【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
|
6月前
|
云安全 人工智能 安全
Dify平台集成阿里云AI安全护栏,构建AI Runtime安全防线
阿里云 AI 安全护栏加入Dify平台,打造可信赖的 AI
3598 166
|
6月前
|
人工智能 安全 API
20 万奖金池就位!Higress AI 网关开发挑战赛参赛指南
本次赛事共设三大赛题方向,参赛者可以任选一个方向参赛。本文是对每个赛题方向的参赛指南。
588 56
|
6月前
|
人工智能 运维 安全
加速智能体开发:从 Serverless 运行时到 Serverless AI 运行时
在云计算与人工智能深度融合的背景下,Serverless 技术作为云原生架构的集大成者,正加速向 AI 原生架构演进。阿里云函数计算(FC)率先提出并实践“Serverless AI 运行时”概念,通过技术创新与生态联动,为智能体(Agent)开发提供高效、安全、低成本的基础设施支持。本文从技术演进路径、核心能力及未来展望三方面解析 Serverless AI 的突破性价值。
|
6月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
7296 97
|
人工智能 自然语言处理 前端开发
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
淘宝推荐信息流业务,常年被“需求多、技术栈杂、协作慢”困扰,需求上线周期动辄一周。WaterFlow——一套 AI 驱动的端到端开发新实践,让部分需求两天内上线,甚至产品经理也能“自产自销”需求。短短数月,已落地 30+ 需求、自动生成 5.4 万行代码,大幅提升研发效率。接下来,我们将揭秘它是如何落地并改变协作模式的。
1014 37
产品经理也能“开发”需求?淘宝信息流从需求到上线的AI端到端实践
|
6月前
|
人工智能 IDE 开发工具
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
从6人日到1人日:一次AI驱动的客户端需求开发实战
|
6月前
|
人工智能 供应链 搜索推荐
拔俗AI 智能就业咨询服务平台:求职者的导航,企业的招聘滤网
AI智能就业平台破解求职招聘困局:精准匹配求职者、企业与高校,打破信息壁垒。简历诊断、岗位推荐、技能提升一站式服务,让就业更高效。
327 0
|
6月前
|
机器学习/深度学习 数据采集 人工智能
【机器学习算法篇】K-近邻算法
K近邻(KNN)是一种基于“物以类聚”思想的监督学习算法,通过计算样本间距离,选取最近K个邻居投票决定类别。支持多种距离度量,如欧式、曼哈顿、余弦相似度等,适用于分类与回归任务。结合Scikit-learn可高效实现,需合理选择K值并进行数据预处理,常用于鸢尾花分类等经典案例。(238字)
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1617 6
|
11月前
|
机器学习/深度学习 数据采集 人工智能
20分钟掌握机器学习算法指南
在短短20分钟内,从零开始理解主流机器学习算法的工作原理,掌握算法选择策略,并建立对神经网络的直观认识。本文用通俗易懂的语言和生动的比喻,帮助你告别算法选择的困惑,轻松踏入AI的大门。
791 8

热门文章

最新文章

下一篇
开通oss服务