普通CPU笔记本也能操练大模型！One-api + Dify 本地Docker部署全流程

发布日期：2024-06-21 04:21:15 浏览次数： 2596

本文详述了One-api + Dify 本地Docker部署全流程，普通CPU笔记本电脑，win11环境实测

实操本文的必要（劝退）条件

LLM大模型API key（国内的Qwen、GLM、Moonshot、deepseek都可以）;
梯子: 鉴于Github和Dockerhub访问的难度与不稳定现状，搭个梯子是必要的；
Docker 基本应用，至少会在Windows里安装docker desktop。

1. 基本信息

1.1 One API 介绍

One API 是一套接口管理 & 分发系统，支持 Azure、Anthropic Claude、Google PaLM 2 & Gemini、智谱 ChatGLM、百度文心一言、讯飞星火认知、阿里通义千问、360 智脑以及腾讯混元，可用于二次分发管理 key，仅单可执行文件，已打包好 Docker 镜像，一键部署，开箱即用。详见

https://github.com/songquanpeng/one-api

简而言之，One API是一套管理LLM大模型API Key的 “路由器”。

输入：一系列LLM的API keys，即所谓 “渠道”

输出：一个标准的API接口，即所谓“令牌”

1.2 Dify 介绍

Dify Do it for yourself

Dify是一个开源的LLM应用程序开发平台。Dify直观的界面结合了AI工作流、RAG管道、代理功能、模型管理、可观察等，让您快速从原型到生产。

https://dify.ai/zh

简而言之，Dify 是用来开发LLM工作流应用的平台。如果Langchain是LLM应用开发的砖头瓦块，Dify就是脚手架。

2. 本机部署流程

我的笔记本事先装好了docker desktop，one api和dify最方便的方式也是docker部署，所以本着能省（力气）则省的原则，本文仅介绍docker部署流程。

2.1 Dify部署

Windows打开终端，cd 到合适的盘及位置，如D:\Gitpro, 依次运行

git clone https://github.com/langgenius/dify.gitcd dify\dockerdocker compose up -d

第一步git正常执行结果如下

git clone https://github.com/langgenius/dify.git Cloning into 'dify'...remote: Enumerating objects: 60539, done.remote: Counting objects: 100% (6168/6168), done.remote: Compressing objects: 100% (819/819), done.remote: Total 60539 (delta 5569), reused 5602 (delta 5324), pack-reused 54371Receiving objects: 100% (60539/60539), 36.13 MiB | 12.81 MiB/s, done.Resolving deltas: 100% (43500/43500), done.Updating files: 100% (4877/4877), done.

第三步 docker compose执行会有段时间，失败了就多搞几次。有梯子一般很快。容器创建成功后，docker desktop里可以看到如下：

浏览器输入

http://localhost:80

按照提示注册用户（本地运行，随便输个邮箱即可），然后登录。

2.2 One API 部署

依旧是Windows终端，选好路径，依次执行：

git clone https://github.com/songquanpeng/one-api.gitcd one-apidocker-compose up -d  [+] Running 26/26✔ one-api 4 layers [⣿⣿⣿⣿]0B/0BPulled 82.6s ✔ d25f557d7f31 Already exists 0.0s ✔ 1b5b003f9dfb Pull complete9.3s ✔ 191451707000 Pull complete 69.7s ✔ a2827533ea71 Pull complete 10.9s✔ redis 9 layers [⣿⣿⣿⣿⣿⣿⣿⣿⣿]0B/0BPulled33.0s ✔ a3ed95caeb02 Pull complete0.7s ✔ 7059585c469e Pull complete4.2s ✔ 782c76bb9e67 Pull complete0.7s ✔ 706514fbad74 Pull complete0.9s ✔ 62f9861bf413 Pull complete 17.2s ✔ d9a5cf315f9b Pull complete1.2s ✔ 43310c2277ff Pull complete1.6s ✔ b3e03532a808 Pull complete1.9s ✔ 9c59e8378f86 Pull complete2.5s✔ db 10 layers [⣿⣿⣿⣿⣿⣿⣿⣿⣿⣿]0B/0BPulled244.6s ✔ 558b7d69a2e5 Pull complete120.0s ✔ 599b67b0dd6a Pull complete 15.3s ✔ 50314d46ce2b Pull complete 23.6s ✔ 494babc92263 Pull complete 57.4s ✔ 02548e6f2dbf Pull complete 61.6s ✔ a9e5e2637e0d Pull complete 64.5s ✔ 657b198fe6b7 Pull complete208.8s ✔ 215a2b0eabbf Pull complete 70.8s ✔ 377a4c7a89c5 Pull complete224.2s ✔ 4bfe599fe218 Pull complete121.4s[+] Running 3/4- Network one-api_defaultCreated2.6s✔ Container redisStarted1.9s✔ Container mysqlStarted1.9s✔ Container one-apiStarted1.9s

容器创建成功后，docker desktop里可以看到如下：

浏览器输入：http://localhost:3000/，注册用户，root用户默认密码 123456 ，记得修改。

3. 配置

总体思路，在one-api中配置若干个LLM大模型（默认你已经有相应的key了），然后在Dify系统配置中，添加OpenAI-API-compatible模型（使用one-api中配好的）。

3.1 One-api 配置

3.1.1 添加渠道（即LLM key）

点击 “渠道” ---> “添加新的渠道”

以配置DeepSeek为例：

提交后，可以在渠道列表里测试验证是否成功：

3.1.2 添加令牌

获取令牌，点击“复制” 获取到类似如下的Key，备用。

sk-X*******************************************************9

3.2 Dify 配置

进入设置

模型供应商选择 OpenAI-API-compatible

OneAPI多创建几个令牌，就可以依次添加如下：

点击系统模型设置，从上一步设置的OpenAI-API-compatible中选择一个作为系统缺省模型：

在Dify的工作室里创建一个空白应用，比如选聊天助手：

可以开始聊天了

！

本文涉及软件版本：

One-API：v0.6.7-alpha.6
Dify：0.6.11
Docker desktop：Docker Engine v25.0.3

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

大模型训练及推理【硬件选型指南】及 GPU 通识

2024-05-09

【不看后悔】一文梳理端侧模型和小模型

2024-07-07

NVIDIA消费级显卡4060/4090 AI训练能效比较

2024-07-01

对比A100和4090：两者的区别以及适用点

2024-06-24

普通CPU笔记本也能操练大模型！One-api + Dify 本地Docker部署全流程

2024-06-21

AI大模型新型智算中心技术建设白皮书 2024

2024-07-11

Imbue-70B 的 AI Infra：从0到1搭建和运维4088 H100集群的最佳实践

2024-07-08

华为昇腾910B与英伟达B200性能对比

2024-07-23

一文搞懂智能硬件产品项目开发流程【干货】

2024-04-01

大家都在问

人形机器人进厂实训，从1到N成绩几何？

2024-09-10

AI+IDE，中文也能编码？

2024-09-09

车载AI Agent产品开发：如何通过大模型实现“座舱代言人”？

2024-09-07

CPU vs GPU：为什么GPU更适合深度学习？

2024-09-07

为什么AI PC需要NPU？

2024-08-31

英伟达H100那么牛，为啥不能玩《黑神话悟空》？

2024-08-25

苹果没有发布7B小模型，而是发布了开源数据集测试平台DCLM

2024-08-20

大模型将成智能硬件“标配”，企业如何为用户打造全新交互体验？

2024-08-14

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

万字长文解析：大模型需要怎样的硬件算力

大模型训练及推理【硬件选型指南】及 GPU 通识

【不看后悔】一文梳理端侧模型和小模型

NVIDIA消费级显卡4060/4090 AI训练能效比较

对比A100和4090：两者的区别以及适用点

普通CPU笔记本也能操练大模型！One-api + Dify 本地Docker部署全流程

AI大模型新型智算中心技术建设白皮书 2024

Imbue-70B 的 AI Infra：从0到1搭建和运维4088 H100集群的最佳实践

华为昇腾910B与英伟达B200性能对比

一文搞懂智能硬件产品项目开发流程【干货】

大家都在问

人形机器人进厂实训，从1到N成绩几何？

AI+IDE，中文也能编码？

车载AI Agent产品开发：如何通过大模型实现“座舱代言人”？

CPU vs GPU：为什么GPU更适合深度学习？

为什么AI PC需要NPU？

英伟达H100那么牛，为啥不能玩《黑神话悟空》？

苹果没有发布7B小模型，而是发布了开源数据集测试平台DCLM

大模型将成智能硬件“标配”，企业如何为用户打造全新交互体验？

热门标签