使用Deepseek总是服务繁忙，其他第三方平台又虽然也部署了满血版本。但是对于不想把自己的资料喂给第三方的同学，那就不得不部署本地版本的啦
我的配置：6G显存，32G内存，运行DeepSeek-r1:14B用得非常舒服，同时发现其实14b的也不差，甚至觉得比第三方平台要更好用。
一、Dify部署与智能体搭建
Dify部署虽然听起来复杂，但实际上通过Docker部署是一个相当便捷的方法。
官网有非常详细的教程。https://docs.dify.ai/zh-hans/getting-started/install-self-hosted/docker-compose
前提条件
安装 Dify 之前, 请确保你的机器已满足最低安装要求：
CPU >= 2 Core
RAM >= 4 GiB
1.1 克隆Dify代码仓库
Dify部署的方式相对来说比较简单，这里教大家使用Docker进行部署，Docker的安装方法这里不再赘述，大家可以自行搜索。
- 首先，克隆 Dify 源代码至本地环境：
git clone https://github.com/langgenius/dify.git
1.2 启动Dify
（1）进入 Dify 源代码的 Docker 目录
cd dify/docker
复制环境配置文件
cp .env.example .env
（2）启动 Docker 容器
根据你系统上的 Docker Compose 版本，选择合适的命令来启动容器。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：
docker compose up -d
如果版本是 Docker Compose V1，使用以下命令：
docker-compose up -d
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：
二、SearXNG集成与部署
SearXNG是一个免费的互联网元搜索引擎，能够整合多种搜索服务的检索结果，并且保护用户隐私。将其集成到Dify中也需要遵循一定流程。
（1）首先，需要修改Dify配置文件。
SearXNG的配置文件位于
dify/api/core/tools/provider/builtin/searxng/docker/settings.yml。
根据自身需求修改配置或者直接使用默认配置均可。
（2）然后，在Dify根目录下启动SearXNG的Docker容器。执行cd dify之后，
使用docker run --rm -d -p 8081:8080 -v "${PWD}/api/core/tools/provider/builtin/searxng/docker"命令。
这一步骤类似于为SearXNG打开大门，使其能够进入Dify环境中。
（3）最后，在Dify中使用SearXNG。
在“工具 > SearXNG > 去认证”中填写访问地址，默认情况下SearXNG的Docker内网地址为“http://host.docker.internal:8081”。填写完毕后点击授权并保存设置。如果一切顺利，将会看到“已授权”的提示。
三、Ollama部署Deepseek-r1
这里我们部署了14B的，非常简单，直接去官网搜索模型。
根据官方命令，把模型下载，并运行模型：
四、智能体搭建扩展
之前几步都是基础，现在我们要把之前的都利用起来。
（1）Dify集成ollama
首先利用Dify把ollama的模型集成进来，这里完全参考官方教程即可：
接入ollama部署的本地模型：
https://docs.dify.ai/zh-hans/development/models-integration/ollama
(2) 构建智能体
- prompt提示词:
# 职位描述
## 角色
你的主要任务是人工智能辅助助手，能够调用联网搜索、网页爬虫、获取时间等相关工具，收集相关信息，回答用户的提问。
## 技能
### 技能1：知识库检索相关内容
### 技能2：使用time工具获取当前的时间
### 技能3：使用tavily_search功能进行联网搜索
### 技能4：使用webscraper功能对搜索到的相关内容进行爬取，并进行总结分析
## 限制
- 每次都必须检索知识库，如果没有相关内容，再进行联网搜索
- 你的回答应严格针对分析任务。使用结构化语言，逐步思考
- 使用的语言应和用户提问的语言相同
- 搜索的关键词必须和用户提问的内容一致
- 工具：
- 测试
首先第一次推理思考，查找大模型本身的知识：
根据过程，在本身知识库查找不到，则进行联网搜索。
最后，把联网搜索的知识进行汇总：