从零开始在Ubuntu上快速部署Docker和Dify：结合 Dify + 蓝耘 MaaS平台打造 AI 应用实战指南

目 录

• 引言
• 一、借助阿里云源安装Docker和Compose
• 二、拉取并部署Dify
• 三、启动Dify服务
• 四、初始化 Dify 管理员账号
• 五、安装模型供应商插件
• 六、如何获取蓝耘Maas平台API
• 七、构建 AI 应用示例
• 总结

引言

在人工智能应用快速发展的今天，如何高效部署 AI 应用并灵活调用不同的大模型能力，已经成为开发者和企业的核心需求之一。本文将详细介绍如何在 Ubuntu 环境中借助 阿里云镜像源快速安装 Docker 与 Docker Compose，并完成 Dify 智能应用平台的部署与配置。通过引入 蓝耘 MaaS 平台提供的 API 接口，我们不仅可以快速接入大规模语言模型，还能基于 Dify 构建属于自己的 AI 应用，极大地提升开发效率与使用体验。

一、借助阿里云源安装Docker和Compose

1、安装必要依赖

apt update
apt install -y ca-certificates curl gnupg lsb-release

2、 添加阿里云 Docker GPG 密钥

mkdir -p /etc/apt/keyrings
curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg |
gpg –dearmor -o /etc/apt/keyrings/docker.gpg

3、 写入阿里云 Docker 软件源

echo \\
"deb [arch=$(dpkg –print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.aliyun.com/docker-ce/linux/ubuntu \\
$(lsb_release -cs) stable" | \\
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

4、 安装 Docker 及 Compose 插件

apt update
apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

5、 验证安装

docker -v
docker compose version

二、拉取并部署Dify

1、 安装SSH服务

apt update
apt install openssh-server -y

2、 查看SSH运行状态（成功）

systemctl status ssh

3、 可以在电脑浏览器访问并下载： https://github.com/langgenius/dify/archive/refs/heads/main.zip 这里我在本地下载好了zip通过CRT上传到了Ubuntu里面 在Ubuntu里面也能看到了

4、 解压ZIP 这里是将压缩包移动到了指定的文件夹里面后进行的解压，这样会避免很多不必要的麻烦（大家一定要看清文件路径）

unzip dify-main.zip
cd dify-main/docker

这里进入的是docker子目录，里面才有docker-compose.yml 配置文件

三、启动Dify服务

这里需要确保我们在docker/目录下进行，然后输入：

docker compose up -d

这里我在检查docker运行状态和网络都没有问题之后，决定更换源试一下

开启科学上网后 然后重新运行（这里可能时间较久）

docker-compose up -d

关于网络问题这里补充一下 遇到这个错误"Get ‘https://registry-1.docker.io/v2/’: net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)"的解决办法

• 网络连接问题：确保自己的网络是否能访问互联网，尝试ping一下即可。
• 镜像源访问受限：可以尝试更换为国内镜像源，配置镜像加速器。
• 增加请求超时时间：可以尝试增加 Docker 的默认超时时间，以避免超时错误。
• 代理设置：如果使用了代理，确保代理配置正确，或者尝试删除代理设置。

成功拉取并启动如下 遇到这个错误，重新输入启动命令即可（下载时间过长导致的）

ERROR: Get "https://registry-1.docker.io/v2/": net/http: TLS handshake timeout

四、初始化 Dify 管理员账号

在浏览器打开：

http://你的Ubuntu主机IP/install

五、安装模型供应商插件

在 Dify 后台操作界面中：

• 点击右上角头像 → 插件 → Marketplace

• 安装自己需要的插件

• 前往“设置 → lanyun模型供应商”，找到OpenAI-API-compatible，然后配置 API Key 与地址以及相关配置信息即可

Dify 不自带模型，必须配置好至少一个 LLM 才能进行智能问答。

六、如何获取蓝耘Maas平台API

先说说蓝耘这个平台 如何注册蓝耘智算平台 1.点击注册链接：蓝耘智算平台 2.进入下面图片界面，输入手机号并获取验证码，输入邮箱，设置密码，点击注册在这里插入图片描述 蓝耘是一家专业的GPU算力云服务提供商，基于行业领先的灵活的基础设施及大规模的GPU算力资源，为客户提供开放、高性能、高性价比的算力云服务，助力客户AI模型构建、训练和推理的业务全流程。

这里给大家送给福利。千万 Token 资源包福利都在送，感兴趣的赶紧来吧 https://console.lanyun.net/#/register?promoterCode=18586cc762

进来之后，找到Maas平台—API KEY管理—创建API KEY即可，然后复制去OpenAI-API-compatible即可

七、构建 AI 应用示例

在主界面点击“创建空白应用”，名字为文章生成器

这里添加一个HTTP请求，在API选择POST请求并输入https://maas-api.lanyun.net/v1/chat/completions 配置Headers（请求头）：

• 请求头1：Name（Content-Type），Value（application/json）
• 请求头2：Name（Authorization），Value（Bearer 蓝耘MaaS平台的APIKEY） 配置Body（请求体）：

{
"model": "/maas/deepseek-ai/DeepSeek-V3.1",
"messages": [
{
"role": "system",
"content": "你是一个专业的内容创作助手，擅长根据用户需求创作高质量文章。"
},
{
"role": "user",
"content": "请根据以下要求创作文章：\\n主题：{{ $json.topic }}\\n写作风格：{{ $json.style }}\\n文章长度：{{ $json.length }}\\n关键词：{{ $json.keywords }}\\n\\n请创作一篇结构清晰、内容丰富的文章。"
}
],
"max_tokens": 2000,
"temperature": 0.7
}

然后进行测试，没有问题，文章出来了

这里格式还是不太行，我想输出Markdown格式，于是我开始调整，这个里面添加模版转换节点，然后输入：

// 获取处理后的数据
const items = $input.all();
const processedData = items[0].json;

// 生成 Markdown 内容
const markdownContent = `# ${processedData.metadata.title}

—

**创建时间：** ${new Date(processedData.metadata.createdAt).toLocaleString('zh-CN')}
**字数统计：** ${processedData.metadata.wordCount} 字符
**文章风格：** ${processedData.metadata.style}

—

## 正文内容

${processedData.content}

—

## 文档信息

– **生成时间：** ${new Date().toLocaleString('zh-CN')}
– **文件格式：** Markdown (.md)
– **处理状态：** 已完成内容格式化和优化

—

*本文档由 n8n 工作流自动生成*
`;

// 生成文件名（使用时间戳避免重复）
const timestamp = new Date().toISOString().replace(/[:.]/g, '-').slice(0, 19);
const fileName = `${processedData.metadata.title.replace(/[^\\w\\u4e00-\\u9fa5]/g, '_')}_${timestamp}.md`;

// 打印下载信息
console.log(`📁 Markdown 文件已准备完成`);
console.log(`📄 文件名：${fileName}`);
console.log(`📊 文件大小：${markdownContent.length} 字符`);

// 返回可下载的文件数据
return [{
json: {
...processedData,
markdown: {
content: markdownContent,
fileName: fileName,
mimeType: 'text/markdown',
size: markdownContent.length
}
},
binary: {
data: {
data: Buffer.from(markdownContent, 'utf8').toString('base64'),
mimeType: 'text/markdown',
fileName: fileName,
fileExtension: 'md'
}
}
}];

这里图片中显示内容没有问题的哈，但是无法分辨是否是按照Markdown格式输出

于是我将内容复制出来，使用在线工具进行查看，发现确实是按照Markdown格式输出。

整体的配置还是很简单，完整的工作流如下：

总结

我们完成了以下核心工作：

蓝耘 MaaS API 的核心优势：

• 高性能算力支持：GPU加速响应更快
• 兼容OpenAI API：快速接入零门槛
• 高性价比：更低成本调用大模型
• 灵活扩展性：支持多模型、多场景应用

通过结合 Dify + 蓝耘 MaaS API，我们能够以极低的门槛实现 AI 应用的开发与部署，为内容创作、智能问答、数据分析等场景提供更强大的能力和更高的效率。