超详细喂饭版！linux/openeuler部署Qwen3-32B等大模型华为昇腾Arm架构服务器anaconda+modelscope+mindie+docker等+openwebui可视化前端界面

优质文章学习记录

08 Apr 2026 — 22 min read

1. 基础环境配置

1.1 anaconda安装

系统：openeuler22.03（CentOs）

架构：arrch64

anaconda对应安装资源包下载地址：

Index of /archivehttps://repo.anaconda.com/archive/

下载好后cd到安装包路径，使用安装指令如下：

bash Anaconda3-2025.06-1-Linux-aarch64.sh

按照提示接受协议，并选择安装目录。安装完成后，更新环境变量：

source ~/.bashrc

1.2 anconda中创建虚拟环境

这部分同windows下的anconda env设置相同。

对于Qwen3模型的下载，配置modelscope环境，代码如下：

#创建新环境，环境名为modelscope conda create -n modelscope python=3.9#这里必须使用python3.9及以上版本，否则在后续下载编译modelscope或者qwen3模型时，会提示no moudle named zoneinfo，因为只有3.9以上的该模型才被假如系统模型库 #激活环境 conda activate modelscope

安装modelscope

pip install modelscope -i https://mirrors.aliyun.com/pypi/simple/ #使用阿里镜像源，下载更快

2. 下载模型库和模型权重

2.1 下载模型权重

如需下载完整模型库： modelscope download --model Qwen/Qwen3-32B （只需要下载部分文件：modelscope download --model Qwen/Qwen3-32B README.md --local_dir ./dir #例如下载readme到本地dir文件夹）

*这种方法会把权重默认下载在路径~/.cache/modelscope/下，但是很有可能占用系统盘，影响系统使用，因此把权重下载到指定硬盘，步骤如下。

（1）搜索系统所有硬盘

lsblk -o NAME,SIZE,MOUNTPOINT

输出如下，分别代表了硬盘名字，内存和地址：

NAME SIZE MOUNTPOINT sda 200G ├─sda1 50G / ├─sda2 150G /data sdb 500G /mnt/disk1 sdc 1T /mnt/disk2

（2）把模型权重下载到指定的sdc盘中的models文件夹中（自己新建一个文件夹命名models，需要定位到指定文件夹路径，不要直接下到盘的路径，否则可能还是无法下载到指定盘中！），--local_dir后接本地需要下载到的文件夹路径位置；或者直接cd到需要下载位置的路径下在进行下载也可以！

modelscope download --model Qwen/Qwen3-32B --local_dir /mnt/disk2/models

下载完成后，模型权重会放在/mnt/disk2/models/Qwen/Qwen3-32B/路径下

*删除之前默认下载地址的模型权重，以防占用系统内存：

全盘搜索Qwen3-32B的储存路径：

# 搜索包含 Qwen3-32B 的目录 sudo find / -type d -name "Qwen3-32B" 2>/dev/null

会输出包含该模型名字的目录路径，假如为/root/dir

删除该路径的模型权重

# 确认路径后再删除 rm -rf /root/dir

2.2 下载华为适配的加速推理引擎MindIE

下载模型适配的推理引擎MindIE，在terminal中输入以下命令行（魔乐社区镜像下载），即开始下载适配本模型Qwen3-32B的镜像包mindie:2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64.tar.gz（也可以进入华为社区下载，MindIE 系列昇腾计算 2.0.T17 软件补丁下载）

wget https://modelers.cn/coderepo/web/v1/file/xieyuxiang/mindie_2.0.RC1_image/main/media/2.0.RC1-800I-A2-py311-openeuler24.03-lts.tar.gz

*！！注意：后续部署大模型时发现上述版本的mindie太老了！！服务挂不起来！！会一直报如下问题！！二更：一般提示如下问题且不报其他错误，log日志中也不提示其他问题报错记录的话，一般都是mindle镜像的原因！！报错后重新在docker中pull下镜像地址即可！

LLMInferEngine failed to init LLMInferModels Killed

因此需要下载新版本的mindie安装包后，后续即可正常使用！！

mindie镜像下载最新地址：

https://www.hiascend.com/developer/ascendhub/detail/af85b724a7e5469ebd7ea13c3439d48f

选择所需镜像，点击“立即下载”（1.0.0及以后版本支持DeepSeekR1蒸馏模型）：

立即下载后，会弹出：

我们使用的华为服务器是基于arm架构，因此用以下命令下载即可

docker pull --platform=arm64 swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:2.1.RC2-800I-A2-py311-openeuler24.03-lts

3. docker镜像加载

3.1 配置docker环境

环境：华为arm架构服务器

版本：openeuler22.03

先禁用/移除导致失败的第三方 repo（之前添加过 docker-ce 的镜像仓库），避免影响其他相关下载和更新，如果之前没有配置好DNS直接用repo不禁用的话，后续重新配置docker也可能会有各种报错！！因此优先推荐先禁用！

# 禁用 docker-ce 的 repo（通常是 docker-ce-stable） sudo dnf config-manager --set-disabled docker-ce-stable || true # 或者直接删除 repo 文件（如果你知道文件在哪里，例如 /etc/yum.repos.d/docker-ce.repo） sudo rm -f /etc/yum.repos.d/docker-ce* || true

（1）更新下相关的dnf 下载包

sudo dnf update -y # 更新系统的软件包

*搜索是否dnf中有所需要的安装包/命令 dnf search yum-utils #yum-utils是包的名字，可替换为其他

（2）确认目前系统版本

cat /etc/openEuler-release

若输出类似openEuler release 22.03 LTS的信息，则符合安装条件。

（3）卸载旧版本docker，避免版本冲突

yum remove -y docker docker-client docker-client-latest docker-common docker-latest docker-latest-logrotate docker-logrotate docker-engine

（4）配置DNS，保证网络和下载

编辑DNS配置文件：

vi /etc/resolv.conf

按i进入编辑模式，添加以下DNS服务器地址：

nameserver 114.114.114.114 # 国内通用DNS nameserver 8.8.8.8 # 谷歌公共DNS

按Esc退出编辑，输入:wq保存并退出

测试网络连接：

ping www.baidu.com # 出现回显信息说明网络正常

*注意：/etc/resolv.conf可能被 NetworkManager 自动覆盖，若后续网络异常，可通过网卡配置文件永久设置 DNS，步骤如下：

*编辑网卡文件（如/etc/sysconfig/network-scripts/ifcfg-eth0），添加：

DNS1=114.114.114.114 DNS2=8.8.8.8 保存后重启网络：systemctl restart network

（5）配置docker仓库repo

新建并编辑docker仓库repo配置文件

vi /etc/yum.repos.d/docker-ce.repo

添加以下内容，这里使用华为云镜像源加速：

[docker-ce-stable] name=Docker CE Stable - $basearch baseurl=https://repo.huaweicloud.com/docker-ce/linux/centos/7/$basearch/stable enabled=1 gpgcheck=1 gpgkey=https://repo.huaweicloud.com/docker-ce/linux/centos/gpg

输入:wq保存退出

（6）安装docker组件

更新yum缓存

yum makecache # 生成元数据缓存，加快后续安装速度

安装docker核心组件

yum install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

❗ 常见问题：若安装时提示container-selinux依赖缺失，先执行以下命令安装依赖：

yum install -y container-selinux

（7）启动docker并验证状态

系统中设置开机自启：

systemctl enable docker # 避免系统重启后Docker需要手动启动

系统中启动 Docker

systemctl start docker

验证安装版本：

docker --version # 输出类似Docker version 24.0.7, build xxx的信息即正常

查看运行状态:

systemctl status docker # 显示active (running)说明服务正常运行

*注意：systemctl设置好docker之后千万千万不要再随意动systemctl命令了！！比如systemctl stop docker之类的！！强制stop后可能引发系统问题无法直接通过systemctl restart docker！！设置好之后就基本不要再用systemctl指令操作docker了！血的教训！！

错误描述：

本来想停正在运行qwen3的docker的，手贱错误输入了systemctl stop docker，然后悲剧来了，无论是sudo systemctl restart docker/sudo systemctl start docker都不可以，system status docker一直显示failed。。。

解决方案：临时清空 Docker 配置文件

有时 Docker 的配置文件 /etc/docker/daemon.json 中的错误配置会导致启动失败。可以将该配置文件恢复到默认值（空配置），然后尝试重新启动 Docker。命令如下：

sudo echo '{}' > /etc/docker/daemon.json

然后重启docker成功：

sudo systemctl restart docker

如果配置文件中有语法错误或不兼容的设置，清空配置文件并重启应该能够解决问题。

(8) docker镜像加速优化

创建 Docker 配置文件：

vi /etc/docker/daemon.json

添加更多镜像源地址：

{ "registry-mirrors": [ "https://hub-mirror.c.163.com", # 网易镜像 "https://mirror.baidubce.com", # 百度镜像 "https://ccr.ccs.tencentyun.com", # 腾讯云镜像 "https://docker.1panelproxy.com", "https://5e96702d4787418295070cded678a7b6.mirror.swr.myhuaweicloud.com", "https://docker.m.daocloud.io", "https://docker.imgdb.de", "https://docker.wanpeng.life", "https://docker.1panel.live", "https://hk11.606166.xyz", "https://docker.1ms.run", "https://docker.domys.cc", "https://docker-0.unsee.tech", "https://docker.hlmirror.com", "https://cjie.eu.org", "https://hub.rat.dev", "https://docker.rainbond.cc" ] }

重启docker使配置生效：

systemctl daemon-reload systemctl restart docker

（9）docker相关的启动/查询/删除等

查看所有已经配置好的docker(包括运行和停止状态)：

docker ps -a #一定要加-a，不加-a则只能输出在运行状态的docker，无法输出已停止状态的

停止某正在运行的docker：

docker stop qwen3-32b #qwen3-32b是docker name

删除某docker：

#方法一：先停止运行后删除 docker stop qwen3-32b #先停止该docker docker rm qwen3-32b #删除docker #方法二：强制删除（无论是否运行） docker rm -f qwen3-32b

stop docker后，如需运行docker，需要重新启动后才可以继续使用docker exec -it contain_name bash进入容器：：

docker start qwen3-32b

3.2 启动容器

首先查询docker中的mindie镜像：

docker images

输出如下：

红框中圈出的是新版本的mindie镜像，在下面的docker启动中需要用到。

启动docker：

docker run -it -d --shm-size 200g --net=host --name qwen3-32b \ #--shm-size表示共享内存大小 --name后面填写容器名 --privileged \ --device=/dev/davinci_manager \ #固定参数，用于访问华为固定设备，达芬奇芯片管理器 --device=/dev/hisi_hdc \ #固定参数，用于访问华为固定设备，海思芯片控制器 --device=/dev/devmm_svm \ #固定参数，用于访问固定设备，内存管理和虚拟机 --device=/dev/davinci0 \ #表示访问调用几个npu芯片，davinci0，davinci1....想调用几个npu芯片就可以设置几个，可以在系统中使用npu-smi info查看系统的npu情况 --device=/dev/davinci1 \ --device=/dev/davinci2 \ --device=/dev/davinci3 \ --device=/dev/davinci4 \ --device=/dev/davinci5 \ --device=/dev/davinci6 \ --device=/dev/davinci7 \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \#固定参数，与 Ascend 相关的驱动文件夹，：前是主机地址，；后是容器中的地址（可自定义） -v /usr/local/sbin:/usr/local/sbin \#固定参数，系统的管理工具和二进制文件。：前是主机地址，；后是容器中的地址（可自定义） -v /path/to/model:/path/to/model/in/container \ #:前是主机中实际下载放置的模型路径，：后是要映射到容器中的路径（自定义），例如 -v /run/media/root/2c929422-a9a8-4a9f-a594-bbe16904232d/Qwen3:/data/Qwen3将主机中的模型映射到docker中的/data/Qwen3路径下 a4708118cd12 /bin/bash #a4708118cd12：对应mindie版本在docker image中的image id（也可以用TAG，都是同一个定位），最后用/bin/bash进行命令执行

修改权限：

chown -R root:root /path-to-weights #path-to-weights替换为主机的模型权重路径；如果是非root账户安装，则将root：root改为1000：1000 chmod -R 750 /path-to-weights #path-to-weights替换为主机的模型权重路径

--user：如果您的环境中 HDK 是通过普通用户安装（如默认的 HwHiAiUser），请设置对应的用户组，例如用户组 ID 为 1001，则使用 --user mindieuser:1001；镜像中默认使用的是用户组 1000。
设置容器名称 --name 与镜像名称，例如 800I A2 服务器使用 mindie:2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64。

3.3 进入容器：

docker exec -it qwen3-32b bash #qwen3-32b是上一步设置的容器名称

打开配置文件：

vim /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json

按i进入编辑模式，修改下图红框部分内容。

需要修改的参数意义：
ipAddress   “XX.XX.XX.XX”   主机IP
port   XXXX   端口号，自定义。不要使用ss -tuln中正在使用监听的端口
httpsEnabled   false   关闭HTTPS通信
npuDeviceIds   [[0,1,2,3...]]   NPU编号，与容器设置保持一致，想要调哪几张npu跑就写入其编号worldSize 4 NPU数量，由npuDeviceIds决定
modelName   “qwen3-32b” 模型名称，自定义。调用模型时即使用此名称
modelWeightPath   “/path/to/model/in/container”   容器内模型映射路径，与docker run设置保持一致

maxSeqLen   XXXX   输入和输出的最大总长度，需大于等于maxInputTokenLen和maxIterTimes的和
maxInputTokenLen   XXXX   输入部分的最大token数量，必须小于maxSeqLen，如果输入被截断，可能需要增加这个参数的值
maxPrefillBatchSize   XXXX   预填充阶段一个batch中的请求个数上限，范围在[1,maxBatchSize]之间，建议设置为maxBatchSize的一半
maxPrefillTokens   XXXX   预填充阶段一个batch中包含的Input token总数的上限，设置为与maxInputTokenLen相同
maxBatchSize   XXXX   解码阶段的最大batch size，影响并发能力，取值范围[1,5000]
maxIterTimes   XXXX   最大迭代次数，即输出的最大token数，必须小于maxSeqLen

查看ip地址：

# 查看所有网卡信息 ip addr show #或者，简略版查询 ip a

查看port端口占用情况：

ss -tuln #或者 ss -tulnp

下面是一个实际例子：

{ "Version" : "1.0.0", "ServerConfig" : { "ipAddress" : "172.16.23.55", "managementIpAddress" : "127.0.0.2", "port" : 1025, "managementPort" : 1026, "metricsPort" : 1027, "allowAllZeroIpListening" : false, "maxLinkNum" : 1000, "httpsEnabled" : false, "fullTextEnabled" : false, "tlsCaPath" : "security/ca/", "tlsCaFile" : ["ca.pem"], "tlsCert" : "security/certs/server.pem", "tlsPk" : "security/keys/server.key.pem", "tlsPkPwd" : "security/pass/key_pwd.txt", "tlsCrlPath" : "security/certs/", "tlsCrlFiles" : ["server_crl.pem"], "managementTlsCaFile" : ["management_ca.pem"], "managementTlsCert" : "security/certs/management/server.pem", "managementTlsPk" : "security/keys/management/server.key.pem", "managementTlsPkPwd" : "security/pass/management/key_pwd.txt", "managementTlsCrlPath" : "security/management/certs/", "managementTlsCrlFiles" : ["server_crl.pem"], "kmcKsfMaster" : "tools/pmt/master/ksfa", "kmcKsfStandby" : "tools/pmt/standby/ksfb", "inferMode" : "standard", "interCommTLSEnabled" : true, "interCommPort" : 1121, "interCommTlsCaPath" : "security/grpc/ca/", "interCommTlsCaFiles" : ["ca.pem"], "interCommTlsCert" : "security/grpc/certs/server.pem", "interCommPk" : "security/grpc/keys/server.key.pem", "interCommPkPwd" : "security/grpc/pass/key_pwd.txt", "interCommTlsCrlPath" : "security/grpc/certs/", "interCommTlsCrlFiles" : ["server_crl.pem"], "openAiSupport" : "vllm", "tokenTimeout" : 600, "e2eTimeout" : 600, "distDPServerEnabled":false }, "BackendConfig" : { "backendName" : "mindieservice_llm_engine", "modelInstanceNumber" : 1, "npuDeviceIds" : [[0,1,2,3]], "tokenizerProcessNumber" : 8, "multiNodesInferEnabled" : false, "multiNodesInferPort" : 1120, "interNodeTLSEnabled" : true, "interNodeTlsCaPath" : "security/grpc/ca/", "interNodeTlsCaFiles" : ["ca.pem"], "interNodeTlsCert" : "security/grpc/certs/server.pem", "interNodeTlsPk" : "security/grpc/keys/server.key.pem", "interNodeTlsPkPwd" : "security/grpc/pass/mindie_server_key_pwd.txt", "interNodeTlsCrlPath" : "security/grpc/certs/", "interNodeTlsCrlFiles" : ["server_crl.pem"], "interNodeKmcKsfMaster" : "tools/pmt/master/ksfa", "interNodeKmcKsfStandby" : "tools/pmt/standby/ksfb", "ModelDeployConfig" : { "maxSeqLen" : 25600, "maxInputTokenLen" : 20480, "truncation" : false, "ModelConfig" : [ { "modelInstanceType" : "Standard", "modelName" : "qwen3_32b", "modelWeightPath" : "/data/Qwen3", "worldSize" : 4, "cpuMemSize" : 5, "npuMemSize" : -1, "backendType" : "atb", "trustRemoteCode" : false } ] }, "ScheduleConfig" : { "templateType" : "Standard", "templateName" : "Standard_LLM", "cacheBlockSize" : 128, "maxPrefillBatchSize" : 50, "maxPrefillTokens" : 25600, "prefillTimeMsPerReq" : 150, "prefillPolicyType" : 0, "decodeTimeMsPerReq" : 50, "decodePolicyType" : 0, "maxBatchSize" : 200, "maxIterTimes" : 10240, "maxPreemptCount" : 0, "supportSelectBatch" : false, "maxQueueDelayMicroseconds" : 5000 } } }

3.4 检查资源可用性（可省略）

这部分内容参考网址，主要防止一些报错：

ascend-docker-image: 提供Ascend相关的Dockerfile示例，展示如何创建docker镜像。 - Gitee.com

(1) 检查HDK

(2) 检查torch

(3) 检查mindle组件

3.5 服务化推理-模型测试

拉起服务化，启动模型

cd /usr/local/Ascend/mindie/latest/mindie-service/bin ./mindieservice_daemon

新建测试窗口（OpenAI接口）

curl -X POST 172.16.23.55:1060/v1/chat/completions \#POST后接172.16.23.55是ip address，1060是json中设置的port端口号，后面v1...等是相关模型服务 -d '{ "messages": [ {"role": "system", "content": "you are a helpful assistant."}, {"role": "user", "content": "帮我写一个上海富婆爱上我的故事"} ], "max_tokens": 256, "stream": false, "do_sample": true, "temperature": 0.6, "top_p": 0.95, "top_k": 20, "model": "qwen3-32b" }'# -d后'{}'输入测试内容即可，其他的都是模型可调参数

输出如下，即部署成功：

3.5 可视化交互前端界面

（1）使用Dify工具包

简介：Dify 是一款开源的大语言模型（LLM）应用开发平台，通过 ‌低代码/无代码‌ 的模块化设计降低生成式 AI 应用的开发门槛，支持集成 OpenAI、Claude3 等主流模型及自托管模型（如 Ollama）‌。其核心功能包括 ‌后端即服务（BaaS）‌、‌可视化 Prompt 编排‌ 和 ‌LLMOps 工具链‌，可灵活构建智能客服、文本生成等场景‌。平台内置 ‌RAG 引擎‌ 实现知识库检索增强生成，并通过 ‌Agent 框架‌ 支持复杂任务分解与工具调用（如搜索、绘图），结合 ‌Workflow 工作流‌ 实现多步骤业务逻辑自动化‌。

(2) Dify安装

版本要求

系统查询命令：

cpu信息查询：

#查询cpu核心数及其他信息： lscpu #或者可以快速查看cpu核心数量： nproc

输出cpu核心数量大于2即可

ram信息查询：

#检查内存大小（RAM） free -h

RAM输出

 total used free shared buff/cache available Mem: 7.7Gi 1.6Gi 3.3Gi 160Mi 2.8Gi 5.3Gi Swap: 2.0Gi 0B 2.0Gi

在 Mem 行，查看 total 字段的值。确保总内存大于或等于 4 GiB

拉取Dify镜像：

git clone https://github.com/langgenius/dify.git --branch 0.15.3

修改配置：

#进入docker目录 cd dify/docker #复制环境配置文件 cp .env.example .env #vim打开.env文件更改端口号 vim .env

将NGINX_PORT与NGINX_PORT_EXPOSE更改为未使用的端口（可自定义）。

默认使用80端口，若无冲突则无需更改。

如果不配置docker镜像源，会报错如下：

Error response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers)

docker镜像配置（国内一般很难直接从docker官方源拉取镜像，因此要配置镜像源如下）：

[root@localhost ~]# vim /etc/docker/daemon.json [root@localhost ~]# more /etc/docker/daemon.json { "default-runtime": "ascend", "registry-mirrors":[ "registry-mirrors": [ "https://2a6bf1988cb6428c877f723ec7530dbc.mirror.swr.myhuaweicloud.com", "https://docker.m.daocloud.io", "https://hub-mirror.c.163.com", "https://mirror.baidubce.com", "https://your_preferred_mirror", "https://dockerhub.icu", "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", "https://docker.nju.edu.cn", "https://docker.mirrors.sjtug.sjtu.edu.cn", "https://docker.mirrors.ustc.edu.cn", "https://mirror.iscas.ac.cn", "https://docker.rainbond.cc" ], "runtimes": { "ascend": { "path": "/usr/local/Ascend/Ascend-Docker-Runtime/ascend-docker-runtime", "runtimeArgs": [] } } }

添加完成后，需要重新加载docker的配置文件以生效：

systemctl daemon-reload

重启docker服务：

systemctl restart docker.service

启动容器：

docker compose up -d

如果得到以下输出，代表服务拉起成功：

检查容器是否正常运行：

docker compose ps

所有容器的运行状态与占用端口如下。应该看到包含3个业务服务（api / worker / web）以及6个基础组件（weaviate / db / redis / nginx / ssrf_proxy / sandbox）在内的总共9个容器，且STATUS均为Up，服务全部挂起成功。

（3）可视化web配置

登录dify网页

在浏览器内输入“本机ip:端口号”该端口号为在启动dify时更改的NGINX_PORT(见本章节（2）)，若无更改，则使用默认的80端口登录。例如：网址：172.16.23.55:80

*注意：这里又又又有一个坑啦！

第一次输入网址大概率无法访问网页，会出现如下界面！

原因：web 服务没有配置端口映射。需要在 web 服务下添加 ports端口配置。在dify文件夹中找到 docker-compose.yml 文件，并作以下修改：

（1）查看现有docker端口映射情况：

docker ps

输出如下：

CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 123456789abc nginx:latest "/docker-entrypoint...." 2 days ago Up 2 days 0.0.0.0:3000->80/tcp web_container

如果PORT一列显示0.0.0.0:3000->80/tcp 则表明主机中的3000端口正常被映射到docker中设置的80端口，此时web服务可以被启用；若映射不完整，只显示主机端口占用情况0.0.0.0:3000或者只有docker中设置的占用端口80/tcp，那么都无法直接在网页中进行启动。此时就需要设置docker-compose中的映射端口。

（2）切换到相应目录：

cd D:\Desktop\dify-main\dify-main\docker #切换目录

（3）编辑配置文件：

vim docker-compose.yml

（4）在service中找到 web 服务的配置部分，在原文件中的restart：always和environment中间添加ports 映射：

# Frontend web application.
web:
image: langgenius/dify-web:0.14.1
restart: always
# 添加以下 ports 配置
ports:
- "3000:80" # 宿主机端口号：容器端口号，将主机端口映射到之前设置的容器NGINX_PORT=80端口，注意缩进格式
environment:
CONSOLE_API_URL: ${CONSOLE_API_URL:-}
APP_API_URL: ${APP_API_URL:-}
SENTRY_DSN: ${WEB_SENTRY_DSN:-}
NEXT_TELEMETRY_DISABLED: ${NEXT_TELEMETRY_DISABLED:-0}
TEXT_GENERATION_TIMEOUT_MS: ${TEXT_GENERATION_TIMEOUT_MS:-60000}
CSP_WHITELIST: ${CSP_WHITELIST:-}

当在宿主机上访问 http://<宿主机IP>:80（例如，http://localhost:80 或者宿主机的 IP 地址），请求将被转发到容器的 80 端口。如果没有设置端口映射，容器的端口只对容器内部可用，外部无法访问。

：wq保存并退出后，重启docker服务：

docker compose down docker compose up -d

输出如下，则代表web端口已映射，可以在网页中打开Dify了：

docker compose同时管理多个容器，支持web和数据库访问管理

services 定义了应用的不同服务，如：web 服务使用 Nginx 镜像，并暴露端口 80。db 服务使用 MySQL 镜像，并设置环境变量 MYSQL_ROOT_PASSWORD。

输入网址后界面如下，第一次登陆需要设置邮箱，用户名和密码等。

模型配置：

点击右上角用户头像，进入设置。

（1）大语言模型（LLM）

选择模型供应商中的OpenAI-API-compatible模块。点击添加模型。

模型类型选择“LLM”，“模型名称”与Mind IE服务化配置dcoker文件“config.json”中的“modelName”保持一致，例如之前配置的是qwen3-32b模型，“API endpoint URL”填写“http://本机ip:qwen3-32b的port端口/v1”，。“模型上下文长度”与“最大 token 上限”按需填写。例如：http：//172.16.23.55：1060