30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度想在自己的 Windows 电脑上快速搭建一个功能强大的 AI 应用开发平台却苦于复杂的 Python 环境、版本冲突和依赖管理如果你正面临这样的困境那么这篇文章就是为你准备的。过去想要本地运行像 Dify 这样的 AI 应用开发框架往往意味着要手动安装 Python、Node.js、PostgreSQL、Redis 等一系列服务光是环境配置就可能耗费大半天更别提后续的版本升级和维护了。但现在情况完全不同了。借助 Docker我们可以在 Windows 系统上以近乎“一键部署”的方式快速、干净地拉起一个完整的 Dify 服务。这不仅仅是安装方式的改变更是开发体验和效率的跃升。本文将为你详细拆解在 Windows 上基于 Docker 本地部署 Dify 的完整流程。我们不止会告诉你“怎么做”更会深入解释“为什么这么做”以及过程中可能遇到的“坑”和最佳规避方案。无论你是想快速体验 Dify 的功能还是希望为团队搭建一个内网可用的 AI 应用开发沙箱这篇文章都将提供一条清晰、可复现的路径。1. 这篇文章真正要解决的问题对于大多数开发者而言在本地环境部署一个包含多个组件的复杂应用最大的痛点并非技术本身而是环境隔离、依赖管理和部署一致性。Dify 作为一个集成了前后端、数据库、向量数据库、缓存和 AI 模型调用的全栈应用其依赖项相当庞杂。传统的手动部署方式极易因系统环境差异如 Python 版本、Node 版本、系统路径导致各种“玄学”问题例如“在我电脑上能跑在你电脑上就报错”。本文的核心目标就是利用Docker这一容器化技术彻底解决上述痛点。通过 Docker我们将 Dify 及其所有依赖PostgreSQL, Redis 等打包在一个独立、隔离的“沙箱”中运行。这意味着环境纯净Dify 的运行环境与你的 Windows 主机环境完全隔离不会污染或受污染于你本地的 Python、Node 等环境。部署一致只要 Docker 镜像相同在任何 Windows 机器上的部署行为和结果都是一致的消除了“环境差异”问题。管理便捷启动、停止、升级、删除整个 Dify 服务只需要几条简单的 Docker 命令无需关心内部复杂的进程管理。资源可控可以方便地限制容器使用的 CPU、内存资源避免单个应用占用过多系统资源。因此这篇文章最适合以下读者想快速体验 Dify 核心功能但不想折腾复杂环境的 AI 开发者或爱好者。需要在团队内部署一个稳定、可复现的 Dify 开发/测试环境的工程师。希望学习如何将复杂应用容器化并部署在 Windows 上的运维或全栈开发者。我们将从零开始带你完成从 Docker 环境准备到拉取 Dify 镜像再到最终成功访问本地 Dify 服务的全过程。2. 基础概念与核心原理在开始动手之前理解几个核心概念能让你在后续操作中更加得心应手遇到问题时也能快速定位。2.1 Dify 是什么Dify 是一个开源的 LLM大语言模型应用开发平台。你可以把它理解为一个“AI 应用的低代码工厂”。它提供了可视化的界面让开发者可以通过拖拽、配置的方式快速构建基于大语言模型的应用程序例如智能客服、内容生成、数据分析助手等而无需从零开始编写复杂的后端逻辑和前端界面。Dify 的核心架构通常包含以下组件后端 API 服务基于 Python如 FastAPI开发处理核心业务逻辑和 AI 模型调用。前端 Web 界面基于现代前端框架如 React/Vue提供用户操作界面。关系型数据库如 PostgreSQL用于存储用户、应用、对话记录等结构化数据。缓存/消息队列如 Redis用于会话缓存、任务队列等。向量数据库可选如 Weaviate, Qdrant用于实现基于向量检索的“知识库”功能。2.2 Docker 与 Docker ComposeDocker一个开源的应用容器引擎。它允许你将应用及其所有依赖打包成一个标准化的单元称为镜像这个镜像可以在任何安装了 Docker 的环境中运行并保证运行环境的一致性。运行中的镜像实例称为“容器”。Docker Desktop for Windows这是在 Windows 系统上运行 Docker 的官方工具。它通过在 Windows 上创建一个轻量级的 Linux 虚拟机或利用 WSL 2来运行 Linux 容器。这是我们本次部署的基础。Docker Compose一个用于定义和运行多容器 Docker 应用的工具。通过一个docker-compose.yml文件你可以配置应用所需的所有服务如数据库、缓存、Web 服务并用一条命令启动所有服务。Dify 官方推荐使用 Docker Compose 进行部署因为它完美地定义了各个组件之间的关系和依赖。2.3 部署原理图解为了更直观地理解部署后的结构我们可以用以下简图说明你的 Windows 物理机 ├── Docker Desktop (提供容器运行时) │ └── Linux 容器环境 (通过 WSL2 或 Hyper-V) │ └── Docker Compose 项目网络 │ ├── 容器A: Dify-API (后端服务端口 5001) │ ├── 容器B: Dify-Web (前端服务端口 3000) │ ├── 容器C: PostgreSQL (数据库端口 5432) │ └── 容器D: Redis (缓存端口 6379) └── 你的浏览器 (访问 http://localhost:3000)关键点所有服务都运行在 Docker 创建的隔离网络内但通过端口映射Port Mapping将容器内的服务端口暴露给 Windows 主机。因此你可以在 Windows 的浏览器中通过localhost:3000访问到运行在 Linux 容器内的 Dify 前端。3. 环境准备与前置条件工欲善其事必先利其器。在开始部署 Dify 之前请确保你的 Windows 系统满足以下条件。3.1 系统要求操作系统Windows 10 版本 2004 及更高版本64位或 Windows 11。强烈建议使用 Windows 10 2004 及以上版本以支持 WSL 2。虚拟化支持必须在 BIOS/UEFI 设置中启用虚拟化技术如 Intel VT-x 或 AMD-V。大多数现代电脑默认已开启如果未开启需重启电脑进入 BIOS 设置。内存建议至少8GB可用内存。运行 Docker 和多个容器会占用一定内存4GB 可能会比较吃力。磁盘空间至少预留20GB的可用磁盘空间用于存放 Docker 镜像、容器和持久化数据。3.2 安装 WSL 2Windows Subsystem for Linux 2WSL 2 是 Docker Desktop for Windows 的首选后端它比传统的 Hyper-V 虚拟机性能更好、资源占用更少。以管理员身份打开 PowerShell。运行以下命令启用 WSL 功能并安装默认的 Linux 发行版通常是 Ubuntu# 启用适用于 Linux 的 Windows 子系统 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台功能 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart重启计算机。重启后再次以管理员身份打开 PowerShell设置 WSL 2 为默认版本wsl --set-default-version 2从 Microsoft Store 安装一个 Linux 发行版例如 “Ubuntu”。安装后首次启动会要求创建用户名和密码。3.3 安装 Docker Desktop for Windows下载安装包访问 Docker 官网的 Docker Desktop for Windows 下载页面获取最新稳定版的安装程序。运行安装程序双击下载的Docker Desktop Installer.exe按照向导进行安装。安装过程中确保勾选以下选项✅ Install required Windows components for WSL 2✅ Add shortcut to desktop (可选)完成安装并重启安装完成后按照提示重启电脑。启动 Docker Desktop重启后在开始菜单或桌面上找到 “Docker Desktop” 并启动。首次启动可能需要几分钟来初始化。验证安装打开 PowerShell 或命令提示符运行以下命令docker --version docker-compose --version # Docker Desktop 已包含 Compose如果能看到版本号输出说明安装成功。同时系统托盘区会出现 Docker 鲸鱼图标。3.4 配置 Docker 镜像加速器国内用户强烈建议从 Docker Hub 拉取镜像在国内可能速度较慢。配置一个国内镜像加速器可以极大提升下载速度。右键点击系统托盘区的 Docker 图标选择 “Settings”设置。在设置窗口中导航到 “Docker Engine”。你会看到一段 JSON 配置。在registry-mirrors数组中添加国内镜像源地址。例如添加阿里云镜像加速器需要先注册阿里云账号获取专属地址或中科大源{ registry-mirrors: [ https://your-aliyun-mirror.mirror.aliyuncs.com, // 替换为你的阿里云加速地址 https://docker.mirrors.ustc.edu.cn ], insecure-registries: [], debug: false, experimental: false }点击 “Apply Restart” 使配置生效并重启 Docker Daemon。至此你的 Windows 环境已经为部署 Dify 做好了充分准备。4. 核心流程拆解获取与配置 Dify我们将使用 Dify 官方提供的 Docker Compose 配置文件进行部署。这是最标准、最推荐的方式。4.1 获取 Dify Docker Compose 配置文件Dify 的代码和部署文件托管在 GitHub 上。我们不需要克隆整个仓库只需要获取部署相关的docker-compose.yml文件。在你的 Windows 上选择一个合适的目录作为工作目录例如D:\Dify。在 PowerShell 或文件资源管理器中进入该目录。我们需要从 Dify 的 GitHub 仓库获取最新的docker-compose.yml文件。你可以通过浏览器访问 Dify 官方 GitHub 仓库 的docker目录下找到但更推荐使用命令行工具curlWindows 10/11 自带来下载。# 在 D:\Dify 目录下打开 PowerShell # 下载官方提供的 docker-compose.yml 文件 curl -o docker-compose.yml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yml如果curl命令不可用你也可以直接使用浏览器打开上面的链接将内容复制粘贴到D:\Dify目录下新建的docker-compose.yml文件中。4.2 理解与调整 docker-compose.yml下载完成后用文本编辑器如 VS Code、Notepad打开docker-compose.yml文件。让我们理解一下它的核心结构并根据需要进行调整。一个典型的 Difydocker-compose.yml文件会定义多个服务service例如version: 3.8 services: postgres: image: postgres:15-alpine environment: POSTGRES_DB: dify POSTGRES_USER: postgres POSTGRES_PASSWORD: dify123456 volumes: - postgres_data:/var/lib/postgresql/data healthcheck: test: [CMD-SHELL, pg_isready -U postgres] interval: 10s timeout: 5s retries: 5 redis: image: redis:7-alpine command: redis-server --requirepass dify123456 volumes: - redis_data:/data healthcheck: test: [CMD, redis-cli, --raw, incr, ping] interval: 10s timeout: 5s retries: 5 api: image: langgenius/dify-api:latest depends_on: postgres: condition: service_healthy redis: condition: service_healthy ports: - 5001:5001 environment: # ... 大量环境变量用于配置数据库连接、Redis连接、模型密钥等 volumes: - uploads:/app/api/storage/uploads web: image: langgenius/dify-web:latest depends_on: - api ports: - 3000:3000 environment: # ... 前端配置如 API 地址 volumes: - web_assets:/app/packages/web/dist volumes: postgres_data: redis_data: uploads: web_assets:关键调整点非必须但很重要端口冲突检查ports映射。默认api服务映射到主机的5001端口web服务映射到3000端口。如果你的主机上已有程序占用了这些端口需要修改冒号左边的端口号例如- “5002:5001”。数据库密码在postgres和redis服务的environment中默认密码是dify123456。在生产环境或敏感环境中务必修改为强密码。镜像版本image: langgenius/dify-api:latest中的latest标签代表最新版。为了部署稳定性建议指定一个具体的版本号例如langgenius/dify-api:0.6.0。你可以在 Docker Hub 或 GitHub Release 页面查找可用版本。数据持久化volumes部分定义了命名卷如postgres_data这确保了数据库和上传文件在容器删除后依然存在。数据默认存储在 Docker 管理的区域如果你想指定到主机特定路径可以修改为绑定挂载bind mount例如volumes: - D:/Dify/data/postgres:/var/lib/postgresql/data注意Windows 路径需要使用正斜杠/或双反斜杠\\且需要正确配置 Docker Desktop 的文件共享权限Settings - Resources - File Sharing。对于首次部署体验我们可以先使用默认配置。最重要的准备工作是确保端口不被占用。5. 完整部署步骤与命令实操现在我们将进入核心的部署环节。请确保你的 Docker Desktop 正在运行系统托盘区鲸鱼图标稳定。5.1 启动 Dify 服务所有操作都在我们之前创建的D:\Dify目录下的 PowerShell 中进行。导航到工作目录cd D:\Dify使用 Docker Compose 启动所有服务docker-compose up -dup创建并启动容器。-d在后台运行“detached”模式。 执行这条命令后Docker 会执行以下操作从 Docker Hub或你配置的镜像源拉取postgres,redis,dify-api,dify-web的镜像。根据docker-compose.yml的配置创建网络、数据卷。按依赖顺序启动容器先启动 postgres 和 redis健康检查通过后再启动 api最后启动 web。首次运行会下载几个 GB 的镜像耗时取决于你的网速。请耐心等待。5.2 监控启动日志与状态启动命令完成后容器在后台运行。我们可以通过以下命令查看状态和日志。查看所有容器状态docker-compose ps这个命令会列出当前docker-compose.yml定义的所有服务并显示它们的状态Up/Exit、端口映射等信息。当所有服务的状态都是Up时表示启动成功。查看特定服务的日志例如查看 api 服务的启动日志docker-compose logs api或者查看所有服务的实时日志类似tail -fdocker-compose logs -f在日志中你需要关注是否有明显的错误ERROR信息。正常的启动日志会显示数据库连接成功、服务监听端口等消息。5.3 访问 Dify Web 界面当docker-compose ps显示所有服务状态为Up并且日志中没有持续报错后就可以尝试访问了。打开你的 Windows 浏览器Chrome, Edge, Firefox 等。在地址栏输入http://localhost:3000如果一切正常你将看到 Dify 的初始化设置页面。恭喜至此Dify 的核心服务已经成功在你的 Windows 本地运行起来了。6. 初始化配置与基本使用首次访问http://localhost:3000你会进入一个初始化设置流程。6.1 初始账户设置创建管理员账户在打开的页面中你需要设置一个管理员账号的邮箱和密码。请务必记住这个密码。命名你的工作室为你部署的 Dify 实例起一个名字。点击“创建”后系统会自动使用你设置的账号登录并进入 Dify 的主控制台。6.2 配置 AI 模型供应商关键步骤Dify 本身是一个应用开发平台它需要接入外部的 AI 模型如 OpenAI 的 GPT、 Anthropic 的 Claude 或国内的大模型才能工作。登录后点击左下角的“设置”齿轮图标。在设置菜单中选择“模型供应商”。你会看到支持的各种模型提供商如 OpenAI、Azure OpenAI、Anthropic Claude、通义千问、DeepSeek 等。以配置 OpenAI 为例点击 “OpenAI”。在 “API Key” 栏位填入你从 OpenAI 平台获取的有效 API Key。你可以配置多个密钥并设置预算和速率限制。点击“保存”后该供应商状态应变为“已生效”。重要你需要至少成功配置一个模型供应商否则无法创建和运行 AI 应用。6.3 创建你的第一个 AI 应用配置好模型后就可以开始体验 Dify 的核心功能了。回到 Dify 首页点击“创建应用”。选择应用类型例如“对话型应用”Chatbot。为应用命名并选择刚刚配置好的模型如 GPT-4。进入应用编排界面。这里你可以提示词编排在“提示词”区域设计对话的系统和用户提示。上下文上传文件或添加文本片段构建知识库让模型能基于这些内容回答。对话开场白设置机器人的第一句话。变量定义可在提示词中引用的动态参数。点击右上角的“发布”按钮将应用发布到一个可访问的链接。发布后你可以点击“体验”或通过生成的链接直接与你的 AI 应用对话。至此你已经完成了从零到一的 Dify 本地部署和初步使用。7. 常见问题与排查思路部署过程中难免会遇到问题。下表列出了最常见的问题及其解决方法。问题现象可能原因排查方式解决方案执行docker-compose up -d时报错或卡住1. Docker Desktop 未运行。2. 网络问题无法拉取镜像。3. 端口被占用。4. WSL 2 未正确安装或启动。1. 检查系统托盘 Docker 图标是否绿色。2. 运行docker pull hello-world测试网络。3. 运行netstat -ano | findstr :3000查看端口占用。4. 运行wsl -l -v查看 WSL 状态。1. 启动 Docker Desktop。2. 配置镜像加速器检查网络连接。3. 修改docker-compose.yml中的主机端口。4. 确保 WSL 2 已安装并设为默认。容器启动后很快退出状态为 Exited1. 容器内应用启动失败如数据库连接失败。2. 环境变量配置错误。3. 内存不足。使用docker-compose logs service_name查看具体容器的错误日志。日志会明确指出失败原因如数据库连接字符串错误、Redis 密码不对等。1. 根据日志修正docker-compose.yml中的环境变量如数据库密码、主机名。2. 检查depends_on和healthcheck配置确保依赖服务先就绪。3. 为 Docker Desktop 分配更多内存Settings - Resources - Advanced。访问http://localhost:3000无法连接1. 前端容器 (web) 未成功启动。2. 防火墙或安全软件阻止了端口。3. 浏览器缓存或代理问题。1.docker-compose ps确认web服务状态是否为Up。2.docker-compose logs web查看前端日志。3. 尝试在 PowerShell 用curl http://localhost:3000测试。1. 根据日志修复web服务问题常见于 API 地址配置错误。2. 暂时关闭防火墙或添加入站规则允许 3000/5001 端口。3. 使用浏览器无痕模式访问。能打开页面但登录或创建应用时报错如网络错误1. 后端 API 服务 (api) 未正常运行或连接失败。2. 数据库/Redis 连接问题。3. 模型供应商 API Key 无效或网络不通。1. 打开浏览器开发者工具F12查看“网络”(Network)标签页中失败的具体请求和错误信息。2.docker-compose logs api查看后端详细错误。3. 检查api容器的环境变量特别是数据库和 Redis 的连接字符串。1. 确保api服务健康并能连通postgres和redis容器使用docker network检查。2. 核对docker-compose.yml中各个服务间的网络别名和密码是否一致。3. 检查并填写正确的 AI 模型 API Key并确保其有余额且网络可访问对应服务商。上传文件到知识库失败1. 文件体积过大。2. 文件类型不支持。3. 后端存储卷 (uploads) 权限问题。查看api服务的日志通常会有明确的错误提示。1. 检查 Dify 对文件大小的限制可在环境变量中配置。2. 确保文件类型如 txt, pdf, docx, md在支持列表中。3. 检查 Docker 卷的挂载路径确保容器内进程有写入权限。系统运行一段时间后变慢或卡顿1. 主机内存或 CPU 资源不足。2. 数据库未优化数据量增大。3. Docker 镜像或卷占用磁盘空间过大。1. 使用任务管理器查看 Docker Desktop 进程的资源占用。2. 进入 PostgreSQL 容器检查表大小和索引。3. 运行docker system df查看 Docker 磁盘使用情况。1. 在 Docker Desktop 设置中限制容器资源使用或为主机增加内存。2. 定期清理 Dify 内的无用数据或对数据库进行维护。3. 定期清理无用的 Docker 镜像、容器和卷docker system prune -a谨慎操作会删除未使用的资源。一个关键的排查习惯遇到任何问题第一步永远是查看日志docker-compose logs [service_name]是你最好的朋友。8. 最佳实践与工程建议将 Dify 成功跑起来只是第一步。要让这个本地部署稳定、安全、易于维护还需要遵循一些最佳实践。8.1 配置管理使用环境变量文件将敏感信息和可变配置如密码、API Key直接写在docker-compose.yml中是不安全的也不利于管理。推荐使用.env文件。在D:\Dify目录下创建一个名为.env的文件。在其中定义环境变量# 数据库配置 POSTGRES_PASSWORDYourStrongPassword123! POSTGRES_DBdify POSTGRES_USERpostgres # Redis 配置 REDIS_PASSWORDYourRedisPassword456! # Dify API 密钥用于内部组件通信可自动生成 # SECRET_KEYyour-secret-key-here # 外部模型 API Key (也可在 Dify Web 界面配置) # OPENAI_API_KEYsk-xxx修改docker-compose.yml将写死的值替换为变量引用# postgres 服务部分 environment: POSTGRES_DB: ${POSTGRES_DB} POSTGRES_USER: ${POSTGRES_USER} POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}Docker Compose 会自动读取同目录下的.env文件。务必确保.env文件不被提交到版本控制系统如 Git中将其添加到.gitignore。8.2 数据持久化与备份Docker 容器的数据是易失的。删除容器后卷volume中的数据默认会保留但为了安全建议定期备份。了解数据位置数据库数据存储在postgres_data卷或你指定的绑定挂载路径。上传文件存储在uploads卷。前端资源存储在web_assets卷。备份 PostgreSQL 数据库# 进入 postgres 容器执行备份 docker-compose exec postgres pg_dump -U postgres dify D:\Dify\backup\dify_backup_$(Get-Date -Format yyyyMMdd).sql可以将此命令加入 Windows 计划任务实现定期自动备份。备份整个 Docker 卷可以找到 Docker 卷在主机上的实际存储路径通过docker volume inspect查看Mountpoint直接复制文件进行备份。8.3 版本升级与回滚Dify 项目迭代较快你可能需要升级到新版本。升级步骤备份数据和当前的docker-compose.yml文件。修改docker-compose.yml中的镜像标签到新版本号如langgenius/dify-api:0.6.2。运行docker-compose pull拉取新镜像。运行docker-compose up -d重新创建容器。Docker Compose 会使用新镜像启动服务。回滚步骤如果新版本有问题将docker-compose.yml中的镜像标签改回旧版本。运行docker-compose up -d。由于旧镜像还在本地会直接使用旧镜像启动。注意数据库 schema 可能已随升级改变回滚可能导致兼容性问题。因此升级前备份至关重要。8.4 安全加固建议修改默认密码务必修改POSTGRES_PASSWORD和REDIS_PASSWORD不要使用默认值或弱密码。限制网络暴露默认配置将服务端口3000, 5001暴露给了主机。如果你的电脑处于公共网络这存在风险。可以考虑使用nginx反向代理并配置 HTTPS。修改 Docker Compose 网络模式或仅绑定到127.0.0.1ports: - 127.0.0.1:3000:3000这样只能从本机访问。定期更新关注 Dify 的安全更新和版本发布及时更新镜像以修复潜在漏洞。8.5 性能调优资源限制在docker-compose.yml中为每个服务设置资源限制防止某个容器耗尽主机资源。services: api: image: ... deploy: resources: limits: cpus: 1.0 memory: 2G reservations: cpus: 0.5 memory: 1G使用更高效的向量数据库如果知识库功能使用频繁且数据量大可以考虑将默认的向量检索服务替换为性能更好的独立向量数据库如 Qdrant, Weaviate这需要在 Dify 的环境变量中进行额外配置。9. 总结与后续探索方向通过本文的详细步骤你应该已经成功在 Windows 上利用 Docker 搭建起了一个功能完整的 Dify AI 应用开发平台。回顾整个过程其核心价值在于“标准化”和“隔离性”—— Docker 将复杂的依赖和环境问题封装起来让你可以专注于 Dify 平台本身的功能和应用开发。这个本地部署的 Dify 实例非常适合用于个人学习与实验无成本、无限制地探索 Dify 的所有功能构建自己的 AI 应用原型。团队内部开发与测试为团队提供一个统一的、与生产环境一致的开发沙箱。离线或内网环境部署在一些无法连接外部模型 API 的特殊网络环境中可以配合本地部署的大模型如通过 Ollama 部署的 Llama 2、Qwen 等使用。后续你可以深入探索的方向集成本地大模型尝试将 Dify 的模型供应商配置为本地部署的 Ollama、LocalAI 或 vLLM 服务实现完全离线的 AI 应用开发。深入研究 Dify 工作流Dify 强大的可视化工作流编排功能是其核心优势。尝试构建一个包含条件判断、API 调用、文本处理等多步骤的复杂 AI 应用。知识库的高级应用探索如何优化知识库的切分、清洗和检索策略提升基于文档问答的准确性和效率。将部署迁移到服务器将在本地验证成功的 Docker Compose 配置几乎可以原封不动地部署到云服务器如 Linux 系统上供更多人访问使用。CI/CD 与自动化结合 Git 和 CI/CD 工具如 GitHub Actions实现 Dify 应用配置的版本管理和自动化部署。Windows 上的 Docker 部署为你打开了一扇低成本、高效率体验和开发 AI 应用的大门。希望这份指南能成为你探索之旅的坚实起点。如果在实践中遇到新的问题记住“查看日志”和“理解架构”是两个最重要的排错武器。建议收藏本文以备后续查阅。 30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度