关键配置：cpu需支持avx指令集（如i5-6xxx/ryzen 2000），内存≥16gb，ssd≥50gb，系统推荐ubuntu 20.04+；docker≥20.10、compose≥v2.23；ollama挂载数据目录，dify中ollama_base_url按平台填host.docker.internal或172.17.0.1。
直接上关键配置，不绕弯。
硬件和系统基础要稳
- CPU：必须支持 AVX 指令集（Intel i5-6xxx / AMD Ryzen 2000 起基本都满足），运行前执行
grep avx /proc/cpuinfo确认 - 内存：开发用 7B 模型建议留足 8GB 空闲，整套 Dify+Ollama 建议总内存 ≥16GB
- 存储：SSD 至少预留 50GB，模型文件（如 qwen2.5:7b、deepseek-coder）单个就占 4–6GB
- 系统：Linux（Ubuntu 20.04+）原生 Docker 性能最好；Windows/macOS 必须启用 WSL2 或 Docker Desktop，并确认已开启 GPU 支持（如需）
Docker 和配套工具装准
- Docker Engine ≥20.10，Docker Compose ≥v2.23
- GPU 加速必装 NVIDIA Container Toolkit（不是只装驱动），装完执行：
sudo systemctl restart docker docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi -L
能列出 GPU 设备才算真正可用
- 配置国内镜像源（避免拉镜像卡死）：编辑
/etc/docker/daemon.json，加入：{ "registry-mirrors": ["https://docker.1ms.run", "https://mirror.baidubce.com"] }然后
sudo systemctl daemon-reload && sudo systemctl restart docker
容器启动时关键参数不能少
- 共享内存不足会导致 DataLoader 卡顿或崩溃：加
--shm-size=8g - PyTorch 多进程 mmap 报错常见于锁页内存限制：加
--ulimit memlock=-1:-1 - 防止 OOM Killer 杀进程：明确设
--memory=16g --memory-reservation=12g - GPU 容器必须带
--gpus all（或指定--gpus device=0）
模型服务与应用协同要点
- Ollama 容器务必挂载数据目录（如
-v /home/docker/ollama:/root/.ollama），否则模型一重启就丢 - Dify 若连本地 Ollama，
.env中OLLAMA_BASE_URL要填http://host.docker.internal:11434（macOS/Windows）或http://172.17.0.1:11434（Linux） - OpenCode 或 vLLM 后端对接时，确保 API 地址指向容器内可解析的网络（推荐用
docker network create自建 bridge 网络，服务间用容器名互通）
不复杂但容易忽略
