Tutoriais de VPS
Implantar a plataforma de aplicações de IA Dify em um VPS (2026): guia para criar uma base de conhecimento RAG privada, fluxos de trabalho e agentes
O Dify não é o n8n, nem o Open WebUI. Ele se parece mais com uma plataforma de aplicações de IA que roda em um VPS: perguntas e respostas sobre a base de conhecimento, recuperação RAG, Agent, fluxos de trabalho e integração de modelos acontecem em um único painel. Este artigo explica com clareza para quais cenários o Dify é indicado, como escolher a configuração do VPS, como implantar com Docker Compose, como evitar OOM com 4 GB de memória e como criar sua primeira base de conhecimento privada.

O Dify se popularizou muito rápido nos últimos dois anos, não porque criou mais uma interface de chat, mas porque reúne aquilo que muita gente realmente quer: base de conhecimento, RAG, Agent, fluxos de trabalho, integração de modelos e publicação de API.
Se você já brincou com n8n ou Ollama + Open WebUI em um VPS, talvez pergunte: então o que exatamente o Dify acrescenta?
Explicando em uma frase:
- o n8n se parece mais com uma "linha de automação", bom para conectar diversos sistemas entre si;
- o Open WebUI se parece mais com um "frontend de chat com IA", adequado para conversar com modelos locais;
- o Dify se parece mais com um "backend de aplicações de IA", adequado para perguntas e respostas sobre bases de conhecimento, bots de atendimento, recuperação de documentos e assistentes internos.
Portanto, o Dify não substitui o n8n nem substitui o Open WebUI. Ele é mais adequado para uma coisa: transformar capacidades de IA em uma aplicação que outras pessoas realmente possam usar.
Não tenha pressa para implantar. O Dify é bem mais pesado que o n8n e mais complexo que uma interface de chat comum. Os cenários abaixo são os que realmente valem a pena:
| Cenário | Valor do Dify |
|---|---|
| Perguntas e respostas sobre documentos internos da empresa | Enviar PDF, Markdown e conteúdo web para criar uma base de conhecimento RAG |
| Bots de atendimento ao cliente | Conectar FAQ, documentação de produto e bases de conhecimento de tickets |
| Ferramentas de geração de conteúdo | Escrever artigos, alterar títulos, gerar resumos, revisar em lote |
| Fluxos de trabalho de IA | Prompts de várias etapas, ramificações condicionais, chamadas de ferramentas |
| Oferecer um ponto de entrada unificado para a equipe | Gerenciamento no painel de aplicações, modelos, Keys e logs |
Se você só quer conversar com modelos por conta própria, o Open WebUI é mais leve. Se você só quer conectar Telegram, Webhooks, planilhas e e-mail, o n8n é mais adequado.
Mas se você quer "enviar um monte de materiais e depois fazer a IA responder perguntas com base nos materiais", o Dify é muito prático.
A afirmação comum sobre o requisito mínimo oficial do Dify é 2 núcleos e 4 GB, mas no uso real, 4 GB é o mínimo, não a linha confortável.
O Docker Compose padrão do Dify sobe um conjunto de serviços: API, Worker, Web, PostgreSQL, Redis, banco de dados vetorial, Sandbox, Nginx, serviços relacionados a plugins etc. Não é uma ferramentinha de contêiner único.
Minha sugestão é escolher assim:
| Uso | Configuração recomendada |
|---|---|
| Testes, modelos via API externa | 2 núcleos 4 GB, com Swap obrigatoriamente ativado |
| Uso pessoal de longo prazo | 2-4 núcleos 8 GB |
| Base de conhecimento para equipes pequenas | 4 núcleos 8 GB como mínimo |
| Documentos grandes, vários usuários, indexação frequente | 4 núcleos 16 GB é mais estável |
| Rodar modelos locais Ollama na mesma máquina | 16 GB como mínimo, quanto mais melhor |
Muita gente se dá mal não porque a CPU é insuficiente, mas porque a memória não basta. O Dify pode consumir normalmente só 2-4 GB, mas durante a divisão de documentos, o Embedding e a indexação ele pode disparar de repente. Não force instâncias pequenas de 1C1G ou 1C2G; no fim, o mais provável é que o OOM Killer mate o worker.
Se o orçamento for limitado, prefira 2C4G + Swap a se torturar com uma máquina de 1 GB.
A seguir, usamos como exemplo um VPS com Ubuntu/Debian.
Primeiro atualize o sistema:
apt update && apt upgrade -y
Instale o Docker:
curl -fsSL https://get.docker.com | bash
systemctl enable --now docker
Instale o plugin do Compose:
docker compose version
Se nenhuma versão for exibida, instale:
apt install -y docker-compose-plugin
Em uma máquina com 4 GB de memória, recomenda-se ativar o Swap primeiro:
fallocate -l 4G /swapfile
chmod 600 /swapfile
mkswap /swapfile
swapon /swapfile
echo '/swapfile none swap sw 0 0' >> /etc/fstab
Confirme:
free -h
O Swap não é uma maravilha de desempenho, mas pode evitar que o sistema mate o Dify diretamente ao indexar documentos.
O Dify recomenda oficialmente iniciar a partir da configuração Docker do repositório. O processo é mais ou menos:
cd /opt
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
Depois, primeiro altere .env. No mínimo, preste atenção a estes pontos:
vim .env
Verificações sugeridas:
SECRET_KEY: não use o valor padrão;CONSOLE_WEB_URL: endereço do painel;APP_WEB_URL: endereço que os usuários usam para acessar a aplicação;FILES_URL: endereço de acesso a arquivos;- Senha do banco de dados: não use a senha fraca padrão;
- Concorrência do Worker: não deixe muito alta em máquinas com pouca memória.
Inicie:
docker compose up -d
Ver contêineres:
docker compose ps
Ver logs:
docker compose logs -f api
A primeira inicialização será bem lenta, principalmente ao baixar imagens e inicializar o banco de dados. Não aperte Ctrl+C só porque nada aconteceu por um minuto.
Em produção, não deixe os usuários acessarem portas aleatórias diretamente. Recomenda-se usar Nginx ou Caddy como proxy reverso para o serviço Web do Dify.
Se você já tem Nginx, pode escrever uma configuração básica assim:
server {
listen 80;
server_name dify.example.com;
client_max_body_size 100m;
location / {
proxy_pass http://127.0.0.1:80;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
}
}
Se você usar o contêiner Nginx integrado do Dify, cuidado para as portas não entrarem em conflito com o Nginx do host nas portas 80/443. Muitas falhas de implantação acontecem porque dois Nginx querem escutar na 80.
A forma mais simples é:
- Os serviços internos do Dify escutam apenas em portas locais;
- O Nginx do host faz o HTTPS de forma unificada;
- Se for enviar documentos, aumente
client_max_body_size.
Os certificados podem usar Certbot:
apt install -y certbot python3-certbot-nginx
certbot --nginx -d dify.example.com
O principal atrativo do Dify é a base de conhecimento. Um fluxo mínimo utilizável é:
- Criar uma base de conhecimento no painel;
- Enviar PDF, Markdown, TXT ou conteúdo web;
- Configurar o método de segmentação;
- Escolher um modelo de Embedding;
- Aguardar a conclusão da indexação;
- Criar uma aplicação de chat e associar a base de conhecimento;
- Testar se as perguntas conseguem encontrar o conteúdo dos documentos.
Para documentos em chinês, recomenda-se não fazer segmentos muito longos. Você pode começar com esta configuração:
| Parâmetro | Sugestão |
|---|---|
| Comprimento do segmento | 300-600 caracteres chineses |
| Proporção de sobreposição | 10%-15% |
| Método de recuperação | Preferir recuperação híbrida, se disponível |
| Top K | Começar com 3-5 |
| Limite de similaridade | Primeiro baixo, depois alto, para evitar não encontrar nada no início |
Se seus documentos forem descrições de produto, tutoriais ou FAQ, os segmentos podem ser mais curtos; se forem relatórios longos, artigos acadêmicos ou contratos, os segmentos podem ser um pouco mais longos, mas preste atenção à continuidade do contexto.
Muitas pessoas acham o RAG "impreciso" na primeira vez que usam. A causa normalmente não é o modelo ser ruim, mas a segmentação dos documentos ser grosseira demais, os títulos não serem incluídos, o modelo de Embedding não ser adequado para chinês ou o limite de recuperação ser rígido demais.
O Dify oferece suporte a vários provedores de modelos. Opções comuns:
| Opção | Cenário adequado |
|---|---|
| DeepSeek | Perguntas e respostas em chinês, uso de baixo custo |
| OpenAI / Claude | Qualidade mais estável, custo mais alto |
| Gemini | Cenários de contexto longo |
| Plataformas agregadoras como SiliconFlow | Querer conectar modelos de código aberto e modelos nacionais |
| Ollama | Manter os dados fora da máquina local o máximo possível, mas a configuração do VPS precisa ser suficiente |
Se o VPS tiver apenas 4 GB ou 8 GB, não recomendo rodar modelos grandes na mesma máquina desde o início. Conecte primeiro APIs externas, deixe o Dify funcionar de forma estável e depois considere o Ollama.
Se você já tem o gateway de API de IA do artigo anterior, pode apontar o provedor de modelos do Dify para seu próprio gateway New-API / One-API, assim modelos, Keys e estatísticas de uso são gerenciados de forma unificada.
Com 4 GB dá para rodar, mas é preciso se conter um pouco.
Ações sugeridas:
# 看内存
free -h
# 看容器资源
docker stats
Depois controle a concorrência do Worker em .env ou na configuração do Compose. Os campos podem mudar entre versões; antes de implantar, consulte a documentação oficial atual e .env.example. O princípio é: em máquina pequena, não deixe o worker processar muitas tarefas ao mesmo tempo.
Além disso:
- Não envie milhares de páginas de documentos de uma vez;
- Teste a indexação primeiro em pequenos lotes;
- Use APIs externas para o Embedding o máximo possível, não force modelos grandes na mesma máquina;
- Limpe periodicamente documentos e aplicações que não usa;
- Faça backup do PostgreSQL, não faça backup apenas dos arquivos do Docker Compose.
O mais importante no Dify é o banco de dados, os arquivos enviados e a configuração.
No mínimo, faça backup de:
- Dados do PostgreSQL;
- Volumes do Docker;
.env;- Diretório de arquivos enviados;
- Configuração de plugins ou extensões personalizadas.
Uma ideia simples para backup do PostgreSQL:
mkdir -p /opt/backups/dify
# 容器名以 docker compose ps 实际输出为准
docker exec -t docker-db-1 pg_dump -U postgres dify \
> /opt/backups/dify/dify-$(date +%F).sql
Depois use o rclone para sincronizar com armazenamento de objetos ou outro servidor. Backup guardado apenas no mesmo VPS não faz sentido; se o disco falhar, tudo desaparece junto.
Essa também é uma forma de uso muito prática.
O Dify cuida do "pensamento da IA":
- Ler a base de conhecimento;
- Gerar respostas;
- Determinar a intenção do usuário;
- Processar prompts complexos.
O n8n cuida da "execução de ações":
- Escutar formulários, Webhooks e e-mail;
- Chamar a API do Dify;
- Gravar os resultados de volta no Notion, Feishu, WeCom ou bancos de dados;
- Executar tarefas agendadas.
Por exemplo: um cliente envia um problema de pós-venda, o n8n recebe o Webhook, envia a pergunta ao Dify, o Dify consulta a base de conhecimento de produto e gera uma resposta, e o n8n envia o resultado ao grupo de atendimento. Essa combinação funciona melhor do que usar só o n8n ou só o Dify.
Primeiro verifique os logs do worker:
docker compose logs -f worker
As causas comuns são memória insuficiente, configuração de Embedding errada, Key do provedor de modelos errada ou falha na análise do formato do arquivo.
Verifique o Nginx:
client_max_body_size 100m;
Também é preciso verificar os limites do próprio Dify e da camada de proxy reverso. O plano gratuito da Cloudflare também tem limite de tamanho de upload; não culpe o Dify por todos os problemas.
Primeiro verifique se o VPS é pequeno demais:
docker stats
Se PostgreSQL, worker e api estão disputando memória, uma máquina de 4 GB vai ficar visivelmente lenta. Você pode ativar o Swap, mas para carga alta de longo prazo ainda recomendo atualizar para 8 GB.
Não tenha pressa para trocar o modelo. Verifique na ordem:
- Se o documento foi indexado com sucesso;
- Se os resultados de recuperação incluem os parágrafos corretos;
- Se os segmentos estão longos ou curtos demais;
- Se o Embedding é adequado para chinês;
- Se o prompt exige "responder apenas com base na base de conhecimento".
Os problemas de RAG muitas vezes são problemas de recuperação, não de geração.
Se você só quer experimentar o Dify, um VPS 2C4G pode servir, mas ative o Swap obrigatoriamente e não envie muitos documentos de uma vez.
Se você pretende usá-lo a longo prazo, especialmente para uma equipe ou clientes, ir direto para 4C8G vai poupar muita dor de cabeça. O Dify não é o tipo de ferramenta que roda confortavelmente em uma instância pequena de 512 MB; ele se parece mais com um backend completo de aplicações de IA.
Eu implementaria assim:
- Começar os testes com 2C4G, usar 8 GB para o ambiente de longo prazo;
- Implantar a versão oficial com Docker Compose;
- Usar Nginx/Caddy para HTTPS;
- Fazer os modelos via API externa funcionarem primeiro;
- Enviar documentos em pequenos lotes para testar o RAG;
- Ajustar segmentação, Embedding e Top K;
- Fazer backup diário do PostgreSQL e dos volumes;
- Se já tiver n8n, usar o n8n para chamar a API do Dify e automatizar.
O verdadeiro valor do Dify não é "mais um site de chat com IA", mas permitir que você conecte seus próprios documentos, processos de negócio e modelos. Para usuários de VPS, é um dos projetos de IA auto-hospedados que mais vale a pena explorar em 2026.