Dify 配置 DeepAI API 中转站教程：OpenAI Compatible 模型从添加到测试

如果你只是想让 Dify 先跑起来，不需要一开始就研究所有模型供应商、插件机制和工作流架构。

最简单的思路是：把 DeepAI API 中转站当作一个 OpenAI Compatible API 来源，在 Dify 的模型供应商里添加它，然后先配置一个聊天模型测试。等聊天模型跑通以后，再继续配置 Embedding、Rerank 和复杂 Workflow。

这篇文章按教程方式来写，尽量让你照着做就能完成第一次接入。

本文示例：

DeepAI Base URL: https://api.deepai.wang/v1
API Key: YOUR_DEEPAI_API_KEY
Model ID: 以 DeepAI 控制台可用模型为准

如果你还没有 DeepAI Key，先打开 DeepAI API 中转站创建令牌：

https://api.deepai.wang/

配置前准备

开始之前，先准备 4 样东西：

一个可以登录的 Dify 工作区；
工作区管理员或所有者权限；
DeepAI API Key；
一个确认可用的 DeepAI 模型 ID。

注意，Dify 的模型供应商配置通常是工作区级别的，不是单个应用里的临时配置。如果你不是管理员，可能看不到模型供应商设置，或者无法新增模型凭据。

如果你不确定 DeepAI API 本身是否可用，建议先用 curl 测一次：

从 curl 到 Python：如何确认 DeepAI OpenAI 兼容接口真的能用

API 本身能通，再进 Dify 配置，会少很多无效排错。

第一步：进入 Dify 模型供应商设置

右上角头像 / 工作区设置 → 设置 → 模型供应商

不同版本的 Dify 界面可能略有差异，但关键词一般是：

设置；
Workspace / 工作区；
Model Providers / 模型供应商；
OpenAI API-compatible；
OpenAI-API-compatible；
自定义模型供应商。

如果你找不到 OpenAI API-compatible，可能是插件没有安装、版本界面不同，或者你没有管理员权限。

第二步：找到 OpenAI API-compatible

在模型供应商里，找到类似下面的选项：

OpenAI API-compatible

有些版本可能显示为：

OpenAI-API-compatible

它的作用是让 Dify 通过 OpenAI 兼容协议接入第三方模型接口。DeepAI API 中转站如果按 OpenAI Compatible API 使用，就适合通过这个入口配置。

不要把这里理解成“只能接 OpenAI 官方”。

更准确地说，它接的是“接口格式兼容 OpenAI 的服务”。DeepAI 的 Base URL 和 API Key 就是在这里填。

如果你还没弄清 OpenAI Compatible API 是什么，可以先看这篇：

OpenAI Compatible API 是什么？Base URL、API Key、Model ID 与 DeepAI 接入教程

第三步：添加聊天模型

第一次配置，建议先添加聊天模型，也就是 Dify 里常见的 LLM / Chat Model。

不要一开始就同时配置 Embedding、Rerank、TTS、Speech2Text。先让一个普通聊天模型跑通，后面排错会清楚很多。

常见配置项大致如下：

配置项	应该怎么填
模型类型	LLM / Chat / 对话模型
模型名称	从 DeepAI 控制台复制可用模型 ID
API Key	DeepAI 控制台创建的令牌
API Endpoint URL / Base URL	`https://api.deepai.wang/v1`
上下文长度	不确定时先用默认值，后续按模型能力调整
最大输出长度	先用保守值，避免测试阶段超长输出
Function calling / Tool call	只有确认模型支持时再开启

这里最重要的是模型名称。

不要写简称，比如：

gpt4
claude
deepseek
sonnet

要写 DeepAI 控制台里实际支持的完整模型 ID。

第四步：保存并测试模型

填完以后，先保存，再测试模型。

测试时建议只发一句短问题：

请用一句话介绍 Dify 是什么。

如果这一步成功，说明 Dify 至少可以通过 DeepAI 调用聊天模型。

如果失败，先看错误类型：

报错	优先检查
401 / Authentication failed	API Key 是否来自 DeepAI，是否复制完整
404 / Not Found	Base URL 是否写成了完整 endpoint，或 `/v1` 路径错误
model not found	模型 ID 是否从 DeepAI 控制台复制
429	是否触发限速、余额不足或请求太频繁
timeout	网络、模型响应时间、Dify 超时设置

如果你不确定是 Dify 的问题还是 DeepAI API 的问题，用 curl 测同一个模型。curl 能通但 Dify 不通，重点查 Dify 配置。

第五步：创建一个最小聊天应用

模型测试通过后，不要马上搭复杂工作流。先创建一个最小聊天应用。

建议流程：

1. 新建应用； 2. 选择聊天助手或 Chat App； 3. 模型选择刚才添加的 DeepAI 模型； 4. Prompt 先保持简单； 5. 输入一句短问题测试； 6. 确认能连续对话。

这个步骤很重要。

模型供应商测试通过，只代表模型配置初步可用。最小聊天应用能跑通，才说明 Dify 应用层也能正常调用它。

第六步：如果要做知识库，再配置 Embedding

如果你只是做普通聊天，到第五步就够了。

但如果你要做知识库问答，必须继续配置 Embedding 模型。

Dify 的知识库需要把文档转换成向量。如果没有可用的 Embedding 模型，可能出现：

文档无法索引；
知识库导入失败；
RAG 应用无法回答资料内容；
检索不到相关片段。

配置 Embedding 时，注意这几个点：

配置项	说明
模型类型	Text Embedding
模型名称	DeepAI 控制台可用的 Embedding 模型 ID
API Key	建议继续使用 Dify 专用 DeepAI Key
Base URL	`https://api.deepai.wang/v1`
使用位置	知识库 / Dataset / RAG 应用

如果 DeepAI 当前控制台没有你需要的 Embedding 模型，就不要在文章或配置里强行写一个不存在的模型名。以后台实际可用为准。

第七步：RAG 效果不好时，再考虑 Rerank

Rerank 不是必须项，但对知识库问答很有帮助。

简单理解：

Embedding 负责先找出一批可能相关的内容；
Rerank 负责把这些内容重新排序；
Chat 模型负责基于最终片段生成答案。

如果你的 Dify 知识库出现这些问题，可以考虑 Rerank：

召回内容很多但不够准；
答案引用了不相关片段；
用户问题相似但文档表述不同；
知识库内容较多，检索质量下降。

配置 Rerank 时同样要确认 DeepAI 是否提供对应模型类型。不要把聊天模型当 Rerank 模型用。

第八步：再开始搭 Workflow

前面几步都通了，再开始搭 Workflow。

建议你先从最小 Workflow 开始：

开始节点 → LLM 节点 → 结束节点

跑通后，再逐步增加：

条件分支；
知识库检索；
多个 LLM 节点；
变量提取；
HTTP 工具；
Agent 节点。

不要一开始就把完整业务流程搭进去。

Dify Workflow 的一次运行，可能会触发多次 DeepAI API 调用。如果节点很多，消耗、延迟和报错概率都会增加。

如果你已经遇到工作流不稳定，可以看这篇排错文：

Dify 接入 DeepAI 后工作流跑不稳？别只检查 API Key

常见配置错误

1. 把完整接口路径填进 Base URL

错误示例：

https://api.deepai.wang/v1/chat/completions

多数情况下 Dify 要的是 Base URL：

https://api.deepai.wang/v1

2. 把 OpenAI 官方 Key 填到 DeepAI 地址里

Key 和 Base URL 必须属于同一个平台。

使用 DeepAI Base URL，就填 DeepAI API Key。

3. 模型 ID 写简称

不要写 gpt4、claude、deepseek 这种简称。

从 DeepAI 控制台复制完整模型 ID。

4. 没有配置 Embedding 就开始做知识库

知识库不是只靠聊天模型。没有 Embedding，文档无法正确向量化，RAG 效果也不会好。

5. 所有应用共用一个 Key

Dify、Cherry Studio、Cline、Open WebUI 最好不要共用同一个 DeepAI Key。

Dify 是应用平台，请求量可能比个人客户端更高。单独 Key 更方便看日志和控制成本。

配置完成后怎么验证

配置完不要只看“保存成功”。建议做 4 个测试：

测试 1：模型供应商测试

在模型供应商页面测试模型是否能返回。

测试 2：最小聊天应用

新建一个 Chat App，选择 DeepAI 模型，发一句短问题。

测试 3：知识库导入

如果配置了 Embedding，上传一个小文档，看能否完成索引。

测试 4：简单 Workflow

创建一个只有 LLM 节点的 Workflow，确认运行稳定。

四个测试都通过后，再扩展复杂应用。

继续阅读

如果你还没理解 OpenAI Compatible API、Base URL、Model ID 的关系，可以先看：

OpenAI Compatible API 是什么？Base URL、API Key、Model ID 与 DeepAI 接入教程

如果你想先验证 DeepAI API 是否可用，可以看：

从 curl 到 Python：如何确认 DeepAI OpenAI 兼容接口真的能用

如果 Dify 工作流已经开始报错或不稳定，可以看：

Dify 接入 DeepAI 后工作流跑不稳？别只检查 API Key

如果你还不清楚 DeepAI 和 Dify 的关系，可以看：

DeepAI 与 Cherry Studio、Dify、Open WebUI 的关系：谁负责前端，谁负责 API

FAQ

Dify 接 DeepAI 时应该选哪个供应商？

通常选择 OpenAI API-compatible 或 OpenAI-API-compatible 这类入口。它用于接入接口格式兼容 OpenAI 的第三方 API。

DeepAI Base URL 填什么？

常见写法是：

https://api.deepai.wang/v1

不要把 /v1/chat/completions 当作普通 Base URL 填进去。

Dify 需要单独配置 Embedding 吗？

如果你要做知识库或 RAG 应用，就需要。普通聊天应用可以先只配置聊天模型。

模型名称可以随便填吗？

不可以。模型名称要以 DeepAI 控制台可用模型 ID 为准。

Dify 可以和 Cherry Studio 共用一个 DeepAI Key 吗？

不建议。Dify 是应用平台，消耗和并发更高，最好单独创建一个 DeepAI Key。

总结

Dify 配置 DeepAI API 中转站，最稳的方式不是一口气把所有模型都加进去，而是先让一个聊天模型跑通。

先配置 OpenAI API-compatible，填入 DeepAI Base URL 和 API Key，添加一个确认可用的模型。测试通过后，再创建最小聊天应用。需要知识库时再加 Embedding，需要更好检索效果时再加 Rerank，最后再搭 Workflow。

这样做虽然多了几个验证步骤，但能避免你在复杂工作流里迷路。出了问题，也能快速判断是 DeepAI API、Dify 模型配置，还是工作流节点本身的问题。