メインコンテンツへスキップ
見出し画像

Difyインストール手順

    ★インストール手順

    画像


    Docker Desktopをインストールするのかしないのか?

    Docker Desktopをインストールしない場合は、Difyの土台を自分構築する必要がある。

    Docker Desktopとは?
    Docker Desktopは、Windows上でDockerを利用するための公式アプリケーションです。
    アプリケーションを「コンテナ」という箱の中にまとめて動かすことができます。

    画像
    Docker Desktpのプラン

    新しいプランはこちらから。
    Docker プラン FAQ |Docker

    ただし、Docker Desktopは
    Difyの部品を新たにダウンロード、Difyを動かすための部品一式をダウンロードする必要がある。

    APIを使うか、ローカルLLMを接続するか?


    違いは何?

    ChatGPTを使う料金と、DifyからAPIで使う料金は別物。

    • 今のChatGPT:契約しているプランの範囲で使う。

    • DifyからChatGPTのモデルをAPIで呼ぶ:API料金が別途かかる。ChatGPTの月額料金には通常含まれない。

    • Difyから無料のローカルLLMを使う:API料金はかからない。ただし、PCの電気代などはかかる。

    つまり、今回の「お金をかけずにDifyで遊ぶ」という目的なら、ローカルLLMを使う方法が候補になるんやで。

    今のChatGPTをそのままDifyにつなげて、追加料金なしで使えるわけではない。ここがポイントやね。

    ローカルLLMとは何?
    ローカルLLMは、自分のパソコンの中で動かすAIのこと。

    ローカルLLM
    AIモデルをPCにダウンロードして、自分のPCで回答を作る。
    無料で利用できるモデルもある。API料金は不要。

    ローカルLLMの種類

    Gemma — Google
    文章作成、質問への回答、要約など。小型から大きめまで、いくつかのサイズがある。

    Qwen — Alibaba
    日本語を含む多言語の文章、コード、推論などに対応するモデル群。

    DeepSeek-R1
    筋道を立てて考えるタスクを重視したモデル。小型版から大型版まである。

    Llama — Meta
    会話、文章作成など幅広い用途で使われるモデル群。サイズによって必要なPC性能が異なる。

    AIモデルをインストールするためのソフトがOllama 。

    ★Ollama
    Ollama は、ローカル環境で大規模言語モデル(LLM)を実行・管理するためのランタイムです。macOS、Linux、Windowsで動作し、コマンドラインやAPI経由でオープンウェイトのモデルを手軽に利用できることから、ローカルAI開発やプライバシー重視の用途で広く採用されています。

    ◎主な特徴


    Ollama は、モデルのダウンロード、バージョン管理、推論実行を統一した操作で行えるよう設計されています。ollama run のようなシンプルなコマンドでモデルを起動でき、モデル定義ファイル(Modelfile)を利用して既存モデルのカスタマイズやシステムプロンプトの組み込みも可能です。

    また、OpenAI互換のHTTP API を提供しているため、多くのAIアプリケーションや開発ツールが比較的少ない変更でOllamaをバックエンドとして利用できます。CPUでも動作しますが、対応GPUがある環境ではより高速な推論が期待できます。

    ◎利用シーン

    ローカル実行であることから、データをクラウドへ送信せずに推論を行いたいケースに適しています。ソフトウェア開発、RAG(検索拡張生成)の実験、エージェント開発、オフライン環境での利用、プロトタイピングなどでよく使われています。

    一方で、性能や処理速度は搭載するCPU・GPU・メモリ容量に大きく依存します。大規模なモデルほど多くのRAMやVRAMを必要とするため、用途に応じたモデルサイズの選択が重要になります。

    ◎エコシステム

    Ollamaは、ローカルAIツールの基盤として利用されることが多く、デスクトップアプリやWeb UI、開発フレームワークと組み合わせて使用されています。PythonやJavaScriptなど各種言語からREST APIを呼び出せるため、チャットボット、コード支援、文書検索、ワークフロー自動化など幅広いアプリケーションへ組み込みやすい点も特徴です。

    ★Ollamaのモデル一覧を見る
    すごい数がある。選ぶものでだいぶんと違うハズ
    それでDifyで回答の違いを実験するの?
    そのダウンロードの回数でMaxにいったら料金がかかる?ってこと?

    ダウンロードは2種類ある

    ① Dockerのイメージ
    Difyを動かすための部品を取得する。Docker Personalは無料だけど、Docker Hubからの取得回数に制限がある。公式資料では、Personal認証済みユーザーは6時間あたり200回と案内されている。

    ① Dockerのイメージ

    Difyを動かすための部品を取得する。Docker Personalは無料だけど、Docker Hubからの取得回数に制限がある。公式資料では、Personal認証済みユーザーは6時間あたり200回と案内されている。

    上限に達したら? 基本的には制限が回復するまで待つ。有料プランへの変更が選択肢になるけど、上限に達しただけで自動的に課金されるわけではない。

    ② OllamaのAIモデル
    Qwen、Gemma、DeepSeekなど、試したいAIモデルをダウンロードする。Docker Hubのイメージ取得回数とは別の話やで。

    上限に達したら? Dockerの取得制限を理由に料金が発生するわけではない。モデルの配布条件やダウンロード元の制限は別途確認が必要。

    じゃあ、モデルを何個も試したら料金がかかる?

    モデルをダウンロードするだけなら、通常はそれ自体にAPI利用料はかからないよ。 無料で公開されているモデルを選べば、モデルごとのAPI料金なしで試せる。

    ただし、モデルの保存にはディスク容量が必要やし、利用条件はモデルごとに違う。

    今回の目的なら、まずDifyの部品を入れて、次にOllamaでモデルを2〜3種類試す。それからDifyで同じ質問を投げて比較する、という順番がわかりやすいと思う。

    ChatGPTのOllamaのモデル

    gpt-oss

    OpenAIのオープンウェイトモデル

    Ollama対応

    OpenAIが公開した、推論や複雑な問題解決を重視するモデルやね。Ollamaからダウンロードして、自分のPCで動かせる。gpt-oss:20b

    約14GB

    比較的小さいモデル。まず検討する候補。

    gpt-oss:120b

    約65GB

    非常に大きく、あなたのPCではローカル実行は現実的ではない。

    容量はOllama掲載のモデルサイズ。実行時にはモデル以外のメモリも必要。

    Ollama公式:gpt-ossの詳細

    ただし、大事な違いがあるで。

    gpt-ossは、今あなたが使っているChatGPTそのものではない。

    ChatGPTと同じOpenAI製でも、別のモデルやね。ChatGPTの会話履歴や契約がそのまま移るわけでもない。

    私のPCはメモリ32GBやから、試すなら20B版が候補になる。ただし、グラフィックスのメモリが2GBなので、実際の速度は期待しすぎずに試すのがよさそう。

    Difyで、今のChatGPTとローカルのgpt-ossの回答を比べる。 ただし、ChatGPT側はAPIなど別の接続手段が必要になるよ。


    画像


    画像

    外部LLMとローカルLLMでは、性能が違うことはある。でも、すべてが違うわけではない。

    そもそも「外部」と「ローカル」は、AIをどこで動かすかという違い。AIの性能を直接決める分類ではないんよ。


    画像

    モデル、PC性能、サーバー環境などによって違う

    Difyのフロー設計

    基本的な考え方は共通

    たとえば、ローカルLLMでも高性能なモデルはあるし、外部LLMでもモデルによって得意・不得意がある。

    また、同じモデル系列でもサイズやバージョンが違えば、結果が変わることがあるよ。

    では、自宅で勉強する意味は?

    Difyでフローを組む方法、条件分岐を設計する方法、回答を評価する方法などは、モデルが変わっても活用できる。

    ただし、ローカルLLMで正答率100%を達成した設計が、外部LLMでも100%になるとは限らない。

    これは、設計が悪いという意味ではなく、モデルの能力や回答傾向が異なる可能性があるから。

    だから、自宅で100%を目指す勉強には意味がある。ただし、そこで身につけた方法が、会社の外部LLMでもどこまで通用するかは、会社のモデルで検証する必要がある。

    OllamaとDifyを接続する方法

    ここは、今のまとめに追加したい大事な項目。

    Ollamaをインストールしてモデルをダウンロードしただけでは、Difyからそのモデルを使えるとは限らない。

    1. Ollamaでモデルが動くことを確認する。

    2. Dify側で対応するモデルプロバイダーを設定する。

    3. DifyからOllamaに接続し、回答が返ることを確認する。

    Dockerコンテナ内からWindows側のOllamaに接続する場合は、通常の localhost ではなく、host.docker.internal を使う構成になることがある。接続設定は実際の環境に合わせて確認しよう。


    画像
    インストール構造

    構造上問題ないなら、切り分けより、最悪はDocker Desktopごと、削除。
    これが手っ取り早くていい。

     
     
    ・絵、唄(作詞作曲)、保存食、日々思うこと(日記に近い)、自己分析、AIの独学勉強では、Dify・Obsidian・Pythonなどを書いています。   ※本記事にはAmazonアフィリエイトリンク(広告)が含まれます 2026/04/27開始

    あなたへのおすすめ