拓冰网站定制 
简介这份资源是面向希望本地搭建个人知识库的技术爱好者与开发者的实战教程文档围绕 ollama、deepseek、docker 与 Dify 四款工具的协同部署展开帮助读者在 Windows 环境下完成从模型下载到知识库问答的完整链路。资源包内含 1 个 doc 文档压缩包约 5.19MB以图文步骤形式记录关键操作便于按图索骥对照执行。目前已有 3387 人学习下载说明该方案在本地知识库搭建场景中具备一定参考价值。文档内容覆盖 ollama 安装与环境变量配置、deepseek-r1 模型拉取与运行、docker-desktop 部署、Dify 项目启动、知识库创建与分词配置以及聊天应用接入 ollama 接口等环节并附有端口设置与模型测试的排错提示。对于不熟悉容器化与本地大模型部署的初学者可借此快速理解各组件分工与串联方式对已有基础的开发者则能作为一份可复用的部署清单减少环境配置中的试错成本。1. 从零搭一套本地知识库ollama deepseek Docker Dify 到底怎么串起来很多人第一次听到「本地知识库」这四个字脑子里浮现的是买服务器、配显卡、调 API 一堆麻烦事。实际上如果你只是想在自己 Windows 机器上跑一个能读自己文档、能问答、数据不出本机的助手ollama deepseek Docker Dify 这套组合是目前门槛最低的一条路。ollama 负责在本机拉起 deepseek-r1 模型并暴露一个本地接口Docker 负责把 Dify 那一堆依赖Postgres、Redis、Weaviate 等打包成容器一键起Dify 负责把模型、知识库、聊天界面串成可视化工作流。整条链路跑通之后你丢进去的 PDF、Word、Markdown 会被切块、向量化、存进本地向量库提问时先检索再交给 deepseek 生成回答全程不依赖外部接口。这套方案适合手上有几份技术文档想快速检索的开发者、想把内部资料做成问答机器人的小团队以及单纯想练手 Docker 和本地大模型部署的人。下面按我实际复现的顺序把每一步的参数、命令和翻车点讲清楚。2. 环境准备ollama 安装、环境变量与 deepseek-r1 模型拉取2.1 ollama 在 Windows 上的安装与版本校验ollama 官网提供 Windows 原生安装包下载后双击走 Install 流程即可。装完第一件事不是急着拉模型而是先确认命令能通。按Win R输入cmd执行ollama --version正常会回显类似ollama version 0.x.x的版本号。如果提示「不是内部或外部命令」八成是安装时没勾选加入 PATH或者你开 cmd 的时候安装还没结束。解决办法是关掉当前 cmd 重开一个还不行就手动把 ollama 安装目录加进系统 PATH。这一步看着简单但我见过太多人卡在这里以为是安装失败其实只是终端没刷新环境变量。2.2 环境变量把模型从 C 盘挪走默认情况下 ollama 会把模型下载到C:\Users\你的用户名\.ollama\modelsdeepseek-r1 哪怕 1.5B 也有 1GB 出头7B 直接 4GB 起步C 盘紧张的人必须提前改。操作路径是「此电脑右键 → 属性 → 高级系统设置 → 环境变量 → 新建系统变量」变量名变量值说明OLLAMA_MODELSD:\ollama\models换成你自己硬盘上想放的目录OLLAMA_HOST0.0.0.0:11434让 Docker 容器能访问到宿主机的 ollamaOLLAMA_MODELS决定模型落盘位置OLLAMA_HOST决定监听地址。第二个变量是后面 Dify 接入的关键如果不设成0.0.0.0容器里访问host.docker.internal:11434可能连不上。设完记得重启 ollama 服务托盘图标退出再启动否则变量不生效。2.3 拉取 deepseek-r1 模型并验证对话环境变量配好后在 cmd 里执行ollama run deepseek-r1:1.5b这条命令会先检查本地有没有该模型没有就去拉取拉完直接进入交互式对话。1.5B 版本下载大概几分钟7B 视网速可能十几分钟到半小时。拉取慢是高频问题常见做法是换用国内镜像源或者手动下载模型文件后放到OLLAMA_MODELS目录下再 run。进入对话后随便问一句「你是谁」验证模型能正常推理即可。注意这个 cmd 窗口不能关。ollama 的模型是挂在这个进程上的窗口一关模型就停了。后面 Dify 调用时如果报连接失败第一反应就是回来看这个窗口还在不在。关了也没关系重新ollama run deepseek-r1:1.5b即可模型已经在本地下好了秒进。3. Docker Desktop 安装与 Dify 源码拉起3.1 Docker Desktop 安装与虚拟化检查Dify 依赖 Docker Compose 编排多个容器所以先装 Docker Desktop。官网下载 Windows 版本安装时保持默认勾选「Use WSL 2 instead of Hyper-V」即可。装完启动如果报Virtualization support not detected说明 BIOS 里 CPU 虚拟化没开重启进 BIOS 找 Intel VT-x 或 AMD-V 打开。另一个高频报错是docker desktop failed to start because virtualization support is not enabled和上面是同一个根因。启动成功后托盘图标变绿docker version能同时看到 Client 和 Server 才算真正就绪。3.2 获取 Dify 源码并启动容器Dify 源码从 GitHub 仓库langgenius/dify获取有 git 的直接 clone没有的下 zip 解压。进入项目根目录下的docker文件夹在地址栏输入cmd回车执行docker-compose up -d-d是后台运行不加的话日志会刷屏且关掉终端就停。这条命令会拉取 api、worker、web、db、redis、weaviate、nginx 等一堆镜像第一次执行时间比较久取决于网络。执行完用docker ps看容器状态正常应该看到 7 个左右容器在跑。如果某个容器反复重启用docker logs 容器名看日志常见原因是端口冲突80 被占或镜像拉取不完整。注意Dify 默认用 80 端口起 nginx。如果你本机 IIS 或其它服务占了 80会起不来。改法是编辑docker/.env里的EXPOSE_NGINX_PORT换成 8080 之类然后重新docker-compose up -d。3.3 初始化管理员账号并进入控制台容器全部 Up 之后浏览器访问http://127.0.0.1/signin如果你改了端口就换成对应端口。首次访问会跳转设置管理员账号填邮箱、用户名、密码即可。这个账号是本地库里的不联网校验随便填但要记住。设置完登录进去能看到「探索」「工作室」「知识库」几个主菜单说明 Dify 本体已经跑通了。到这一步模型还没接知识库还是空的但基础设施已经就位。4. 在 Dify 里接入 ollama 的 deepseek 并建知识库4.1 配置 Ollama 模型供应商进入 Dify 后点右上角头像 → 设置 → 模型供应商往下拉找到 Ollama点「添加模型」。这里要填两个关键项配置项填写值说明模型名称deepseek-r1:1.5b必须和ollama run时的名字完全一致Base URLhttp://host.docker.internal:11434容器访问宿主机的固定域名host.docker.internal是 Docker Desktop 在 Windows/Mac 上提供的特殊 DNS指向宿主机。填127.0.0.1是不行的因为那指向容器自己。填完保存如果 ollama 窗口在运行模型列表里就能看到 deepseek-r1:1.5b。报an error occurred during credentials validation基本都是 ollama 没跑或者OLLAMA_HOST没设成0.0.0.0。4.2 创建知识库并上传文档点顶部「知识库」→「创建知识库」上传你的 PDF、Word、TXT 或 Markdown。Dify 会走一套流水线文档解析 → 分块 → 向量化 → 存入向量库。分块设置里有两个参数值得注意分段标识符默认是\n\n块长度默认 500 token重叠 50。技术文档建议块长度调到 8001000重叠 100这样上下文更完整。索引方式选「高质量」会用 embedding 模型选「经济」只做关键词索引。本地跑的话高质量模式需要额外配一个 embedding 模型如果没配就先用经济模式跑通流程。保存后点「处理」等待解析完成。解析时间取决于文档数量和机器性能几份文档通常一两分钟。解析完能在文档列表里看到每个块的内容和向量状态。4.3 创建聊天应用并挂载知识库回到「工作室」→「创建空白应用」→ 选「聊天助手」填个名字创建。进入编排界面后在「上下文」旁边点「添加」选中刚才建的知识库。然后在模型下拉框里选 ollama 的 deepseek-r1:1.5b。这里有个细节模型参数里的温度temperature默认 0.7 偏高知识库问答建议调到 0.10.3减少胡编。最大 token 按需设1.5B 模型上下文窗口有限设太大反而容易截断。配置完在右侧预览区提问比如「根据知识库XX 是什么」如果回答里出现引用标记点开能看到引用的原文块说明检索链路通了。如果回答完全不引用知识库检查上下文有没有真的挂上以及知识库文档是否解析成功。5. 避坑排查部署过程中最容易翻车的五个点5.1 ollama 窗口关了导致 Dify 报连接失败现象Dify 里测试模型时报连接超时或 credentials validation 失败。原因ollama 的模型进程随 cmd 窗口关闭而终止11434 端口不再监听。解决重新ollama run deepseek-r1:1.5b保持窗口开着或者把 ollama 注册成 Windows 服务让它后台常驻。5.2 host.docker.internal 解析不了现象Dify 填了http://host.docker.internal:11434仍然连不上。原因部分 Docker Desktop 版本或网络模式下该域名不生效。解决在 Docker Desktop 设置里确认「Use WSL 2 based engine」开启或者改用宿主机在 WSL 里的 IPip addr查 eth0 地址但那个 IP 会变不如前者稳。5.3 docker-compose up 卡在拉镜像现象命令执行后长时间无进展或某个镜像 pull 失败。原因网络问题导致镜像拉取中断。解决配置 Docker Desktop 的镜像加速器设置 → Docker Engine 里加 registry-mirrors然后docker-compose pull单独拉一遍再 up。已经拉了一半的可以重试Docker 会断点续传。5.4 知识库解析后检索不到内容现象文档显示解析完成但提问时模型完全不引用。原因分块设置不合理导致语义块太碎或者索引模式选了经济但问题偏语义。解决把块长度调大、重叠调大重新处理文档或者切换到高质量索引并配好 embedding 模型。5.5 80 端口被占导致 Dify 起不来现象docker ps里 nginx 容器不断重启浏览器访问 127.0.0.1 无响应。原因本机已有服务占用 80。解决改docker/.env里的EXPOSE_NGINX_PORT8080docker-compose down再up -d访问时带上端口。6. 进阶技巧让本地知识库回答更准的几个参数调法跑通只是第一步真正决定好不好用的是检索质量和生成参数。我一般会做三件事。第一在知识库的「召回设置」里把 Top K 从默认 3 调到 58向量相似度阈值设 0.5 左右这样能多召回相关块又不至于引入噪声。第二在聊天应用的编排里开启「引用和归属」这样回答会带原文出处方便核对也逼着模型基于检索内容回答。第三把模型的 temperature 压到 0.1top_p 设 0.9减少发散。1.5B 模型本身能力有限如果发现回答质量不够可以换 7B 甚至 14B但显存和内存要跟上7B 量化版大概需要 8GB 内存起步。还有一个容易被忽略的点Dify 的工作流模式比简单聊天助手灵活得多。如果你要做多轮检索、条件分支、变量聚合建议直接上工作流把知识库检索作为一个节点后面接 LLM 节点和条件判断。变量聚合器可以把多个检索结果合并后再喂给模型适合文档分散在多个知识库的场景。这些配置在 Dify 官方文档里有示例但核心逻辑就是「先检索、再聚合、后生成」。从那以后我每次部署完都会先拿一个已知答案的问题测一遍确认引用块正确、回答没跑偏再开始灌正式文档。这个习惯帮我省了很多「以为配好了其实没通」的时间。希望帮到你。本文还有配套的精品资源点击获取 本地知识库搭建实战：ollama+deepseek+Docker+Dify全流程
简介这份资源是面向希望本地搭建个人知识库的技术爱好者与开发者的实战教程文档围绕 ollama、deepseek、docker 与 Dify 四款工具的协同部署展开帮助读者在 Windows 环境下完成从模型下载到知识库问答的完整链路。资源包内含 1 个 doc 文档压缩包约 5.19MB以图文步骤形式记录关键操作便于按图索骥对照执行。目前已有 3387 人学习下载说明该方案在本地知识库搭建场景中具备一定参考价值。文档内容覆盖 ollama 安装与环境变量配置、deepseek-r1 模型拉取与运行、docker-desktop 部署、Dify 项目启动、知识库创建与分词配置以及聊天应用接入 ollama 接口等环节并附有端口设置与模型测试的排错提示。对于不熟悉容器化与本地大模型部署的初学者可借此快速理解各组件分工与串联方式对已有基础的开发者则能作为一份可复用的部署清单减少环境配置中的试错成本。1. 从零搭一套本地知识库ollama deepseek Docker Dify 到底怎么串起来很多人第一次听到「本地知识库」这四个字脑子里浮现的是买服务器、配显卡、调 API 一堆麻烦事。实际上如果你只是想在自己 Windows 机器上跑一个能读自己文档、能问答、数据不出本机的助手ollama deepseek Docker Dify 这套组合是目前门槛最低的一条路。ollama 负责在本机拉起 deepseek-r1 模型并暴露一个本地接口Docker 负责把 Dify 那一堆依赖Postgres、Redis、Weaviate 等打包成容器一键起Dify 负责把模型、知识库、聊天界面串成可视化工作流。整条链路跑通之后你丢进去的 PDF、Word、Markdown 会被切块、向量化、存进本地向量库提问时先检索再交给 deepseek 生成回答全程不依赖外部接口。这套方案适合手上有几份技术文档想快速检索的开发者、想把内部资料做成问答机器人的小团队以及单纯想练手 Docker 和本地大模型部署的人。下面按我实际复现的顺序把每一步的参数、命令和翻车点讲清楚。2. 环境准备ollama 安装、环境变量与 deepseek-r1 模型拉取2.1 ollama 在 Windows 上的安装与版本校验ollama 官网提供 Windows 原生安装包下载后双击走 Install 流程即可。装完第一件事不是急着拉模型而是先确认命令能通。按Win R输入cmd执行ollama --version正常会回显类似ollama version 0.x.x的版本号。如果提示「不是内部或外部命令」八成是安装时没勾选加入 PATH或者你开 cmd 的时候安装还没结束。解决办法是关掉当前 cmd 重开一个还不行就手动把 ollama 安装目录加进系统 PATH。这一步看着简单但我见过太多人卡在这里以为是安装失败其实只是终端没刷新环境变量。2.2 环境变量把模型从 C 盘挪走默认情况下 ollama 会把模型下载到C:\Users\你的用户名\.ollama\modelsdeepseek-r1 哪怕 1.5B 也有 1GB 出头7B 直接 4GB 起步C 盘紧张的人必须提前改。操作路径是「此电脑右键 → 属性 → 高级系统设置 → 环境变量 → 新建系统变量」变量名变量值说明OLLAMA_MODELSD:\ollama\models换成你自己硬盘上想放的目录OLLAMA_HOST0.0.0.0:11434让 Docker 容器能访问到宿主机的 ollamaOLLAMA_MODELS决定模型落盘位置OLLAMA_HOST决定监听地址。第二个变量是后面 Dify 接入的关键如果不设成0.0.0.0容器里访问host.docker.internal:11434可能连不上。设完记得重启 ollama 服务托盘图标退出再启动否则变量不生效。2.3 拉取 deepseek-r1 模型并验证对话环境变量配好后在 cmd 里执行ollama run deepseek-r1:1.5b这条命令会先检查本地有没有该模型没有就去拉取拉完直接进入交互式对话。1.5B 版本下载大概几分钟7B 视网速可能十几分钟到半小时。拉取慢是高频问题常见做法是换用国内镜像源或者手动下载模型文件后放到OLLAMA_MODELS目录下再 run。进入对话后随便问一句「你是谁」验证模型能正常推理即可。注意这个 cmd 窗口不能关。ollama 的模型是挂在这个进程上的窗口一关模型就停了。后面 Dify 调用时如果报连接失败第一反应就是回来看这个窗口还在不在。关了也没关系重新ollama run deepseek-r1:1.5b即可模型已经在本地下好了秒进。3. Docker Desktop 安装与 Dify 源码拉起3.1 Docker Desktop 安装与虚拟化检查Dify 依赖 Docker Compose 编排多个容器所以先装 Docker Desktop。官网下载 Windows 版本安装时保持默认勾选「Use WSL 2 instead of Hyper-V」即可。装完启动如果报Virtualization support not detected说明 BIOS 里 CPU 虚拟化没开重启进 BIOS 找 Intel VT-x 或 AMD-V 打开。另一个高频报错是docker desktop failed to start because virtualization support is not enabled和上面是同一个根因。启动成功后托盘图标变绿docker version能同时看到 Client 和 Server 才算真正就绪。3.2 获取 Dify 源码并启动容器Dify 源码从 GitHub 仓库langgenius/dify获取有 git 的直接 clone没有的下 zip 解压。进入项目根目录下的docker文件夹在地址栏输入cmd回车执行docker-compose up -d-d是后台运行不加的话日志会刷屏且关掉终端就停。这条命令会拉取 api、worker、web、db、redis、weaviate、nginx 等一堆镜像第一次执行时间比较久取决于网络。执行完用docker ps看容器状态正常应该看到 7 个左右容器在跑。如果某个容器反复重启用docker logs 容器名看日志常见原因是端口冲突80 被占或镜像拉取不完整。注意Dify 默认用 80 端口起 nginx。如果你本机 IIS 或其它服务占了 80会起不来。改法是编辑docker/.env里的EXPOSE_NGINX_PORT换成 8080 之类然后重新docker-compose up -d。3.3 初始化管理员账号并进入控制台容器全部 Up 之后浏览器访问http://127.0.0.1/signin如果你改了端口就换成对应端口。首次访问会跳转设置管理员账号填邮箱、用户名、密码即可。这个账号是本地库里的不联网校验随便填但要记住。设置完登录进去能看到「探索」「工作室」「知识库」几个主菜单说明 Dify 本体已经跑通了。到这一步模型还没接知识库还是空的但基础设施已经就位。4. 在 Dify 里接入 ollama 的 deepseek 并建知识库4.1 配置 Ollama 模型供应商进入 Dify 后点右上角头像 → 设置 → 模型供应商往下拉找到 Ollama点「添加模型」。这里要填两个关键项配置项填写值说明模型名称deepseek-r1:1.5b必须和ollama run时的名字完全一致Base URLhttp://host.docker.internal:11434容器访问宿主机的固定域名host.docker.internal是 Docker Desktop 在 Windows/Mac 上提供的特殊 DNS指向宿主机。填127.0.0.1是不行的因为那指向容器自己。填完保存如果 ollama 窗口在运行模型列表里就能看到 deepseek-r1:1.5b。报an error occurred during credentials validation基本都是 ollama 没跑或者OLLAMA_HOST没设成0.0.0.0。4.2 创建知识库并上传文档点顶部「知识库」→「创建知识库」上传你的 PDF、Word、TXT 或 Markdown。Dify 会走一套流水线文档解析 → 分块 → 向量化 → 存入向量库。分块设置里有两个参数值得注意分段标识符默认是\n\n块长度默认 500 token重叠 50。技术文档建议块长度调到 8001000重叠 100这样上下文更完整。索引方式选「高质量」会用 embedding 模型选「经济」只做关键词索引。本地跑的话高质量模式需要额外配一个 embedding 模型如果没配就先用经济模式跑通流程。保存后点「处理」等待解析完成。解析时间取决于文档数量和机器性能几份文档通常一两分钟。解析完能在文档列表里看到每个块的内容和向量状态。4.3 创建聊天应用并挂载知识库回到「工作室」→「创建空白应用」→ 选「聊天助手」填个名字创建。进入编排界面后在「上下文」旁边点「添加」选中刚才建的知识库。然后在模型下拉框里选 ollama 的 deepseek-r1:1.5b。这里有个细节模型参数里的温度temperature默认 0.7 偏高知识库问答建议调到 0.10.3减少胡编。最大 token 按需设1.5B 模型上下文窗口有限设太大反而容易截断。配置完在右侧预览区提问比如「根据知识库XX 是什么」如果回答里出现引用标记点开能看到引用的原文块说明检索链路通了。如果回答完全不引用知识库检查上下文有没有真的挂上以及知识库文档是否解析成功。5. 避坑排查部署过程中最容易翻车的五个点5.1 ollama 窗口关了导致 Dify 报连接失败现象Dify 里测试模型时报连接超时或 credentials validation 失败。原因ollama 的模型进程随 cmd 窗口关闭而终止11434 端口不再监听。解决重新ollama run deepseek-r1:1.5b保持窗口开着或者把 ollama 注册成 Windows 服务让它后台常驻。5.2 host.docker.internal 解析不了现象Dify 填了http://host.docker.internal:11434仍然连不上。原因部分 Docker Desktop 版本或网络模式下该域名不生效。解决在 Docker Desktop 设置里确认「Use WSL 2 based engine」开启或者改用宿主机在 WSL 里的 IPip addr查 eth0 地址但那个 IP 会变不如前者稳。5.3 docker-compose up 卡在拉镜像现象命令执行后长时间无进展或某个镜像 pull 失败。原因网络问题导致镜像拉取中断。解决配置 Docker Desktop 的镜像加速器设置 → Docker Engine 里加 registry-mirrors然后docker-compose pull单独拉一遍再 up。已经拉了一半的可以重试Docker 会断点续传。5.4 知识库解析后检索不到内容现象文档显示解析完成但提问时模型完全不引用。原因分块设置不合理导致语义块太碎或者索引模式选了经济但问题偏语义。解决把块长度调大、重叠调大重新处理文档或者切换到高质量索引并配好 embedding 模型。5.5 80 端口被占导致 Dify 起不来现象docker ps里 nginx 容器不断重启浏览器访问 127.0.0.1 无响应。原因本机已有服务占用 80。解决改docker/.env里的EXPOSE_NGINX_PORT8080docker-compose down再up -d访问时带上端口。6. 进阶技巧让本地知识库回答更准的几个参数调法跑通只是第一步真正决定好不好用的是检索质量和生成参数。我一般会做三件事。第一在知识库的「召回设置」里把 Top K 从默认 3 调到 58向量相似度阈值设 0.5 左右这样能多召回相关块又不至于引入噪声。第二在聊天应用的编排里开启「引用和归属」这样回答会带原文出处方便核对也逼着模型基于检索内容回答。第三把模型的 temperature 压到 0.1top_p 设 0.9减少发散。1.5B 模型本身能力有限如果发现回答质量不够可以换 7B 甚至 14B但显存和内存要跟上7B 量化版大概需要 8GB 内存起步。还有一个容易被忽略的点Dify 的工作流模式比简单聊天助手灵活得多。如果你要做多轮检索、条件分支、变量聚合建议直接上工作流把知识库检索作为一个节点后面接 LLM 节点和条件判断。变量聚合器可以把多个检索结果合并后再喂给模型适合文档分散在多个知识库的场景。这些配置在 Dify 官方文档里有示例但核心逻辑就是「先检索、再聚合、后生成」。从那以后我每次部署完都会先拿一个已知答案的问题测一遍确认引用块正确、回答没跑偏再开始灌正式文档。这个习惯帮我省了很多「以为配好了其实没通」的时间。希望帮到你。本文还有配套的精品资源点击获取