type
status
date
slug
summary
tags
category
icon
password
最近工作中听见同事在交流，能否用AI处理多语言本地化的问题，直接扔个语言表让它自动处理好所以国家的语言翻译，我也来了兴趣，在AI横行的今天，不去了解了解好像也说不过去，于是发现了dify和ollama两个工具，可以本地化部署大模型，并且创建工作流应用。
前期准备
下载好docker desktop,ollama即可
流程
1.用git clone下dify的代码，或者直接下载zip压缩包到本地解压。
dify
langgenius • Updated Feb 24, 2025
2.进入dify的docekr控制台执行docker compose up -d，执行可能会有80端口冲突，记得把docker-compose.yaml文件中的80端口改为83或其他。
3.进入localhost:83(你修改的端口号)即可，注册好账号，然后点击页面右上角的用户名，进入设置
可以选中获取APIkey获取通义千问等大模型，我这边是接入用ollama本地化部署的大模型。
4.进入Ollama查看可以本地化部署的大模型，点进去看也有具体的控制台命令，直接cmd开控制台部署即可，如果后期下载速度慢，可以ctrl+c停止后再次继续下载，如果不想下在c盘，可以配个环境变量。
5.接入dify,控制台输入ollama list看自己部署的模型信息，其中的name就是模型名称，模型的url就是http://(你的ip地址):11434。其中11434是ollama的运行地址，本地ip可以去控制台输ipconfig查看。
这样就能成功部署了，然后可以体验其中的各类功能，聊天助手，知识库助手，智能体以及工作流，这里的工作流就可以用于解决文章开头提到的问题了
- Author:lzzd
- URL:https://lazy-zed.com/article/AI_1
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
.png?table=block&id=19885e12-7d7c-80e0-9466-ccfdb68a297f&t=19885e12-7d7c-80e0-9466-ccfdb68a297f)
.png?table=block&id=19885e12-7d7c-8090-b2f9-d59fd470ae2a&t=19885e12-7d7c-8090-b2f9-d59fd470ae2a)
