1. 为什么要在内网折腾AI全家桶?
最近几年,AI大模型火得一塌糊涂,从写代码到写周报,从翻译文档到头脑风暴,它几乎成了我们技术人的“瑞士军刀”。但很多朋友,尤其是企业里的开发、运维同学,都面临一个头疼的问题:公司的生产环境、测试环境,甚至是核心研发网,都是严格的内网、离线环境。外网?不存在的。云服务API?想都别想。在这种“与世隔绝”的环境里,想用上最新的AI能力,感觉比登天还难。
我就在这样的环境里摸爬滚打了很久,从最初的束手无策,到后来成功把Ollama、Dify和DeepSeek这一整套AI工具链完整地搬进了CentOS 7的内网服务器。整个过程踩了不少坑,也总结出了一套非常接地气的离线部署方法论。今天,我就把自己这套“土法炼钢”的实战经验,毫无保留地分享给你。无论你是要给团队搭建一个内部的AI助手平台,还是想在内网安全地研究大模型,这篇指南都能让你少走至少80%的弯路。
简单来说,我们要做的就是在一台完全不能访问互联网的CentOS 7服务器上,搭建一个私有的、功能完整的AI应用平台。Ollama 相当于我们的“本地模型仓库”,负责管理和运行大模型;DeepSeek 是目前综合能力很强的一个开源模型系列,我们将把它作为核心的“大脑”;而 Dify 则是一个可视化的AI应用开发平台,让你不用写复杂的代码,就能通过拖拽搭建出基于这个“大脑”的各类智能应用,比如智能客服、内容生成、数据分析助手等等。
这套组合拳打下来,你就能在内网拥有一个堪比许多云端AI服务的私有化能力,而且数据完全可控,再也不必担心敏感信息外泄。下面,我们就从零开始,一步步拆解这个看似复杂的过程。
2. 战前准备:搞定所有离线安装包
在离线环境干活,最核心、也最头疼的第一步就是:把所有需要的东西,提前在有网的环境下“搬”进去。这就像你要去一个荒岛生存,得把工具、食物、水源都备齐了。我们的“生存物资”主要分三大类:Ollama本体、Docker环境、以及最关键的模型文件。
2.1 获取Ollama离线安装包
Ollama的官方团队很贴心,直接提供了编译好的Linux可执行文件包,这为我们离线安装扫清了最大的障碍。
-
找对下载地址:你需要在一台能上网的机器上(比如你自己的笔记本电脑),打开浏览器,访问 Ollama 在 GitHub 的发布页面。这个页面地址是固定的,你直接搜索“ollama releases github”就能找到。进去之后,你会看到一堆版本号,我们选择最新的稳定版就行,比如我写这篇文章时,
v0.5.7就是个不错的选择。 -
选对系统架构:这里有个关键点,你得看清楚你的CentOS 7服务器是
amd64(也就是常见的64位Intel/AMD CPU)还是arm64架构。绝大多数机房服务器都是amd64。找到对应架构的.tgz压缩包,它的名字通常类似ollama-linux-amd64.tgz。 -
下载命令:在能上网的机器上打开终端,用
wget命令把它拽下来。例如:wget https://github.com/ollama/ollama/releases/download/v0.5.7/ollama-linux-amd64.tgz下载完成后,你会得到一个大概80MB左右的
tgz文件,这个就是Ollama的“绿色版”全部家当了。
2.2 搬运Docker与Docker Compose
Dify依赖于Docker容器环境,所以我们必须把Docker也离线装好。Docker官方也提供了静态二进制包,非常适合离线部署。
-
下载Docker二进制包:同样在有网环境,访问Docker官方的GitHub发布页,搜索“docker binary release”。你需要找到对应Linux x86_64架构的
.tgz包,比如docker-27.5.1.tgz。这个包包含了dockerd守护进程和docker客户端的所有二进制文件。 -
下载Docker Compose:Docker Compose是一个独立的二进制文件。去它的GitHub发布页,下载对应Linux的版本,文件名叫
docker-compose-linux-x86_64。注意,这个文件没有扩展名,下载后直接就是一个可执行文件。 -
准备Dify的Docker镜像(关键步骤):这是离线部署Dify最核心也最繁琐的一步。Dify本身通过
docker-compose.yml文件定义了一组服务(API、前端、数据库、Redis等),每个服务都需要对应的Docker镜像。在有网环境下,你需要做以下操作:- 找一台能上网的、安装了Docker的Linux机器(可以是你的笔记本开个虚拟机)。
- 克隆Dify的代码仓库:
git clone https://github.com/langgenius/dify.git。 - 进入
dify/docker目录,这里有docker-compose.yml文件。 - 执行
docker-compose pull。这个命令会读取docker-compose.yml,把里面定义的所有服务的镜像(比如


4213

被折叠的 条评论
为什么被折叠?



