使用最新Dify1.4.1集成LM Studio的QWQ32B绘制工作流

前言

之前已经在战99部署了LM Studio及QWQ32B小模型：

https://lizhiyong.blog.csdn.net/article/details/147237895

也在Win10的Z840部署过老版本Dify并且集成了Ollama的Deepseek：

https://lizhiyong.blog.csdn.net/article/details/145602366

现在战99上部署个目前最新版本Dify1.4.1，集成LM Studio的QWQ32B，再绘制工作流拓展使用场景

步骤

安装Dify

参照之前的步骤，本次为了方便，暂不修改EXPOSE_NGINX_PORT的配置，以便可以直接80端口访问

cd D:\\dify\docker
docker compose down
git pull origin main  #或者自己http下载解包
docker compose pull
docker compose up -d

和老版本安装部署方式一致

开启LM Studio接口

开启LM Studio的接口后，即可通过1234端口调用接口访问模型

使用PostMan调用接口试试：

GET http://127.0.0.1:1234/v1/models

{
    "data": [
        {
            "id": "qwen3-14b",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "text-embedding-bge-m3",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "huihui-ai.glm-4-32b-0414-abliterated",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "qwen3-reranker-8b",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "qwen3-embedding-8b",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "text-embedding-nomic-embed-text-v1.5",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "qwen3-32b",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "qwen3-30b-a3b",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "huihui-ai.deepseek-r1-distill-qwen-14b-abliterated-v2",
            "object": "model",
            "owned_by": "organization_owner"
        },
        {
            "id": "huihui-ai_qwq-32b-abliterated",
            "object": "model",
            "owned_by": "organization_owner"
        }
    ],
    "object": "list"
}

即可查到目前可用的模型，id就是完整的模型名，后续要用！！！

配置Dify的模型供应商

http://localhost/explore/apps

安装需要的插件，之后配置接口，LM Studio这个插件目前的版本在绘制工作流时有报错，建议使用OpenAI的兼容api插件

需要注意的配置：

API endpoint URL:http://host.docker.internal:1234/v1/
模型名称:huihui-ai_qwq-32b-abliterated

由于还是DockerDesktop方式部署的，要使用这个host

模型名称就填写上方查到的某个id值

工作流配置

鸡冻人心的时刻到来了：

可以新建一个工作流，LLM要使用OpenAI兼容API才不会报错！！！使用LM Studio的插件会报错：

1 validation error for LLMNodeData model.mode Field required [type=missing, input_value={'provider': 'stvlynn/lms...'completion_params': {}}, input_type=dict] For further information visit https://errors.pydantic.dev/2.11/v/missing

可以看到有很多种节点可以使用。代码类节点可以编写JS和Python：

要注意返回的变量名和输出变量需一致！！！

验证工作流

随便提问下，可以发现工作流正常运行起来了！！！

最常用的还是条件分支节点，根据关键字去匹配该去哪个分支，后续即可按照不同的Prompt去调用对应的LLM节点大模型及检索对应的知识库，目前来看，我们生产落地最稳的还是RAG。

转载请注明出处：https://lizhiyong.blog.csdn.net/article/details/148607462