大家好，我是一名喜欢在家折腾本地部署的开发者，这次我来分享如何在本地运行 Ollama，并将它与 FastGPT 和 Dify 两个知识库对接。看起来复杂，但其实步骤并不难。我会尽量把内容讲得清楚易懂，加上一些幽默，让整个过程更有趣。
第一步：本地部署 Dify 和 FastGPT 💻
首先，我想找个知识库应用，结果在网上看上了 Dify 和 FastGPT。说实话，起初看了半天文档也分不出哪个更好用，就像在咖啡 ☕️ 和茶 🫖 之间犹豫不决，干脆两个都来吧！这样我就可以比较它们的优缺点，看看哪个更适合我的需求。
正好这两个工具都支持本地部署，我这个爱折腾的性格立刻就上头了，赶紧跑去 GitHub 上说干就干。
部署均使用 Docker 进行，我的电脑是 M3 16G 的 Macbook Air，性能一般，但运行这两者没有问题。不过在 Ollama 跑 3B 大小的模型时已经是极限，温度接近 90 摄氏度，建议选择较小的模型。
第二步：部署 Dify 和 FastGPT
在研究知识库应用时，我决定同时部署 Dify 和 FastGPT。毕竟，选择困难症发作时，最好的办法就是“全都要”！这样，我就可以亲自测试它们，搞清楚到底哪个更适合我的需求。
幸运的是，这两个知识库都支持本地部署，真是太方便了，让我可以在自己的电脑上尽情试验。接下来我会详细介绍如何用 Docker 来部署它们。
步骤 1：准备环境
- 确保有稳定的网络环境，下载 Docker 镜像时别被中断了，不然心态很容易炸 💥。
- 安装 Docker。Mac 用户我强烈推荐使用 Orbstack 进行安装，这玩意儿轻量又好用。而 Windows 和 Linux 用户可以直接去 Docker 官网 下载安装。
步骤 2.1：安装 Dify
打开 Dify 官方 GitHub 页面。
下载代码或者直接下载 ZIP 文件包，按照官方的 QuickStart 指引，进入到
docker文件夹中，里面就是我们需要的东西。在
docker文件夹内执行以下命令：```
docker-compose up -d这个命令会自动下载 Docker 镜像并启动容器。如果网络良好，整个过程应该会非常顺畅，只需稍等片刻，喝杯咖啡就搞定 ☕️。
完成后，可以在浏览器中访问
http://localhost/install进行登录和配置。如果在国内使用网络直接下载 Docker 镜像有问题，可以使用镜像加速器来帮忙，别被卡住了 😅。
更多详细说明可以参考 官方手册。
步骤 2.2：安装 FastGPT（轻松搞定，没你想的那么难！）
打开 FastGPT 官方 GitHub 页面。
下载代码或 ZIP 文件包，按照官方 QuickStart 指引，进入
files/docker文件夹，使用里面的 Docker 配置。与 Dify 不同，FastGPT 需要一些额外配置。默认情况下没有
docker-compose.yml文件，因此启动时需要指定，例如官方推荐的docker-compose-pgvector.yml。此外，还需要创建一个config.json配置文件放在docker目录下，内容可以参考 config.json。配置好后，执行以下命令来启动：```
docker-compose -f docker-compose-pgvector.yml up -d完成后，可以通过浏览器访问
http://localhost:3000来使用 FastGPT。FastGPT 的配置比 Dify 稍微复杂一些，需要在
http://localhost:3001配置模型，并修改config.json来匹配你的需求。如果遇到下载困难，强烈建议使用镜像加速器或优化网络，让你的部署更顺利 🚀。
步骤 3：配置和运行
安装完成后，还需要进行一些简单的配置，按照文档一步一步操作就可以搞定啦 📚。Dify 的使用非常简单，直接注册登录即可，例如你可以用它来快速存储和检索文档。而 FastGPT 则有固定的管理员账号，适合需要更多定制化功能的场景，比如通过它来构建更复杂的对话模型：
- FastGPT 模型配置页面地址是
http://localhost:3001，默认账号是root，密码是123456。 - FastGPT 主页面地址是
http://localhost:3000，账号为root，密码可以在config.json中找到，默认是1234。
按照这些步骤，轻松搞定！🎉
步骤 4：文件大小限制
- 在 Dify 里面，上传文件会有 15M 的单个限制，需要改个配置。
- 打开 docker 文件夹里的
.env文件，把下面两条的15改成150即可：
# Upload file size limit, default 15M. UPLOAD_FILE_SIZE_LIMIT=15 NGINX_CLIENT_MAX_BODY_SIZE=15M第三步：本地部署 Ollama 🤓
前面的 Dify 和 FastGPT 都已经部署好了，现在轮到 Ollama 出场了！把 AI 模型部署在本地就像是为这场 AI 派对请来了一位“桥梁专家”，它能帮助不同的知识库联手合作，协同作战，让整个系统变得更智能、更高效。
步骤 1：安装 Ollama
首先，前往 Ollama 的 官网 下载并安装 Ollama，过程非常简单，就像你平时安装其他应用程序一样轻松。
- 下载并安装 Ollama。
- 搜索并选择所需的模型，这里我们以 llama3.2 为例，进入到 llama3.2 页面。
- 使用命令
ollama run llama3.2:3b让 Ollama 开始“上班”吧！它一上班，你就可以和模型进行互动啦！要让它下班休息？只需要输入Ctrl+D，或者直接来一句/bye，它就会乖乖“打卡”回家了。
步骤 2：Dify 对接 Ollama
好了，Ollama 已经准备就绪，现在是时候让它和 Dify 握个手，成为好搭档了 🤝。
- 打开 Dify，进入设置 -> 模型供应商。
- 找到 Ollama，填写模型名称为
llama3.2:3b，基础 URL 填写为http://host.docker.internal:11434，其他选项保持默认即可。这样 Ollama 就正式与 Dify 建立了“合作伙伴”关系。
步骤 3：FastGPT 对接 Ollama
接下来，我们也需要让 FastGPT 加入这场 AI 聚会 🎉。
登录 FastGPT 的模型配置页面，选择“渠道” -> 添加新渠道。
在类型中选择 Ollama，名称填写
llama3.2:3b，代理地址填写为http://host.docker.internal:11434，其他设置保持简单。因为密钥是必填项，你可以随便填写一些字符，FastGPT 不会认真查 😂。修改
config.json文件，找到llmModels数组，然后添加以下内容：```
{
“model”: “llama3.2:3b”,
“name”: “llama3.2:3b”,
“avatar”: “/imgs/model/openai.svg”,
“maxContext”: 125000,
“maxResponse”: 4000,
“quoteMaxToken”: 120000,
“maxTemperature”: 1.2,
“charsPointsPrice”: 0,
“censor”: false,
“vision”: true,
“datasetProcess”: true,
“usedInClassify”: true,
“usedInExtractFields”: true,
“usedInToolCall”: true,
“usedInQueryExtension”: true,
“toolChoice”: true,
“functionCall”: false,
“customCQPrompt”: “”,
“customExtractPrompt”: “”,
“defaultSystemChatPrompt”: “”,
“defaultConfig”: {},
“fieldMap”: {}
}接着，在文件夹中执行
docker-compose down来暂停服务，然后通过docker-compose -f docker-compose-pgvector.yml up -d重新启动服务。完成后，通过
http://localhost:3000访问 FastGPT，你会看到你刚刚添加的llama3.2:3b模型已经在列表中等着你了！
现在，Ollama 已经成功地和 Dify、FastGPT 结合，整个系统就像是一支高效合作的团队，随时准备帮你解决各种问题。这种组合特别适合需要在本地高效管理和利用知识的场景。
后记
为什么要折腾部署 Ollama 并对接 FastGPT 和 Dify 呢？主要是因为想在本地搭建一套知识库，并结合 AI 来进行查询或训练等操作 📚🤖。通过本地部署，用户可以更好地掌控数据的安全性和隐私性，同时可以自定义和优化 AI 的运行方式，让系统更符合自己的需求。这样一来，不仅可以满足日常工作中的各种需求，还能让你随时随地“调教”你的 AI，让它变得更加聪明伶俐，简直就是家里养了个智能小助手！
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
)
