模型调用表 |
| tool_conversation_variables | 工具对话变量表 |
| tool_files | 工具文件表 |
| message_files | 消息文件表 |
| app_model_configs | 应用模型配置表 |
| tenant_account_joins | 租户账户关联表 |
| dataset_keyword_tables | 数据集关键字表 |
| embeddings | 嵌入表 |
| workflow_app_logs | 工作流应用日志表 |
| workflow_node_executions | 工作流节点执行表 |
| workflow_runs | 工作流运行表 |
| workflows | 工作流表 |
| apps | 应用表 |
| conversations | 会话表 |
| messages | 消息表 |
| message_agent_thoughts | 消息代理想法表 |
| tag_bindings | 标签绑定表 |
| tags | 标签表 |
| recommended_apps | 推荐应用表 |
| sites | 站点表 |
| tool_api_providers | 工具 API 提供商表 |
| tool_label_bindings | 工具标签绑定表 |
| tool_workflow_providers | 工具工作流提供商表 |
3.Postgres数据库
（1）information_schema
information_schema 是一个符合 SQL 标准的模式，它包含了视图，这些视图提供关于数据库元数据的信息，如表、列、视图和约束等。它提供了数据库的自描述能力，使得应用程序可以查询这些视图来发现数据库结构和约束。
（2）pg_catalog
pg_catalog 是 PostgreSQL 的系统模式，包含了系统表和视图，这些系统表和视图存储了关于数据库系统对象和元数据的信息。这些对象包括表、列、索引、函数和数据类型等。pg_catalog 是 PostgreSQL 特有的，提供了对数据库对象的低级访问。
（3）public
public 是 PostgreSQL 中的默认模式，所有新创建的数据库对象如果没有指定模式名，就会被放置在public模式中。用户通常在public模式中创建他们的表、视图、序列和函数等。
最后就可以愉快的打断点调试源代码了。
参考文献
[1] 本地源码启动：https://docs.dify.ai/v/zh-hans/getting-started/install-self-hosted/local-source-code
[2] 本地部署相关：https://docs.dify.ai/v/zh-hans/learn-more/faq/install-faq
[3] 文本转语音遇到这个错误怎么办：https://docs.dify.ai/v/zh-hans/learn-more/faq/install-faq#id-15.-wen-ben-zhuan-yu-yin-yu-dao-zhe-ge-cuo-wu-zen-mo-ban
![[AI 大模型] OpenAI ChatGPT](http://pic.xiahunao.cn/[AI 大模型] OpenAI ChatGPT)
