Dify

9.0 / 10 🟡 中级

开源AI应用开发平台,支持可视化搭建AI工作流和智能体,无需编程即可构建AI应用

开源工作流AI Agent
📅 收录: 2026-06-13 🔄 更新: 2026-06-14

Dify 快速入门

开源 LLMOps 平台,可视化拖拽搭建 AI 应用、工作流、Agent 和 RAG 管道,生产级特性齐全。

这是什么?适合谁?

Dify(读音 “dee-fai”)是一个开源的 LLMOps 平台,和 Coze 类似支持可视化拖拽,但定位不同——Coze 偏「运营/客服场景的快速 Bot」,Dify 偏「开发者搭建生产级 AI 应用」。它提供完整工具链:可视化工作流编排、RAG(检索增强生成)管道、Agent 框架、模型管理、日志监控、API 导出。

适合这些用户:企业开发者——想搭建公司内部的 AI 应用(智能客服、知识库助手、文档分析),需要私有化部署、数据可控;AI 应用创业者——做 SaaS 产品,后端能力不想从零写,直接用 Dify 提供的 API;研究机构/学校——RAG、Agent 实验平台,又不希望被商业云绑定;以及希望「自托管」的团队——所有数据存在自己的服务器上,合规可控。

和同类产品(Coze、FastGPT、LangChain、Flowise)比,Dify 的差异是开源 + 全栈 + 生产就绪。Coze 是字节 SaaS,FastGPT 偏 RAG 而非全栈,LangChain 是代码库不是产品,Flowise 偏 workflow 而非应用。Dify 是少数「开箱即用 + 开源 + 全栈 + 生产特性」齐备的平台,内置日志、监控、版本管理、API 鉴权,从原型直接走到生产。

准备工作

  • Docker 24+ 和 Docker Compose:Dify 官方推荐 Docker 部署,这是最省心的方式。安装地址:https://www.docker.com/
  • 8GB 内存起步:本地跑 Dify 至少 8GB,推荐 16GB。
  • 至少一个大模型 API Key:OpenAI、Anthropic、DeepSeek、Qwen、智谱、月之暗面等所有 OpenAI 兼容服务都行。
  • 基础命令行知识:会用 cdlsdocker compose up 这种简单命令。
  • 付费提示:Dify 本体免费开源(商业版除外),调用大模型需要付费。DeepSeek、Qwen 性价比高,新手一个月几块钱够用。
  • 可选:云服务器(2 核 4G 起步,推荐 4 核 8G),部署在公网让团队用。

3 步快速上手

第 1 步:安装/访问

方法一(推荐):Docker Compose 部署

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

启动完成后,浏览器打开 http://localhost/install,第一次进入初始化向导,设置管理员账号。

方法二:Dify Cloud(免安装):不想自己部署,直接用 Dify 官方云 https://dify.ai,注册即用。免费版每月有 200 次消息额度,适合学习。生产环境建议自托管。

第 2 步:配置/初始化

1) 添加模型供应商:

登录后,右上角「头像 → 设置 → 模型供应商」,点「+」添加你想用的模型:

新手推荐先配 DeepSeek 或 Qwen,价格低、中文支持好。

2) 创建第一个应用:

回到主界面,点「+ 创建空白应用」:

  • 应用类型选「聊天助手」(新手推荐)
  • 编排方式选「基础编排」(可视化,最简单)
  • 输入应用名称和描述

第 3 步:跑第一个任务

步骤 1:加知识库

在应用编辑页右侧「知识库」→ 「+ 添加」 → 「导入已有文本」或「上传文件」,支持 PDF、Word、Markdown、TXT、CSV。上传后 Dify 自动分段、向量化(用配置的 Embedding 模型)。

步骤 2:测试对话

在应用编辑页右上角「调试与预览」区,输入:

这个产品支持哪些支付方式?

回车后,Dify 会:用 Embedding 把问题转成向量 → 在知识库找最相关 3 段 → 把文档塞进 Prompt 模板 → 调用 LLM 生成答案 → 在调试区显示答案+引用了哪些文档片段。

步骤 3:发布

点右上角「发布」 → 「发布更新」 → 选发布渠道(API、网页嵌入、浏览器扩展等):

  • API 模式:得到 OpenAI 兼容的 API endpoint,可在自己应用里调用
  • 嵌入网页:复制一段 HTML 嵌到你的网站
  • 浏览器扩展:Chrome 扩展,在任何网页上调用

常见踩坑

  1. Docker 启动失败,报 port 80 is already in use:80 端口被占用。编辑 .env 文件,把 NGINX_PORT=80 改成 NGINX_PORT=8080,然后重启。
  2. 模型调用报 Invalid API key:Key 复制时带空格,或 model 名字拼错。在「模型供应商」重新填 Key,确认没多余空格;核对 model 名字(比如 gpt-4o-mini 不能写成 gpt4o-mini)。
  3. 知识库检索不到内容:Embedding 模型没配,或文档没正确分段。在「设置 → 模型供应商」配置 Embedding(推荐 text-embedding-3-smallbge-large-zh);在知识库详情页点「测试检索」验证。
  4. Docker 容器反复重启:内存不够,数据库起不来。给机器加内存到 8GB 以上;或在 .env 里把 DB_MAX_CONNECTIONS 调小到 20。
  5. 嵌入网页后中文乱码:网页编码不是 UTF-8。在 HTML <head> 里加 <meta charset="UTF-8">
  6. 工作流节点报错:节点输入输出类型不匹配。鼠标悬停看错误提示,通常是上游输出 String 但下游要 Array,加「代码执行」节点手动转换。

初级用法

  • 用「工作室」模板快速开始:Dify 提供 50+ 模板,包括「客服机器人」「文档问答」「AI 翻译」「简历筛选」「SQL 生成器」等。点开模板 → 「使用此模板」 → 改改配置就能上线。
  • 用知识库 + 聊天助手做「企业知识问答」:经典用法——把公司手册、产品文档、FAQ 上传到知识库,搭 Chatbot,员工问什么 AI 答什么,降低新人培训成本。
  • 用工作流做「长文档总结」:拖一个工作流:输入 URL → 抓取网页 → 切分 → 逐段总结 → 合并输出。非常适合做「竞品分析报告」「论文摘要」。

高级玩法

  • 用 API 集成到自己的应用:Dify 应用发布后,会给 OpenAI 兼容的 API endpoint,可在自己代码里调用:
import openai
client = openai.OpenAI(
    api_key="你的 Dify API Key",
    base_url="https://api.dify.ai/v1"
)
response = client.chat.completions.create(
    model="你的应用名",
    messages=[{"role": "user", "content": "你好"}]
)
print(response.choices[0].message.content)
  • 写复杂 Agent 节点:Agent 节点支持自定义工具——可写一个 Python 函数(或 HTTP API),注册为工具,让 Agent 在需要时调用,比如「查询公司订单系统」「调用内部数据 API」。
  • RAG 高级检索:向量检索对很多场景够用,但「关键词检索」或「混合检索」效果更好。Dify 支持在知识库配置里切换检索方式(向量/全文/混合),还能调 Top K、相似度阈值等参数。

小技巧

  1. 本地开发用 Ollama 完全免费:不想花钱买 API Key,在本地装 https://ollama.com 跑开源模型(比如 Llama 3.1、Qwen 2.5),Dify 直接对接,完全免费。
  2. 善用「日志」功能调试:每次对话的完整 prompt、检索结果、LLM 响应都记在日志里,排查问题非常方便。
  3. 知识库分段大小影响检索质量:文档结构化强(标题清晰)用 500 字分段;口语化用 200 字;技术文档用 1000 字。
  4. 生产环境用外部数据库:默认 SQLite 适合开发,生产换 PostgreSQL(.env 里改 DB_TYPE=postgres 即可)。
  5. 用 API 而不是嵌入式:API 集成更灵活,可做用户鉴权、流量控制、监控告警,适合正式产品;网页嵌入只适合简单场景。

参考链接


本文基于官方文档和公开资料整理,AI辅助生成,MagicNetWorld 尚未完成独立实测。如有错误或过时信息,请通过 contact@magicnetworld.com 反馈。

同分类推荐

AI开发平台 分类下的其他工具