将 LLM 集成至已有业务，通过引入 LLM 增强现有应用的能力，接入 Dify 的 RESTful API 从而实现 Prompt 与业务代码的解耦，在 Dify 的管理界面是跟踪数据、成本和用量，持续改进应用效果。
前两天在台式电脑上安装了Docker，随之安装了ollama和DeepSeek，又搭配了Dify，在DeepSeek模型上，测试了7B 8B 14B 32B，结果DeepSeek 32B电脑就带不动死机了，最终使用了DeepSeek 14B，这种Ollama+DeepSeek+D
它结合了后端即服务 和 LLMOps 的概念，使开发人员能够快速构建生产级生成式 AI 应用。通过集成构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的提示词编排界面、高质量的检索增强生成 引擎以及灵活的 Agent 框架，同时提供了一组易于使用的界面和 API，Dify 为开发人员节省了大量时间避免重复造轮子，让他们可以专注于创新和业务需求。
Dify，作为一款开源的大语言模型应用开发平台，自 2023 年 3 月项目设立以来，便在人工智能领域崭露头角，在 GitHub 上收获了众多关注 ，其开源协议基于 Apache License 2.0 有限商业许可，融合了后端即服务和 LLMOps 理念，为开发者和非技术人员搭建了一座通往生成式 AI 应用开发的桥梁。
你可以通过 $ docker compose version 命令检查版本，详细说明请参考 Docker 官方文档:如果版本是 Docker Compose V2，使用以下命令:如果版本是 Docker Compose V1，使用以下命令:运行命令后，你应该会看到类似以下的输出，显示所有容器的状态和端口映射:
