Vai al contenuto

Soluzioni · Piattaforma per app LLM

Un VPS per Dify

Dify è la piattaforma open source per creare app LLM: assistenti chat, agenti, workflow e RAG sui vostri documenti, con il provider di modelli che preferite dietro una chiave API. La documentazione richiede 2 core CPU e 4 GiB di RAM, e il file Docker Compose ufficiale avvia sedici container, quindi considerate quel minimo davvero un minimo. BD-8 a $12.90 al mese è la macchina più economica con spazio reale; C2-4-80 a $37.90 è la più economica che corrisponde esattamente al minimo ufficiale, in decine di città.

Cosa richiede

Software dalla documentazione, dimensioni con la fonte indicata

Il software e le impostazioni di sicurezza provengono dalla documentazione del progetto stesso. Dove il progetto non pubblica requisiti hardware, le dimensioni indicano di chi sono.

Dal README di Dify e da docs.dify.ai

  • “CPU >= 2 Core, RAM >= 4 GiB.” Docker Engine 19.03 o successivo con Docker Compose 2.24.0 o successivo, su Linux.
  • Installazione: clonate l'ultima release, poi cd dify/docker && cp .env.example .env && docker compose up -d. Il file compose avvia sette servizi Dify più Postgres, Redis, Weaviate, nginx, due sandbox e due proxy in uscita.
  • L'nginx interno allo stack pubblica le porte 80 e 443. L'account amministratore si crea una sola volta su http://your-ip/install; dopo si accede dall'indirizzo semplice.
  • I modelli arrivano da un provider che configurate in Impostazioni: una chiave API per un modello ospitato, oppure un endpoint self-hosted compatibile con OpenAI come Ollama. Dify non esegue alcun modello, quindi niente GPU.

Dimensioni (il minimo di Dify, poi le nostre in base a ciò che avvia il file compose)

Dimensionamento per carico di lavoro
Carico di lavorovCPURAM
Solo Dify (minimo ufficiale)Qui sedici container restano inattivi. Indicizzare un insieme di documenti o compilare sulla stessa macchina la porterà in swap.24 GB
Dify + alcune app e una piccola knowledge baseNostra. Postgres, Redis, Weaviate e i worker occupano ciascuno la propria memoria; qui si smette di essere stretti.48 GB
Knowledge base grandi, molti utenti, workflow tutto il giornoNostra. Weaviate cresce con i vettori; embedding e indicizzazione girano sulla CPU del worker.824 GB

I piani adatti

5 macchine, con prezzi in tempo reale

Prima la macchina adatta più economica. Prezzi odierni, al mese, letti dal catalogo.

  • BD-8$12.90/mese

    4 vCPU · 8 GB · 100 GB di disco · 32 TB

    Il più economico con spazio per l'intero stack. 4 vCPU, 8 GB, 100 GB e 32 TB di traffico, a un prezzo inferiore alle macchine da 4 GB altrove. Il doppio del minimo ufficiale su entrambi i fronti.

  • BD-12$17.90/mese

    6 vCPU · 12 GB · 200 GB di disco · 32 TB

    6 vCPU / 12 GB / 200 GB per una vera libreria di documenti. Disco per upload e vettori, memoria in cui Weaviate possa crescere.

  • BD-24$31.90/mese

    8 vCPU · 24 GB · 300 GB di disco · 32 TB

    8 vCPU / 24 GB per le app di un team. Diverse app, knowledge base grandi, agenti e workflow in esecuzione contemporanea.

  • C2-4-80$37.90/mese

    2 vCPU · 4 GB · 80 GB di disco · 3 TB

    Esattamente il minimo ufficiale, in decine di città. 2 vCPU / 4 GB / 80 GB. Esegue lo stack; non lo usi anche per build o indicizzazione. Lo scelga per la città, non per la dimensione.

  • C4-8-160$75.90/mese

    4 vCPU · 8 GB · 160 GB di disco · 3 TB

    4 vCPU / 8 GB / 160 GB, in decine di città. La dimensione comoda se le sei città della riga più economica non fanno per voi.

Non esiste ancora un preset di avvio per Dify: l'installazione consiste nei quattro passi qui sotto, da digitare voi. Sono i comandi della documentazione ufficiale di Dify, senza aggiunte.

L'installazione

Quattro passi, dalla documentazione di Dify

Docker, lo stack compose, la pagina di amministrazione, poi un modello. Eseguite il passo 3 appena lo stack è attivo: il primo visitatore di /install crea l'amministratore.

  1. Docker. curl -fsSL https://get.docker.com | sh Dify richiede Compose 2.24 o successivo; docker compose version mostra la versione installata.
  2. Clonare l'ultima release e avviarla. git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git cd dify/docker && cp .env.example .env && docker compose up -d Si avviano sedici container; docker compose ps dovrebbe mostrarli tutti Up o healthy, con init_permissions Exited.
  3. Create subito l'amministratore. Aprite http://your-ip/install, impostate l'account amministratore, poi accedete da http://your-ip. Finché non avete HTTPS, tenete la porta 80 dietro il firewall e raggiungetela via SSH: ssh -N -L 8080:127.0.0.1:80 root@your-server poi http://127.0.0.1:8080/install.
  4. Aggiungere un provider di modelli, poi un dominio. Impostazioni, Model Provider: incolli la chiave API di un provider in hosting, oppure punti un provider compatibile con OpenAI verso il suo Ollama. Per HTTPS, punti un record A verso il server, copi docker/envs/infrastructure/certbot.env.example senza il suffisso .example, inserisca CERTBOT_DOMAIN e CERTBOT_EMAIL, poi avvii il profilo certbot dello stack: docker compose --profile certbot up -d.

Onestamente

Cosa acquisteremmo davvero

Il minimo è 2 core e 4 GiB per sedici container. Acquistate la macchina da 8 GB che costa meno di quelle dimensionate sul minimo.

Per Dify e alcune app

BD-8 · $12.90/mese

4 vCPU, 8 GB e 100 GB a $12.90: l'intero stack ufficiale con memoria libera per la crescita di Postgres, Redis e Weaviate, disco per gli upload e CPU per l'indicizzazione senza bloccare le app. I modelli stanno altrove, dietro una chiave API, quindi questa macchina non ha mai bisogno di una GPU. Se vi serve una città che la riga più economica non offre, C4-8-160 a $75.90 ha la stessa configurazione in decine di città.

Domande

Le domande che si pongono prima dell'acquisto.

Quali sono i requisiti di sistema di Dify?
Sia il README sia la guida Docker Compose indicano almeno 2 core CPU e 4 GiB di RAM, con Docker Engine 19.03+ e Docker Compose 2.24.0+. Quel minimo vale per la sola piattaforma: il file compose avvia l'API di Dify, un servizio websocket, due worker, la web app, il daemon dei plugin e il backend degli agenti, più Postgres, Redis, Weaviate, nginx, due sandbox e due proxy. Le istruzioni per macOS assegnano alla VM di Docker Desktop 2 CPU e 8 GiB, un'indicazione ragionevole di cosa significhi stare comodi. Con una macchina da 8 GB si smette di essere stretti.
Dify richiede una GPU?
No. Dify è il livello applicativo: chiama il provider di modelli che configurate, tramite una chiave API o un endpoint compatibile con OpenAI. La documentazione elenca decine di provider ospitati e opzioni self-hosted. Se volete ospitare anche il modello, è una macchina separata e una questione separata: la pagina di Ollama dimensiona l'inferenza su CPU per modello, e la linea GPU è dove si ottiene velocità interattiva.
Quali porte utilizza?
L'nginx dello stack pubblica le porte 80 e 443 sull'host (EXPOSE_NGINX_PORT ed EXPOSE_NGINX_SSL_PORT in docker/.env). Tutto il resto (Postgres, Redis, Weaviate, le sandbox) rimane sulla rete compose. Tenete la porta 80 dietro il firewall finché l'amministratore non esiste e HTTPS non funziona; il primo visitatore di /install crea l'account amministratore.
Postgres e Redis: devo gestirli io?
Sono nel file compose e partono con tutto il resto: postgres:15-alpine per i dati di Dify e redis:6-alpine per code e cache, più Weaviate come vector store predefinito. Potete puntare Dify verso servizi esterni tramite docker/.env, ma su una sola macchina quelli inclusi sono la configurazione normale. Eseguite il backup della directory docker/volumes: contiene il database, i vettori e gli upload.
Quanto disco?
La documentazione non indica cifre. Le sedici immagini occupano diversi gigabyte, e poi il disco cresce con i documenti caricati e i loro vettori in Weaviate e Postgres. Ogni riga di questa pagina ha 80 GB o più; le righe da 200 GB e 300 GB sono per una vera libreria di documenti.
Dify, n8n o Flowise?
Dify è una piattaforma per app LLM: prompt, agenti, RAG e workflow costruiti attorno ai modelli, con un'interfaccia chat e API per il risultato. n8n è automazione generica che dispone anche di nodi AI. Flowise era un builder visuale per LangChain; i suoi maintainer hanno chiuso il progetto ad agosto 2026, e la sua pagina spiega cosa significa per chi lo usa ancora. Tutti e tre girano sulle stesse macchine, e abbiamo una pagina per ciascuno.