Windows本地Docker部署Dify+Milvus向量库完整教程（RAG本地搭建全流程）

前言

本文手把手教你在Windows系统通过Docker一站式部署Dify低代码AI平台 + Milvus开源向量数据库，包含WSL2环境配置、Docker镜像加速、Dify本地部署、通义千问模型接入、Milvus向量库安装可视化管理全流程，适合新手搭建本地RAG知识库、AI对话机器人。

一、安装Docker Desktop（Windows WSL2环境）

1. 下载Docker Desktop

官方下载地址：https://www.docker.com/products/docker-desktop/
Windows AMD64架构选择 Download for Windows - AMD64 下载安装包，安装全程默认下一步即可。

2. PowerShell开启WSL2与虚拟机平台（管理员权限）

1. 快捷键 Win + X，选择Windows终端(管理员) / PowerShell管理员
2. 依次执行两条系统功能开启命令：

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

3. 执行重启命令生效：

shutdown /r /t 0

3. 设置WSL2为默认版本

重启电脑后再次打开管理员终端，执行：

wsl --set-default-version 2

报错提示虚拟机平台未启用：检查是否完成重启、BIOS内开启CPU虚拟化（VT-x/AMD-V）

4. 环境前置要求

1. BIOS开启CPU虚拟化技术
2. Windows10 ≥ 2004（19041）/ Windows11 系统，旧版不支持完整WSL2

二、Docker部署Dify AI平台（本地私有AI工作流）

1. 下载Dify源码

GitHub仓库地址：https://github.com/langgenius/dify.git
点击仓库 Code → Download ZIP 下载源码压缩包

解压文件到磁盘，推荐路径：D:\dify\docker，后续命令均基于该目录操作。

2. Docker配置国内镜像加速（解决拉取镜像慢）

1. 打开Docker Desktop → 左侧 Settings → Docker Engine
   
   

2. 替换完整JSON配置（整合网易、清华、阿里云、腾讯云等国内镜像源）：

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "registry-mirrors": [
    "http://hub-mirror.c.163.com",
    "https://mirrors.tuna.tsinghua.edu.cn",
    "http://mirrors.sohu.com",
    "https://ustc-edu-cn.mirror.aliyuncs.com",
    "https://ccr.ccs.tencentyun.com",
    "https://docker.m.daocloud.io",
    "https://docker.awsl9527.cn"
  ]
}

3. 点击底部 Apply & Restart 重启Docker生效

3. Docker Compose一键启动Dify

进入dify官方文档：
https://docs.dify.ai/zh/self-host/quick-start/docker-compose

打开CMD/PowerShell，切换到dify的docker目录：

cd D:\dify\docker
# 复制环境配置文件
cp .env.example .env
# 后台启动全部容器
docker compose up -d

等待镜像拉取完成，执行命令查看容器运行状态：

docker compose ps

所有容器状态为Up即部署成功，浏览器访问：http://localhost/install，注册管理员账号即可进入Dify后台。

4. Dify创建Chatflow多轮对话应用

1. 首页点击创建空白应用
   

2. 应用类型选择 Chatflow（支持记忆多轮对话），填写应用名称创建
   

3. 配置大模型供应商（通义千问免费额度推荐）

   • 右上角头像 → 设置 → 模型供应商
     

   • 找到「通义」，前往阿里云百炼申请API Key：https://bailian.console.aliyun.com/
     

   • 复制API密钥，在Dify通义配置页填入保存，启用qwen3.6-plus等模型
     
     

4. 编排对话工作流
   进入LLM节点，选择已配置的通义模型，在SYSTEM提示词框填写AI人设、规则；
   

5. 测试对话：点击顶部「预览」，即可和自定义AI机器人对话。
   

5. 拓展：对接前端网页展示

部署完成后可通过Dify开放API，对接自有网站前端，实现网页内嵌AI对话窗口，后续我会讲解前后端联调方案。

三、Docker部署Milvus向量数据库（RAG知识库核心）

Milvus是高性能开源向量数据库，用于存储文档Embedding向量，实现知识库相似检索，搭配Dify完成本地RAG方案。

1. 一键脚本安装Milvus Standalone（V3.0.X）

打开PowerShell执行官方一键部署脚本：
1.在管理员模式下右击并选择以管理员身份运行，打开 Docker Desktop。
2.下载安装脚本并将其保存为standalone.bat

# 下载启动脚本
Invoke-WebRequest https://raw.githubusercontent.com/milvus-io/milvus/refs/heads/master/scripts/standalone_embed.bat -OutFile standalone.bat
# 运行下载的脚本，将 Milvus 作为 Docker 容器启动
standalone.bat start

官方文档参考：https://milvus.io/docs/zh/install_standalone-windows.md

2. 验证Milvus服务

浏览器访问WebUI地址：http://127.0.0.1:9091/webui/
页面如下代表服务正常运行。

3. Attu可视化管理Milvus（图形化操作向量库）

Attu是Milvus官方可视化工具，版本需和Milvus匹配（v3.0.x对应Attu v3.0.0-beta）

1. 下载地址：https://github.com/zilliztech/attu/releases
   

2. 安装打开Attu，连接参数：

   • Milvus地址：127.0.0.1:19530
   • 默认数据库：default
   • 无账号密码直接连接
     

3. 功能：可视化创建向量集合、导入文档向量、相似度检索、管理向量数据，是RAG开发必备工具。
   

四、整体架构总结

1. Docker提供容器环境，WSL2支撑Linux底层运行；
2. Dify：低代码编排AI对话、工作流、接入各大LLM大模型；
3. Milvus：向量存储引擎，承载RAG知识库文本向量，实现文档检索问答；
   整套方案完全本地私有化部署，无第三方云端依赖，可用于企业私有知识库、客服机器人、本地AI助手开发。

常见踩坑问题汇总

1. Docker拉取镜像超时：务必配置国内镜像源，重启Docker；
2. WSL命令报错：确认BIOS开启虚拟化、Windows版本达标、执行重启；
3. Milvus脚本下载失败：切换科学网络/手动下载脚本本地执行；
4. Dify模型调用失败：检查阿里云API Key权限、额度是否耗尽；
5. Attu连接不上Milvus：确认Milvus容器正常运行，端口19530未被占用，或Attu的版本对应不上Milvus版本。

后续拓展方向

1. Dify对接Milvus实现本地私有RAG知识库上传、文档问答；
2. Dify API封装，前后端开发网页内嵌AI对话窗口；
3. Ollama本地离线大模型接入Dify，完全离线私有化AI方案。

---

后续，我会用项目详细讲解dify和milvus搭配AI的用法