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
- 安装必要依赖
apt update apt install -y ca-certificates curl gnupg lsb-release
添加阿里云 Docker GPG 密钥
sudo mkdir -p /etc/apt/keyrings curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | gpg --dearmor -o /etc/apt/keyrings/docker.gpg
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
- 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
- 验证安装
docker -v docker compose version
二、拉取并部署Dify
- 安装SSH服务
apt update apt install openssh-server -y
- 查看SSH运行状态（成功）
systemctl status ssh
- 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
- 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.y> ml 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 → 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、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：
- 环境配置与依赖安装：快速完成 Docker 安装和网络优化。
- Dify 平台部署：轻松搭建可视化智能应用平台。
- 蓝耘 MaaS 平台 API 接入：与 OpenAI 兼容，实现高性能模型调用。
- AI 应用构建与Markdown格式化：自动化文章生成与格式化。
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。
