大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



Dify 系列教程 | 模块一：认识 Dify – 从零开始 | 第 3 篇 / 共 30 篇

适合读者：所有技术水平

学习目标：理解 Dify 的模型供应商体系；学会配置主流 LLM 供应商；了解模型负载均衡和配额管理

---

如果你跟着上一篇完成了 Dify 的本地部署，登录控制台后你可能会发现 – 创建应用时，模型选择框是空的。

这是因为 Dify 本身不内置任何 AI 模型，它是一个模型无关的平台。你需要告诉 Dify 去哪里调用 AI 模型、用什么凭证。这个“告诉”的过程，就是配置模型供应商。

本篇将带你完成这个关键步骤，配置完成后，Dify 才真正具备“智能”。

---

1.1 什么是模型供应商？

在 Dify 的架构中，“模型供应商”（Model Provider）是连接 Dify 平台与 AI 模型服务之间的桥梁。每个供应商代表一个模型服务提供方，可以提供一种或多种类型的模型。

Dify 的模型管理由后端 ProviderManager 统一编排，核心流程如下：

用户在设置页面填写 API Key

 │ ▼ 

ModelProviderService 接收凭证

 │ ▼ 

ProviderManager 验证凭证有效性

 │ ▼ 

加密存储到 ProviderCredential 表

 │ ▼ 

前端 ModelProvider 组件显示供应商已激活

 │ ▼ 

创建应用时可选择该供应商的模型

1.2 两种配置模式

Dify 的模型供应商支持两种配置模式（对应后端 ConfigurateMethod 枚举）：

在前端代码中，这两种模式通过 ConfigurationMethodEnum 枚举定义：

// 源码位置: web/app/components/header/account-setting/ // model-provider-page/declarations.ts export enum ConfigurationMethodEnum { predefinedModel = ‘predefined-model’, customizableModel = ‘customizable-model’, fetchFromRemote = ‘fetch-from-remote’, } 

预定义模型供应商（如 OpenAI）：配置一次 API Key，即可使用该供应商下的所有模型（GPT-4o、GPT-4、GPT-3.5-turbo 等）。

自定义模型供应商（如 Ollama）：需要逐个添加模型，指定模型名称和连接参数。

1.3 六种模型类型

Dify 将 AI 模型按功能分为六种类型，对应后端 ModelType 枚举和前端 ModelTypeEnum：

重要提示：如果你打算使用知识库功能（RAG），至少需要配置一个 LLM 和一个 Text Embedding 模型。Rerank 模型是可选的，但能显著提升检索质量。

1.4 模型状态

每个模型在 Dify 中有明确的状态标识，对应前端 ModelStatusEnum：

---

OpenAI 是最常用的模型供应商之一，我们以它为例，演示完整的配置流程。

2.1 获取 API Key

1. 访问 OpenAI 平台，登录你的账号
2. 进入 API Keys 管理页面
3. 点击「Create new secret key」
4. 为密钥命名（如 “dify-production”），点击创建
5. 立即复制保存密钥（关闭后无法再次查看）

2.2 在 Dify 中配置

1. 登录 Dify 控制台
2. 点击左上角头像 -> 设置
3. 在左侧菜单中选择 模型供应商
4. 在供应商列表中找到 OpenAI，点击进入
5. 点击 添加 API Key 按钮
6. 在弹出的表单中填写：
   • 凭证名称：给这个凭证起个名字（如“我的 OpenAI 密钥”）
   • API Key：粘贴你的 OpenAI API Key
7. 点击 保存

2.3 配置背后发生了什么？

当你点击保存时，Dify 内部执行了以下流程：

1. 前端发送 POST 请求到: /workspaces/current/model-providers/openai/credentials

1. 后端 ModelProviderService.create_provider_credential() 被调用
2. 通过 ProviderManager 调用 OpenAI 的凭证验证接口 （实际会发一个简单的 API 请求来确认 Key 是否有效）
3. 验证通过后，API Key 使用 encrypt_token() 加密
4. 加密后的凭证存入 provider_credentials 表
5. 返回成功，前端刷新供应商状态

   所有凭证在数据库中都是加密存储的，前端列表接口也不会返回解密后的密钥值，确保安全性。

   2.4 验证配置

   配置完成后，你应该能看到：

   • OpenAI 供应商卡片显示绿色状态指示器
   • 展开后可以看到所有可用模型列表：GPT-4o、GPT-4、GPT-3.5-turbo、text-embedding-3-small 等
   • 每个模型旁边有开关按钮，可以控制是否启用

   快速验证方法：

   1. 回到控制台首页，点击「创建应用」
   2. 选择「聊天助手」
   3. 在模型选择下拉框中，应该能看到 OpenAI 的模型列表
   4. 选择一个模型（如 GPT-4o），在调试面板中发送一条消息
   5. 如果收到正常回复，说明配置成功

   ---

对于国内用户，国产模型往往有更好的中文能力、更低的延迟和更便宜的价格。配置流程与 OpenAI 类似，关键区别在于获取 API Key 的平台和部分额外参数。

3.1 通义千问（Qwen）

获取凭证：登录阿里云 DashScope 控制台，在 API-KEY 管理中创建密钥。

在 Dify 中配置：

1. 模型供应商页面找到「通义千问」
2. 点击添加凭证，填写 DashScope API Key
3. 保存后可使用 qwen-max、qwen-plus、qwen-turbo 等模型
4. 通义千问同时提供 LLM 和 Text Embedding 模型

3.2 智谱 GLM（ChatGLM）

获取凭证：登录智谱 AI 开放平台，在个人中心 -> API Keys 中创建密钥。

在 Dify 中配置：

1. 模型供应商页面找到「ZHIPU AI」
2. 填写 API Key
3. 可使用 GLM-4、GLM-4-Flash 等模型

3.3 DeepSeek

获取凭证：登录 DeepSeek 开放平台，在 API Keys 页面创建密钥。

在 Dify 中配置：

1. 找到「DeepSeek」供应商
2. 填写 API Key
3. 可使用 deepseek-chat、deepseek-reasoner 等模型

3.4 文心一言（ERNIE）

获取凭证：登录百度智能云千帆大模型平台，获取 API Key 和 Secret Key。

在 Dify 中配置：

1. 找到「百度千帆」供应商
2. 需要填写 API Key 和 Secret Key 两个字段
3. 可使用 ERNIE-4.0、ERNIE-3.5 等模型

3.5 Moonshot（月之暗面 Kimi）

获取凭证：登录 Moonshot AI 开放平台，在 API Key 管理页面创建密钥。

在 Dify 中配置：

1. 找到「Moonshot AI」供应商
2. 填写 API Key
3. 可使用 moonshot-v1-8k、moonshot-v1-32k、moonshot-v1-128k 等模型

配置建议：建议至少配置 2 个以上的模型供应商，既可以在不同场景下选择最合适的模型，也能在某个供应商出现故障时快速切换。

---

如果你不想依赖第三方 API，或者有数据隐私方面的顾虑，可以在本地部署开源模型，然后通过 Ollama 接入 Dify。

4.1 什么是 Ollama？

Ollama 是一个本地运行大语言模型的工具，支持 Llama 3、Qwen 2.5、Gemma、Mistral 等热门开源模型。它提供了兼容 OpenAI 的 API 接口，可以被 Dify 直接调用。

4.2 安装 Ollama

# Linux 一键安装 curl -fsSL https://ollama.ai/install.sh | sh

# 验证安装 ollama –version

4.3 下载并运行模型

# 下载并运行 Qwen 2.5（7B 参数量，推荐中文场景） ollama run qwen2.5:7b

# 或者下载 Llama 3.1（8B 参数量） ollama run llama3.1:8b

# 查看已安装的模型 ollama list

4.4 在 Dify 中配置 Ollama

Ollama 属于自定义模型类型的供应商（ConfigurationMethodEnum.customizableModel），配置方式与预定义模型供应商不同 – 你需要逐个添加模型。

配置步骤：

1. 在模型供应商页面找到 Ollama
2. 点击 添加模型
3. 填写模型信息：
   • 模型名称：qwen2.5:7b（必须与 ollama list 中的名称完全一致）
   • 模型类型：选择 LLM
   • 服务器地址：http://host.docker.internal:11434（Docker 环境中访问宿主机的 Ollama 服务）
4. 点击保存

关键注意：如果 Dify 运行在 Docker 中，而 Ollama 运行在宿主机上，服务器地址不能填 localhost，应该填 http://host.docker.internal:11434（Docker Desktop）或宿主机的实际 IP 地址。

4.5 添加 Embedding 模型（可选）

Ollama 也可以提供 Embedding 模型，用于知识库功能：

# 下载 Embedding 模型 ollama pull nomic-embed-text 

在 Dify 中添加时，模型类型选择 Text Embedding，模型名称填 nomic-embed-text。

---

当你的 AI 应用流量较大时，单个 API Key 可能会遇到速率限制。Dify 提供了模型级别的负载均衡功能，允许你为同一个模型配置多个凭证，自动轮转分担压力。

5.1 负载均衡的工作原理

用户请求

│ ▼ 

Dify 选择模型

│ ▼ 

LBModelManager 检查负载均衡配置

│ ├─ Key A (正常) ──→ 发送请求 ✓ │ ├─ Key B (冷却中, TTL=45s) ──→ 跳过 │ └─ Key C (正常) ──→ 下次轮转使用 

核心逻辑：

• 轮转策略：Round-Robin 依次使用各凭证
• 冷却机制：当某个 Key 触发限流时，自动进入 60 秒冷却期
• 状态追踪：通过 Redis 记录冷却状态（键格式：model_lb_index:cooldown:{tenant_id}:{provider}:{model_type}:{model}:{config_id}）

5.2 配置负载均衡

1. 在模型供应商页面，找到已配置的供应商
2. 展开模型列表，找到目标模型
3. 点击模型旁边的 配置 按钮
4. 在弹出的模态框中启用 负载均衡 开关
5. 添加多个 API Key 凭证（至少 2 个）
6. 每个凭证可以独立启用/禁用
7. 保存配置

配置完成后，模型旁边会显示负载均衡图标，表示该模型已启用多凭证轮转。

5.3 负载均衡**实践

• 数量建议：同一模型建议配置 3-5 个 API Key，既能分散限流风险，又便于管理
• 监控冷却：如果频繁看到凭证进入冷却状态，说明整体流量已经接近限额，需要增加 Key 或优化调用频率
• 混合使用：可以混合使用不同账号甚至不同组织的 API Key
• 命名规范：为每个凭证起有意义的名称（如“团队账号-A”、“团队账号-B”），方便排查问题

---

配置好供应商后，建议为每种模型类型设置默认值，这样创建新应用时会自动选用。

设置路径：设置 -> 模型供应商 -> 页面顶部的「系统模型设置」

建议配置：

---

任务 1：配置你的主力模型供应商

根据你的实际情况，选择以下方案之一完成配置：

方案 A – 使用 OpenAI：

1. 获取 OpenAI API Key
2. 在 Dify 中添加 OpenAI 凭证
3. 验证 GPT-4o 和 text-embedding-3-small 可用

方案 B – 使用国产模型：

1. 获取通义千问或 DeepSeek 的 API Key
2. 在 Dify 中添加对应供应商凭证
3. 验证 LLM 和 Embedding 模型可用

方案 C – 使用本地模型（Ollama）：

1. 安装 Ollama 并下载 qwen2.5:7b 模型
2. 在 Dify 中配置 Ollama 自定义模型
3. 验证模型可用

任务 2：配置验证清单

完成配置后，逐项确认：

任务 3（进阶）：配置负载均衡

如果你有多个 API Key：

1. 为同一个模型（如 GPT-4o）添加 2 个以上凭证
2. 启用负载均衡
3. 连续发送多条消息，观察是否正常轮转

---

本篇我们完成了 Dify 最关键的配置环节 – 模型供应商：

• 供应商体系：Dify 通过插件化架构支持 100+ 模型供应商，分为预定义模型和自定义模型两种配置模式
• 六种模型类型：LLM、Text Embedding、Rerank、Speech2Text、TTS、Moderation，各有不同用途
• 配置流程：获取 API Key -> 在设置页面添加凭证 -> Dify 自动验证并加密存储
• 本地模型：通过 Ollama 可以零成本使用开源模型，完全本地化运行
• 负载均衡：多 API Key 轮转 + 自动冷却，应对高流量场景

下一篇预告：模型已经配好了，接下来我们要正式上手了！下一篇《5 分钟创建你的第一个 AI 聊天助手》将带你创建一个真正可用的 AI 应用，深入理解 Prompt 编排和模型参数调优。

---

你选择了哪个模型供应商？配置过程中遇到了什么问题？国产模型和 OpenAI 在你的场景下表现如何？欢迎在评论区分享你的体验！

---

本文基于 Dify v1.13.3 源码编写，代码引用来自 api/services/model_provider_service.py、api/core/entities/provider_configuration.py、web/app/components/header/account-setting/model-provider-page/declarations.ts 等文件。如有更新请以官方文档为准。

系列导航：第 1 篇：Dify 是什么？ | 第 2 篇：Dify 本地部署 | 本篇：配置模型供应商 | 下一篇：创建你的第一个 AI 聊天助手