本指南通过使用WSL2（Windows Subsystem for Linux 2）与Dify构建本地化的AI应用开发平台。从环境认知、容器化部署到模型实战集成和智能体扩展，逐步完成整个过程，快速上手并部署国产大模型（阿里百炼·通义千问、DeepSeek）与低代码工作流应用。

一、平台架构

（一）WSL2 + Dify组合优点

1. 无需安装额外的Linux主机或虚拟机，直接利用Windows系统实现对Linux环境的“原生”兼容。
2. 对于经常使用Windows软件的人而言，能在熟悉的系统中快速完成开发与测试。
3. 项目可通过本地方式轻松与其他Windows工具（如IDE、Office工具）进行配合，大大提高效率。
4. WSL2提供了完整的Linux内核支持，可流畅运行Docker及相关容器化工具。
5. 在WSL2中安装Docker后，可像在纯Linux下那样运行容器，大幅简化部署流程。
6. Docker的容器化特性方便我们快速搭建、迁移和扩展AI服务，并且保障环境一致性。

（二）核心组件解析

Dify：可视化LLM应用开发平台

Dify是开源的 LLM 应用开发平台，提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等能力，轻松构建和运营生成式 AI 原生应用。

1. 提供了简洁的界面和多元化的功能模块，让开发者可以快速组合大模型与数据，创建自己的聊天助手或智能流程。
2. 内置了丰富的插件和工作流机制，可整合多种大模型与外部API。

WSL2：Windows原生Linux子系统

1. 可让Windows 10/11用户直接运行Linux二进制程序，实现近乎完整的Linux开发体验。
2. 对比WLS1具备更优的I/O性能及系统兼容性。

二、环境准备

（一）WSL2安装与配置

1. 启用适用于Linux的Windwos子系统

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

2. 启用windows虚拟机功能

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

3. Microsoft Store选择Linux分发版下载安装

（二）1Panel 运维面板安装

1. 根据1panel官网教程，在WSL2环境中使用命令行安装1Panel
2. curl -sSL https://resource.fit2cloud.com/1panel/package/quick_start.sh -o quick_start.sh && sudo bash quick_start.sh
3. 完成安装后，通过浏览器访问相应的端口（http://[WSL_IP]:8888）进入面板。
4. 在1Panel面板后台完成Docker镜像加速配置

https://docker.1panel.live
https://docker.registry.cyou
https://docker-cf.registry.cyou
https://dockercf.jsdelivr.fyi
https://docker.jsdelivr.fyi
https://dockertest.jsdelivr.fyi
https://mirror.aliyuncs.com
https://dockerproxy.com
https://mirror.baidubce.com
https://docker.m.daocloud.io

（三）Dify服务端部署

1. 从Github下载Dify仓库

git clone --depth 1 https://github.com/langgenius/dify.git

2. 使用以下命令直接部署，等待一段时间后查看是否部署成功

cd dify/docker
cp .env.example .env
docker compose up -d   如报错找不到命令则用 docker-compose up -d

3. 访问WSL-IP地址，默认80端口，根据提示完成安装，设置管理员账号后登录

三、智能体开发实战

（一）大模型API获取

1.从阿里云百炼平台获取，并测试API是否可行

#API请求测试代码

from openai import OpenAI

client = OpenAI(api_key="<your api-key>", base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")
def chain_of_thought(question):
prompt = f"""
Q: {question}
A: 先告诉我你是什么大模型，再让我们一步一步地思考这个问题。
"""
response = client.chat.completions.create(
model="deepseek-r1",
messages=[{"role": "user", "content": prompt}],
temperature=0.7,
max_tokens=500
)
return response.choices[0].message.content

result = chain_of_thought("如果一辆车在2小时内行驶了120公里，那么它的平均速度是多少公里/小时？")
print(result)

2. 从硅基流动平台获取大模型API

3. 在Dify中添加模型供应商

（二）创建DeepSeek聊天助手

1. 在Dify中点击创建空白应用，选择聊天助手，点击创建

2. 在调试与预览窗口选择所需要的模型并发布

3. 在探索栏目，使用创建的聊天助手

（三）创建基于工作流的智能体

1. 点击创建“工作流”类型智能体

2. 利用Dify提供的低代码工具，拓展形成智能体的业务逻辑链

3. 对智能体进行测试和使用

4. 通过智能体日志进行业务流程分析调试

总结

通过本指南，我们已经了解了如何基于Windows系统的WSL2环境完成Dify的搭建与部署，熟悉了1Panel与Docker Compose等容器管理工具，并成功集成了阿里百炼·千问与DeepSeek两大国产大模型。

在此基础上，我们可以根据自身业务需求，利用RAG工作流构建更加丰富多样的智能应用，实现对话助手、文档问答以及多模态探索等功能。

完。