github

Dify开源AI应用开发平台深度体验

📅 2026/7/31 👁️ 0 阅读 ✏️ 2026/7/31 更新

Dify开源AI应用开发平台深度体验

在AI应用开发领域，如何快速将大模型能力转化为可用的产品是一个核心挑战。Dify 作为一个开源的 LLM 应用开发平台，通过可视化编排、RAG 管道和 Agent 能力，大幅降低了AI应用的开发门槛。本文将深度体验 Dify 的核心功能。

Dify 是什么

Dify 是一个开源的 LLM 应用开发平台，它的定位是"AI 应用的 IDE"。核心能力包括：

  • 可视化工作流编排：拖拽式构建复杂AI流程

  • RAG 管道：开箱即用的知识库功能

  • Agent 能力：支持工具调用的智能体

  • Prompt IDE：可视化提示词工程

  • 多模型支持：对接 OpenAI、Anthropic、Ollama 等

  • API 即服务：一键发布为 API 接口

    • 部署安装

    Docker Compose 部署（推荐）

    bash
    # 克隆仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制环境变量配置
cp .env.example .env

# 启动服务
docker compose up -d

# 访问 http://localhost/install 完成初始化

    环境变量关键配置

    bash
    # .env 文件关键配置
# 模型提供商配置
OPENAI_API_KEY=sk-your-key
ANTHROPIC_API_KEY=sk-your-key

# 本地 Ollama 连接
OLLAMA_API_BASE_URL=http://host.docker.internal:11434

# 向量数据库（默认使用 Weaviate）
VECTOR_STORE=weaviate

# 文件存储
STORAGE_TYPE=local
STORAGE_LOCAL_PATH=/app/api/storage

    核心功能体验

    1. 创建AI应用

    Dify 支持四种应用类型：

  • 聊天助手：多轮对话应用

  • 文本生成：单次文本生成任务

  • Agent：具备工具调用能力的智能体

  • 工作流：可视化编排复杂流程

    • 2. Prompt 工程（Prompt IDE）

    Dify 的 Prompt IDE 让提示词调试变得直观高效：

    yaml
    # 聊天助手配置示例
名称: 技术文档翻译助手
模型: qwen2.5:14b
温度: 0.3
最大Token: 4096

系统提示词: |
  你是一位专业的技术文档翻译专家。
  请将用户输入的英文技术文档翻译为中文，要求：
  1. 保留原文的技术术语（首次出现时附上英文）
  2. 代码块和命令不翻译
  3. 保持原文的格式和结构
  4. 翻译自然流畅，符合中文技术文档习惯

开场白: "你好！我是技术文档翻译助手，请输入需要翻译的英文技术内容。"

    3. RAG 知识库

    这是 Dify 最强大的功能之一。创建知识库的流程：

    步骤1：上传文档

    支持 PDF、Word、TXT、Markdown、CSV 等多种格式。

    步骤2：分段设置

    python
    # Dify 的分段策略配置
分段方式: 自动  # 或自定义
分段长度: 500    # 每段最大字符数
分段重叠: 50     # 相邻段重叠字符数
清洗规则: 去除多余空格和换行

# 索引方式
索引方法: 高质量  # 使用向量嵌入
嵌入模型: bge-large-zh  # 中文嵌入模型

    步骤3：检索配置

    yaml
    检索模式: 混合检索  # 向量 + 关键词
Top-K: 5
Score阈值: 0.5
重排序: 开启
重排序模型: bge-reranker-large

    步骤4：在应用中关联知识库

    在应用设置中关联知识库后，AI 回答时会自动检索相关文档片段作为上下文。

    4. 工作流编排

    工作流是 Dify 最具特色的功能，支持可视化拖拽编排：

    yaml
    # 示例工作流：智能客服
节点1 [开始]:
  输入变量: user_question (string)

节点2 [知识库检索]:
  查询变量: {{user_question}}
  知识库: 产品FAQ
  Top-K: 3

节点3 [条件判断]:
  条件: 检索结果.score > 0.7
  是 -> 节点4
  否 -> 节点5

节点4 [LLM生成]:
  模型: qwen2.5:14b
  系统提示: 基于检索结果回答用户问题
  上下文: {{节点2.results}}
  用户输入: {{user_question}}

节点5 [LLM兜底]:
  模型: qwen2.5:14b
  系统提示: 知识库中未找到相关信息，请礼貌告知用户并转人工客服
  用户输入: {{user_question}}

节点6 [结束]:
  输出: {{节点4.text}} 或 {{节点5.text}}

    工作流支持的核心节点类型：

    | 节点类型 | 功能 |
    |---------|------|
    | LLM | 大模型推理 |
    | 知识库检索 | RAG检索 |
    | 条件分支 | 逻辑判断 |
    | 代码执行 | 运行Python代码 |
    | HTTP请求 | 调用外部API |
    | 模板转换 | 变量拼接 |
    | 变量赋值 | 数据处理 |
    | 迭代 | 循环处理 |

    5. 代码节点实战

    在工作流中可以插入代码节点执行自定义逻辑：

    python
    # 代码节点示例：提取并格式化信息
def main(user_input: str) -> dict:
    """从用户输入中提取关键信息"""
    import re

    # 提取邮箱
    emails = re.findall(r'[\w.-]+@[\w.-]+\.\w+', user_input)

    # 提取手机号
    phones = re.findall(r'1[3-9]\d{9}', user_input)

    # 提取URL
    urls = re.findall(r'https?://[\w./-]+', user_input)

    return {
        "emails": emails,
        "phones": phones,
        "urls": urls,
        "has_contact": bool(emails or phones),
    }

    6. Agent 智能体

    Dify 的 Agent 支持工具调用，可以执行搜索、计算、API调用等操作：

    yaml
    Agent配置:
  模型: qwen2.5:14b
  策略: Function Calling  # 或 ReAct
  
  工具:
    - 联网搜索 (Tavily/SerpAPI)
    - 数学计算
    - 网页抓取
    - 自定义HTTP工具
    - DALL-E 绘图
    - 代码解释器

  最大迭代次数: 5

    7. 自定义工具（API工具）

    你可以将任意外部 API 注册为 Dify 工具：

    yaml
    # 自定义工具配置
工具名称: 天气查询
描述: 查询指定城市的天气信息

OpenAPI Schema:
  openapi: 3.0.0
  info:
    title: Weather API
  paths:
    /weather:
      get:
        summary: 查询天气
        parameters:
          - name: city
            in: query
            required: true
            schema:
              type: string

鉴权:
  类型: API Key
  Header: X-API-Key
  值: your-api-key

    API 发布与集成

    发布为 API

    Dify 可以将任何应用一键发布为 REST API：

    python
    import requests

# Dify API 调用
API_URL = "http://localhost/v1/chat-messages"
API_KEY = "app-your-api-key"

response = requests.post(
    API_URL,
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json",
    },
    json={
        "inputs": {},
        "query": "Dify支持哪些向量数据库？",
        "response_mode": "streaming",
        "user": "user-123",
    },
    stream=True,
)

for line in response.iter_lines():
    if line:
        print(line.decode())

    嵌入到网页

    html
    <!-- Dify 聊天气泡嵌入 -->
<script>
  window.difyChatbotConfig = {
    token: 'your-app-token',
    baseUrl: 'http://localhost'
  }
</script>
<script src="http://localhost/embed.min.js" defer></script>

    运维与扩展

    数据库管理

    bash
    # Dify 使用 PostgreSQL + Redis + Weaviate
# 查看服务状态
docker compose ps

# 查看日志
docker compose logs api --tail 100

# 数据备份
docker exec dify-postgres pg_dump dify > dify-backup.sql

    性能调优

    bash
    # .env 性能相关配置
# 工作线程数
SERVER_THREAD_WORKERS=10
# Celery Worker 数量
CELERY_WORKER_CLASS=gevent
CELERY_WORKER_AMOUNT=4
# 向量检索缓存
RETRIEVAL_CACHE_ENABLED=true

    Dify vs 其他平台

    | 特性 | Dify | LangChain | Flowise |
    |------|------|-----------|---------|
    | 可视化编排 | 优秀 | 无 | 良好 |
    | RAG能力 | 开箱即用 | 需手动构建 | 基础 |
    | Agent | 支持 | 支持 | 基础 |
    | API发布 | 一键 | 需自己写 | 支持 |
    | 多用户 | 支持 | 无 | 无 |
    | 学习曲线 | 低 | 高 | 低 |
    | 生产就绪 | 是 | 需封装 | 一般 |

    总结

    Dify 是目前功能最完整的开源 LLM 应用开发平台。它的可视化工作流编排让复杂AI流程的构建变得直观，RAG 管道开箱即用，Agent 能力让应用更加智能，而一键 API 发布则让集成变得简单。无论你是想要快速构建原型，还是部署生产级AI应用，Dify 都是一个值得深入使用的平台。对于企业团队，Dify 的多用户管理和权限控制也满足了协作需求。开源的力量让你可以完全掌控AI应用的每一个环节。

    💬 评论区 (0)

    0/500

    暂无评论，快来抢沙发吧！