【机器学习】Dify:AI智能体开发平台版本升级

简介: 【机器学习】Dify:AI智能体开发平台版本升级

一、引言

关于dify,之前力推过,大家可以跳转 AI智能体研发之路-工程篇(二):Dify智能体开发平台一键部署了解,今天主要以dify为例,分享一下如何进行版本升级。

二、版本升级

2.1 原方案

#首次部署:
git clone https://github.com/langgenius/dify
cd docker
docker compose up -d
 
#二次升级:
git checkout main
git pull origin main
cd docker
docker compose up -d

2.2 新方案

1、克隆项目、获取image名称和版本号

#首次部署
git clone https://github.com/langgenius/dify.git
cd docker 
#查看docker-compose.yaml中的image名称和版本号
awk '/^ *image:/ {print $2}' docker-compose.yaml | uniq

2、针对每一个image,通过--platform指定linux/amd64/v4架构,pull拉取(务必指定与服务器匹配的架构!!!否则会将旧版本的image的tag附值为None,手动回退很麻烦!!!

awk '/^ *image:/ {print $2}' docker-compose.yaml | uniq | xargs  -n 1 docker pull  --platform  linux/amd64/v4

3、查看是否拉取成功

#查看是否拉取成功
docker images

4、将所有镜像打包至amd64-dify-images-0.6.10.tar

awk '/^ *image:/ {print $2}' docker-compose.yaml | uniq | xargs  docker save -o amd64-dify-images-0.6.10.tar

5、上传至服务器,可以使用scp、rsync等

6、在服务器上将amd64-dify-images-0.6.10.tar内的所有镜像load到image库中,并查看运行情况

docker load -I amd64-dify-images-0.6.10.tar
 
docker images

7、采用docker compose up -d启动

docker compose up -d

三、总结

本文以dify为例,介绍多image镜像升级方法,希望得到您的三连支持!

目录
相关文章
|
5天前
|
Web App开发 人工智能 自然语言处理
快速搞定Dify+Chrome MCP:打造能操作网页的AI助手
用Dify+Chrome MCP,3分钟打造能“动手”操作网页的AI助手!无需编程,通过自然语言指令实现自动填表、数据抓取、网页点击等自动化任务。本地部署简单,支持搜索、登录、监控等场景,让AI成为你的7×24小时数字员工,高效处理重复性网页工作。
|
8天前
|
人工智能 编解码 自然语言处理
重磅更新!ModelScope FlowBench 支持视频生成 + 图像编辑,AI创作全面升级!
很高兴地向大家宣布,ModelScope FlowBench 客户端迎来重大功能升级! 本次更新不仅正式支持了视频节点功能,还新增了图像编辑与IC-Light智能打光等实用功能,同时对多个图像处理节点进行了深度优化和扩展。现在,您只需在 FlowBench 中轻松串联节点,即可使用 Wan2.1/Wan2.2、Qwen-Image-Edit、FLUX Kontext、IC-Light等强大模型,轻松实现创意内容的生成与编辑。 无论你是内容创作者、视觉设计师,还是AI技术爱好者,这次更新都将为你打开全新的创作边界。
192 14
|
10天前
|
人工智能 Ubuntu 前端开发
Dify部署全栈指南:AI从Ubuntu配置到HTTPS自动化的10倍秘籍
本文档介绍如何部署Dify后端服务及前端界面,涵盖系统环境要求、依赖安装、代码拉取、环境变量配置、服务启动、数据库管理及常见问题解决方案,适用于开发与生产环境部署。
182 1
|
10天前
|
人工智能 负载均衡 应用服务中间件
Dify 性能瓶颈?Higress AI 网关为它注入「高可用之魂」!
Dify 是一款开源 AI 应用开发平台,因其灵活的工作流编排和易用性受到广泛关注,但在用户规模扩大和生产落地过程中,逐渐暴露出性能瓶颈,影响系统稳定性。本文介绍如何通过 Higress AI 网关提升 Dify 应用的全链路高可用性,并提供详细操作指南。AI 网关具备多维度限流、Token 级控制、模型 Fallback、负载均衡等能力,有效保障 Dify 应用在高并发场景下的稳定运行。
105 1
|
10天前
|
Web App开发 人工智能 自然语言处理
快速掌握Dify+Chrome MCP:打造网页操控AI助手
本文教你如何快速搭建一个能操作浏览器的AI助手:通过Dify和Chrome MCP结合,只需三步配置,即可实现自动填表、数据抓取和网页操控,无需编写代码,用自然语言就能指挥AI完成各类网页任务。
|
10天前
|
Web App开发 人工智能 自然语言处理
快速搞定Dify+Chrome MCP:打造能操作网页的AI助手
本文介绍了如何通过Dify和Chrome MCP在3分钟内打造一个能操作浏览器的AI助手。结合Dify的LLM能力与Chrome MCP的浏览器控制功能,用户可用自然语言指令让AI自动填写表单、抓取数据、点击按钮,实现网页自动化操作。无需复杂编程,适合本地部署,可应用于数据监控、内容抓取等多种场景。
人工智能 安全 Ubuntu
143 0
|
19天前
|
人工智能 API 数据安全/隐私保护
私有化部署Dify构建企业AI平台教程
在AI技术快速发展的当下,如何安全高效地将AI能力融入企业内部流程成为关键。Dify作为开源LLM应用开发平台,支持私有化部署,保障数据安全与模型隐私,助力企业快速搭建智能工作流。本文详解Dify部署步骤,并以智能IT工单分类为例,展示如何构建高效AI应用,适用于金融、政务、医疗等多领域,助力企业智能化转型。
|
29天前
|
人工智能 运维 Go
Coze与Dify深度对比:AI应用开发最佳利器的选择指南
Coze与Dify两大开源AI平台各有特色:Dify采用Python一体化架构,适合快速开发部署,社区成熟;Coze基于Go微服务设计,扩展灵活但部署复杂。选择需结合团队技术栈,Python系选Dify追求效率,Go系选Coze注重定制。两者都能显著降低AI应用开发门槛。
|
29天前
|
人工智能 运维 Go
Coze与Dify全面对比:为你的AI应用开发选择最佳利器
在AI技术迅猛发展的当下,Coze与Dify作为两大热门开源AI开发平台,各具特色。本文从架构设计、技术栈、功能对比、部署运维等多个维度深入解析两者差异,助你根据团队需求和技术背景做出最优选型决策,提升开发效率与应用性能。

热门文章

最新文章