dify.AI之介

dify者，开源之LLM應用開發平台也。自Agent構築至AI工作流排布，兼RAG、agent等，皆所支持。具檢索策略、模型管理等能，可輕易構築運營AI應用。

至要者，比LangChain更易用，且有好觀之節目。
欲觀部署安裝之教，直點本文目錄。

Dify涵蓋生成式AI原生應用所需之核心技術樁，開發者可專注於創造應用之核心價值。

Dify主要特徵、優勢及能：

Dify之特徵與優勢：

1. Dify，其利在：安全之数据通道，高信之索引检索，便适之提示词编辑，多模之切换，推演之观测，日志之记录，数据之标注，模型之训练，微调之术，化简AI研发，定制Agent之自动化，AI工作流之编排，诸般优势备焉。由是，数据得安，开发得效，模型得优，智能得自，工作流得理，助开发者轻便，灵活构建AI之用。

dify之基本功能组成

功能特性列表

成器之道，

Dify中所言“器”，乃基于大言模型所成之实景器用，意在融大言、RAG与低码技于特需。此器合AI器用范式与具象交付物，予开发者：

• 封装和易之API：后端或前端器可直接调用，以Token鉴权，简其集成之程。
• 开箱即用、雅致托管之Web器：供模版以供再开，速成用户界面。
• 易用之界面：集提示词工、上下文管、日志析与标注之能，升开发之效。

开发者可据需，灵择全部或部分之能，助AI器用高效开发。

器之类别

Dify 提供五种应用之型：

1. 對話之助，以大語言模型為基，構築對話式互動。
2. 文生成之用：向文生成类之务者，若撰述故事、文分类、译等。
3. 智能之助，能析事理，明辨思虑，召用器用，以言相答者也。
4. 對話流Chatflow(聊天流程)适于设复杂程之多元对话，具记忆之能，可动态调程。
5. 工法（Workflow）：适于自动化、批理等单轮生成类务之境，以序编应之式，单向成果。

各类应用之功能异同，具见表格。

以达大模型

初用之际，须先于Dify之设（右上角）——模型供应商页，添置并调适所需之模。

Dify已纳众主流模型供应商，如OpenAI之GPT系列、Anthropic之Claude系列，及deepseek等。诸模之能及参数各殊，用户可据应用之境择适之供。

若于本地，可用ollama或lmstudio或gpustack以布模，接入甚便。

欲用商用大模型之能，须于各大模型厂商官网取API Key。

模型分类

Dify将大模型依使用之境分为四类：

1. 对辩推论之巨模，用于创制应用、智谈应答、名题生成及续问之策。所附之供者有 OpenAI、Azure OpenAI Service、Anthropic、Hugging Face Hub、Replicate、Xinference、OpenLLM、讯飞星火、文心一言、通义千问、Minimax 与 ZHIPU(ChatGLM)。
2. 嵌合巨模，用于知库文段之嵌合及问者之应。所附之供者有 OpenAI 与 ZHIPU(ChatGLM)，及 Jina AI(Jina Embeddings)。
3. 重排巨模，用于优化 LLM 之索得。所附之供者有 Cohere 与 Jina AI(Jina Reranker)。
4. 音转文巨模，用于化音为文。所附之供者有 OpenAI。
5. 文字转语音大模型：不复多言。

模型供应商之别

模型供应商，类有二：

• 自有模型：供自研之模，如 OpenAI 与 Anthropic。
• 托管模型：供第三方之模，如 Hugging Face 与 Replicate。

接入之法

• 自有模型供应商：设对应供应商之 API Key，Dify 自能接入该供应商下所有模型。
• 托管模型供应商：接入之法稍异，须依具体供应商之要求而配置。

安全保障

Dify 以 PKCS1_OAEP 之术藏用户所托 API 密钥，每户各配独立钥对，以保密钥无虞，防其泄走。

设默认模型

Dify 需模型时，依境择所设默认模型。于 设置 > 模型供应商 中设之。

接模型设

于 Dify 之 设置 > 模型供应商 中设所接模型。系统默认推理模型(System Reasoning Model)：设为创应用所用默认推理模型，及对话名生成、次问建议等亦用此默认推理模型。

用模型

模型既设，即可于应用中用之：

于 Dify 之工坊，创应用有三途：

• 依模板而立（初学者宜之）
• 创一空应用
• 以 DSL 文（在乡/在远）而立应用

从模板立应用

初涉 Dify，于应用之立或生疏。为助初学者速晓 Dify 所能构何类应用，Dify 之提示词师已制多境、高质之应用模板。

可于导航择「工坊」，于应用列中择「从模版立」。

从模板立应用

任择一模板，加之于工区。

立新应用

若欲于 Dify 中创一空应用，可自导航择「工作室」，于应用列中择「从空白创建」。

Dify之上，可创四类异构之应用，曰聊天助手，曰文本生成之用，曰Agent，曰工作流。

创制应用，须为应用命名，择适切之图标，或上传所爱之图像为图标，并撰明畅之文字以述其用途，俾后续应用于团队内得用。

谈天说地之助

對話型應用，一問一答，與人持續交談。

创制应用

于首页，点击“创建应用”之钮，以立应用。书应用之名，择应用之型，曰聊天助手。

编排之用

创应用毕，自转至应用概览页。点左侧菜单“编排”，以编应用。

填示词。

示词用以约AI，使应更专，更精。可藉内置示词生器，撰适示词。示词内可插表单变量，如{{input}}。示词中变量之值，将易为用户所填。
例：

1. 入示词令，求给面试场景之示词。
2. 右框自生示词。
3. 可在示词内插自变量。

为善用者之体，可加对话始白：你好，{{name}}。我是你的面试官，Bob。你准备好了吗？。点页底“加功能”钮，启“对话始白”之能：

制题启言之际，犹可增数问以发端：

设境

欲使 AI 对答之域囿于知识库中，如企业之客服应答规范，可于“设境”内引知识库。

添文上传

今多模态 LLM 已原生能处文书，如Claude 3.5 Sonnet或Gemini 1.5 Pro。其文上传之能，可于 LLM 官方之府察其情状。
择具读文件之 LLM，启“文牍”之能。无需繁设，则当 Chatbot 具识文之能。

调适

于右填用户所入，以试其效。

若 LLM 所答不惬，可调其辞，或易其下模型，以较其效。欲更进之，欲观异模于同问之答，可参多模调适。

布用

调适既毕，击右上“布”钮，以成独立 AI 之用。除以公 URL 体验此用外，亦可依 APIs 为二次开，或纳于网内等事。详可参布用。。

Agent智能助手

择智能助手之推理模型，其能成务，系于模型推理之智，吾等建议，用智能助手时，择推理智更强之模型系列如deepseek，以得更稳之成务效果。

汝可于“提示词”中著智能助之命，欲求更优之效，宜明其任、定其程、备其资、设其限。

增所需之器。

于“上下文”中，可添智助可询之知识库器，助其得外境之识。
于“工具”中，可添所需之器。器可扩 LLM 之能，若联网索、科计、绘图，赋而强 LLM 之能，使其通外世。Dify 提供二类之器：一方之器与自造之器。
汝可直接用 Dify 生态所供之一方内置器，或易导入自造之 API 器（今支持 OpenAPI / Swagger 与 OpenAI Plugin 规范）。

"工具新能，俾用户假外力，于Dify之上成更雄之AI应用。譬如，汝可为智能助理型应用（Agent）配置适器，其能以务理、步析、调用工具新能，成繁务。"
复有器，可便通汝之用与诸系统或务相接，与外境互应。若代码之施、专有信息源之访等。汝但于言辞中及需调用之器名，即自能唤之。

设代理

于 Dify 之上，为智能辅佐设 Function calling（函数调用）与 ReAct 二种推演之式。已通 Function Call 之模型系列，如 gpt-3.5/gpt-4，其效更优，其稳更固。未通 Function calling 之模型系列，吾等亦设 ReAct 推演之架，以成相似之效。
于 Agent 配置之中，可更易助手迭次之限。

函数调用之式

添文件上传

部分多模态 LLM 已原生支持处理文件，例如 Claude 3.5 Sonnet 或 Gemini 1.5 Pro。
择具读文件之LLM，启“文牍”之能。无需繁设，则今Chatbot得识文书。

编成智能助手，未布为用，可试演而观其效。

试演与预览

编成智能助手，未布为用，可试演而观其效。

用之发布

用之器箱

于“工坊——用之编排”中，点“添能”，启用之器箱
用之器箱，为Dify之用供异能：

对谈之始语

于应答之属，AI 自启其言，或设问以发端，汝可修整其辞，涵开场之问。用此应答之始，可导人以问，明应之境，减启问之艰。

次问之议

设次问之议，则每应答毕，AI 可据前语续生三问，导启次轮之谈。

文转声之术TTS

启之，则AI之复可化自然之声而播之。

声转文之术ASR

启之，则于应内可录声，自化之文。

引据与归宗

功能既启，则 LLM 引用知识库以应问时，可于答下察得引段之详，含原文分段、序号、匹配度等。
详述请参引用与归属。

内容审查

吾辈与 AI 互应，每于内容安泰、体验佳妙、律法周全等处，求之甚苛。是故需“敏感内容审查”之能，为终端者营一更善之互应境。
详述请参敏感内容审查。

标注回复

标注回复功能，经人工编辑标注，为应用提供可定制之高质量问答回复能力。

工作流

基本介绍

工作流者，将繁任务分解为小步骤（节点），以降系统之复杂，减对提示词技术及模型推理之依赖，增 LLM 应用于繁任务之效能，升系统之可释性、稳定性与容错性。
Dify 工作流，分二类：

• Chatflow：面向对话之境，包客户服务、语义搜索、及其他构建响应时需多步逻辑之对话式应用。
• Workflow：面向自动化与批处理之境，适高质量翻译、数据分析、内容生成、电子邮件自动化等应用。

为解自然语言输入中用户意图之繁复，Chatflow设问题理解类节点。较之Workflow，增Chatbot特性之支持，如：对话历史（Memory）、标注回复、Answer节点等。
为解自动化与批处理情景中复杂业务逻辑，工作流供丰富逻辑节点，如代码节点、IF/ELSE节点、模板转换、迭代节点等，除此之外亦将供定时与事件触发之能，便构建自动化流程。

常见案例

• 客户服务

通过将LLM集成于客户服务系统中，可自动化回答常见问题，减支持团队之劳。LLM能解客户查询之上下文与意图，并实时生成有益且精准之回答。

• 内容生成

无论尔需撰文立说、述物明理，抑或营谋宣达，LLM皆可助尔以生成佳作。但须赐以大纲或主旨，LLM将恃其渊博之智库，撰制引人入胜、事理丰赡且条理井然之文辞。

• 任务自为之务

可与之众务管理系统相合，如Trello、Slack、Lark等，以自动化项目与任务之管理。藉自然语言之理，LLM能通晓解释尔之输入，制任务、更状态、定优先，无需手自操持。

• 数据分析与报告

可施于分析宏富之智库，以生成报告或摘要。尔但予相关信息于LLM，其能辨识趋势、模式与洞见，化原始之数据为可行之智。于欲据数据以决事者，此尤可贵。

• 邮件自为之理

LLM 可用以草拟尺牍、社交之更新及其他交际文书。但得简明之提纲或要旨，LLM 即能生成结构井然、脉络相承且合乎境脉之文辞。如此则可省时良多，且使应答明晰而专业。

要义

节点
节点乃工作流之要构，由之联接异能之节点，遂能施行工作流之诸般操作。
工作流之枢要节点，请参节点说明。

变量
变量用以贯通工作流前后节点之输入与输出，以成流程中繁复之处理逻辑，含系统变量、环境变量及会话变量。

Chatflow

适于对答之境：
主对话之场，涵客户之助、意语之索，及诸需累步构应之对答应用。其异在能于生成之果，行多轮对答，调其生成。
常对之途：示令→生文→就文多论→重生其果→终事

作业之序

适于自动化与批理之境：
主自动批理之场，宜高质译事、数理析事、文生事、邮电自动等应用。此类应用，无以行多轮对答于生成之果。
常对之途：示令→生文→终事

应用之别

1. 终节点者，Workflow之终节点也，惟于流程既竟时方得选用。
2. Answer节点者，属Chatflow，用以流式输出文辞，复支持于流程中途发之。
3. Chatflow内置记忆（Memory），用以储传多轮对话之往昔，可在LLM、问题分类等节点内启之，Workflow无记忆相关配置，故不可启。
4. Chatflow之始节点内置变量有：sys.query，sys.files，sys.conversation_id。sys.user_id者，工作流之始节点，内置变量有二：sys.files，sys.user_id。

乃构工作流

一、立工作流

此间，吾辈立一空应用，择工作流：

随意命名，击“立”则成。

二、立流程节点

继之，吾辈立流程节点。前步既成，自显流程节点之画布，复有“始”之按钮：

依前流程而行。

1）设标题之提示，设内容之提示。

启按“开始”，设二值：一为题旨，一为文旨。

既成，则见面板增二字段。

2）以AI制题

于前步面板之“下一步”，

添一LLM模型：

此间可择多模，依需而定。吾之需，乃以模型制题，故择LLM，既添，则见节点增一LLM：

于此设LLM之模即可：

唯设上述四事，今略言之：

BASIC

1、system部分其实就是我们给ai的提示语，也就是给他场景和要求。
2、user部分主要是作为用户传递的一些特定指向的注释信息。

3）以AI制文

次之上诉二之位，复添一LLM于其下，用以成文：

四）合标题与正文

于此之上诉三之面板，择次步，增一模板转换，以取前之标题内容，其文需自为编辑：

五）终此流程

于此上诉四之面板，增次节点为终，设其输出之讯：

至此，吾等之全流程已成，画布中当显其全貌：

三、试运行

流程既定，可择运行之钮以试之：

既点运行，则示以入标题正文之提示，如左图所示：

可依己需而填，填毕，击“开始运行”，少顷即见其果：

此乃Dify中用工作流之例，上多演示，未多言，盖此可依己需而制，非千篇一律之论，然其要者，吾等于此仍明示之：

一、用工作流之先，必将一事析之，使每步相合，可联贯也。

二、欲启AI，则择LLM节点；欲为他事，则择他节点。

三、AI之用，其精在提示语，即System之述，宜详尽之。

四、凡提示语，皆可于网中索之。

知识库之用

一、备知识库
此间备置之知识库格式，几无限制。若遇对答之境，常择QA为式，如客服之辞令，尤相宜。是故，吾于网间觅得客服相关之术语，其文如下：

### 新项目之创法如何？欲创新项目，但右上角“新建项目”之钮，入项目名，择项目模版（若存），然击“创建”。项目自现于汝之项目列中。### 任务之截止日如何添？于任务详页，击截止日区，择一日并存。任务之截止日自现于任务列中。### 与Google Calendar之同步如何？入“设置”页，觅“集成”选，择“Google Calendar”，依提示授权同步。同步后，所有项目任务之截止日自现于汝之Google Calendar中。### 可为任务设优先级乎？可也。于任务详页，击“优先级”之下拉，择“高”、“中”或“低”。设后，优先级自现于任务列中。### 汝之账户邮箱地址如何改？入“账户设置”页，于“个人信息”部，击邮箱地址旁“编辑”之钮，入新邮箱地址并存。需新邮箱验证后，方可成改。### 密码遗忘，当如何处？于登录页，击“忘记密码”之链，入注册邮箱地址，吾将发重置密码之链至汝之邮箱。依链可设新密码。### 团队成员如何邀入项目？于项目页，击“邀请成员”之钮，入欲邀成员之邮箱地址，并择其角色（如管理员、编辑者等）。击“发送邀请”后，对方自收邀请邮件。### 汝之订阅计划如何观？往“账户设置”页，于“订阅”部，可观当前订阅计划、次计费日及费用明细。### 订阅计划如何升？于“账户设置”之“订阅”部，击“升级计划”之钮，择欲升计划并确认付款。升级立时生效，费用依比例计算。### 可否取消订阅？可也。于“账户设置”之“订阅”部，击“取消订阅”之钮，依提示完成取消。取消后，仍可用付费功能至当前计费周期终。### 任务列不见，当如何处？请确认是否择正确项目。于左侧栏项目列中，重新择项目。若问题犹存，请刷新页面或退出重登录。### 通知邮件未收，为何？请检通知设置，确认是否开启相关通知。若已开启仍未收，请检垃圾邮件箱，并加吾之邮件地址于汝之联系人。### 系统示“操作失败”，当如何处？此或网络问题所致，请检网络连接并重试。若问题犹存，请联系客服并提供错误信息及截图。### 系统更新后，数据部分失，如何复？若系统更新后遇数据失，请立即联系客服。吾将助汝通过系统备份恢复失数据，但请尽量于问题发生后24小时内联系。### 软件漏洞如何报？若发现软件漏洞，请入“帮助中心”，击“报告问题”，择“安全漏洞”，并填相关信息。技术团队自尽快处理。### 项目无法载，当如何处？请先检网络连接，并尝试于他设备上访问。若问题犹存，请清浏览器缓存或尝试他浏览器。若问题未解，请联系客服。

于此创一空文，将上所载者录之，而后存之，名曰：客服知识问答语料库.md。其状如左：

二、增知识库

次当访Dify之dashboard，觅上方之知识库，择而创之：

取“导入既有文本”（余二项“nation”与“web站点”俟后论之），将前所录《客服知识问答语料库.md》上传之

复点“下一步”

既存，则于智库之下可见前所加之料

三、用智库
智库既加，当用之，故吾等返于前所创之聊器，入之

上图可见上下文，吾等择添加，以入前所加之智库

既入，则于右可调试预览

择与智库相近之题以问之，如：Google Calendar何以同步？

少待片刻，吾等观其应之果如何：

可见此间之答，几与客服之辞相合。盖Dify上所增之知识库，已被模型所识，而用之也。终乃发布此模型：

发布既毕，凡所交谈，皆依当前知识库而匹配引据。

职场犹游戏也，然游戏非人生之全。勿太萦怀眼前之得失，亦勿常为焦虑所缚。当致力积累底气，俟将来，必感念今日之己。盖彼时，方知人生之主动权，终操于己也。

附录二：部署本地Dify

是时，吾等当示Dify之部署安装，并合前之大模型以相交互。

一、安装docker环境

Dify之安装，简而易为。直以docker启之即可，故必先确保服务器有docker及docker-compose之环境。

docker之安装，可参《docker》。

docker-compose之安装，可参《docker-compose安装》。

二、clone dify源码

Dify乃开源之码，故需自GitHub克隆其码于本地：

输入指令；

git clone https://github.com/langgenius/dify.git 

如左图所示：

三、启Dify

既而启Dify，入dify/docker目录，可见docker-compose.yml之文在焉。

执如下之令以启之：

#拷贝env文件
cp -r middleware.env.example .env

#执行环境
. .env

#启动dify
docker-compose up -d

稍待片刻，Dify即启毕。

启毕之后，以docker ps观之，有十docker之实例运行于上。

四、访Dify

既而可于浏览器中访Dify，输入服务器之IP即可。http://128.0.0.1或localhost。端口乃默认之八十。初访需设管理员之户：

设之既毕，将跃转至登录之页，入此前设之管理员信息，便可访问：

五、集成Qwen3-8B

今当承继qwen3-8b大模型，首当入Dify之dashboard，点右上角之头像，可见设之按钮：

点设之按钮，择模型之供，因吾等于此添前在本地部署之ollama，故此择ollama：

此处所填之信息如下

模型名称：填写 qwen3:8b

此中模型之名不可随意填写，须填于服务器上运行之名，即下图：

若书他名，则配置ollama必示404未觅，故于此须慎，所填之名即运行之模名，字符串必全然一致。

基础URL: 这里填写服务器的ip+11434端口即可，例如：http://192.168.1.129:11434
如果ollama在本地，那就是127.0.0.1或者localhost

必加前缀于此http://iPhone (iPhone)，且端口为11434，吾等前已将11434端口改为0.0.0.0/0以供访问。

所余信息悉可依默认，吾所填示例如此。

终而存之。

继之者，创应用之阶也。择聊助，立一空应用。

填名述状，点创即入聊助之用。

继而于右上隅，得见前所添之qwen3:8b模型：

但启右上小牖上之发布键

即入聊境而语，例如是：

岂非甚便。

尤当留意者，此应答之速，系于服务器之配置，若吾处为8C16G之设，发问时CPU已竭，应答亦候时良久。

此乃吾用dify集成本地部署之qwen3:8b大模型之例。后当逐次述如何集成本地知识库等例，以契业务之境。

附录二：析Dify官式工作流十四例

SEO博客文章生成器(SEO Blog Generator)

情志辨析

客评剖析之序章

郵件助手之勢也(Email Assistant Workflow)

文本摘要之工法

长篇叙事之工法（Long Story Generator）

三步译事之序（Three-Step Translation Workflow）

典籍译述之序(Books Translation)

依Jina Reader之能，为网站作要言

网页内容搜检与撮要之务

Dify工作流之助

问题分类之器 + 知识 + 聊天之偶

知识检索之偶

Email自动回复之务

Dify.AI之资

• 开发之具：含Prompt IDE及诸般API，用于开发与集成生成式AI之应用。
• 文牍与扶持：备详尽之文牍，并施技道之助，俾开发者速成，解其困厄。

社群与生境：或涵开发者之群、夥伴及生境，以促智识共享，合而共济。