Dify — 开源 AI 应用开发平台完全指南

官方推荐的部署方式，包含所有依赖服务（PostgreSQL、Redis、Weaviate 向量数据库等）：

# 克隆 Dify 源码
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制环境变量文件
cp .env.example .env

# 启动所有服务
docker compose up -d

启动后访问 http://localhost/install 完成初始化设置（创建管理员账号）。

关键 .env 配置项：

适合需要二次开发的场景：

# 后端（Python）
cd api
cp .env.example .env
pip install -r requirements.txt
flask db upgrade
flask run --host 0.0.0.0 --port 5001

# 前端（React）
cd web
cp .env.example .env.local
npm install
npm run build
npm run start

依赖要求：
- Python 3.11+
- Node.js 18+
- PostgreSQL 15+
- Redis 7+
- 向量数据库（Weaviate / Qdrant / Milvus / pgvector 任选）

不想自己运维可以直接使用 Dify 官方云服务：
- 访问 cloud.dify.ai 注册账号
- 提供免费额度（200 次 GPT-3.5 调用）
- 付费方案从 $59/月起（Professional）
- 自动更新、备份、SSL、弹性扩缩容由官方处理
- 适合不想维护服务器的团队和个人快速验证

Dify 提供了强大的 Prompt IDE，支持可视化编写、测试和优化 Prompt：

核心特性：
- 变量插入：使用 {{变量名}} 语法动态插入用户输入或上下文信息
- Prompt 模板：预设系统 Prompt、用户 Prompt、助手 Prompt 的结构
- 多轮对话管理：自动维护对话历史，支持配置窗口大小
- 参数调优：Temperature、Top-P、Max Tokens 等参数可视化调节
- 调试与预览：实时预览 Prompt 效果，支持批量测试
- 版本管理：每次修改自动保存版本，支持回滚

Dify 支持统一接入 100+ 大语言模型，通过统一接口调用不同供应商的模型：

已支持的模型供应商：
- OpenAI：GPT-4o、GPT-4-turbo、GPT-3.5-turbo、Whisper、DALL-E 等
- Anthropic：Claude 3.5 Sonnet、Claude 3 Opus、Claude 3 Haiku 等
- Google：Gemini 1.5 Pro、Gemini 1.5 Flash 等
- Azure OpenAI：所有 Azure 部署的 OpenAI 模型
- 国产模型：通义千问、文心一言、智谱 GLM、MiniMax、月之暗面 Moonshot、DeepSeek 等
- 本地模型：Ollama、Xinference、LocalAI、LM Studio、vLLM 等
- Embedding 模型：text-embedding-3、bge-large、m3e 等
- Rerank 模型：Cohere Rerank、bge-reranker 等

Dify 的 Agent 功能允许 LLM 自主调用工具完成复杂任务：

Agent 策略：
- Function Calling：利用模型原生的函数调用能力（推荐，需模型支持）
- ReAct：思考-行动-观察循环，兼容更多模型

内置工具：
- Google 搜索 / Bing 搜索 — 实时联网搜索
- Wikipedia — 百科知识查询
- DALL-E / Stable Diffusion — 图像生成
- Wolfram Alpha — 数学计算
- 天气查询 / 股票查询 — 实时数据
- 代码解释器 — 执行 Python 代码
- 网页爬取 — 抓取网页内容

自定义工具：
- 通过 OpenAPI/Swagger 规范导入任意 API 作为工具
- 支持 API Key、OAuth 2.0 等认证方式
- 工具描述决定了 Agent 何时调用该工具，需要写清楚

Dify 支持创建多种类型的 AI 应用：

聊天助手（Chat）：多轮对话式 AI，支持知识库增强和工具调用
文本生成（Completion）：单次输入输出，适用于文案生成、翻译、摘要等
Agent（智能体）：自主规划和执行任务，可调用多种工具
工作流（Workflow）：可视化编排复杂 AI 流程，支持分支、循环、并行

每种应用都可以：
- 发布为独立 Web 应用（自带 UI）
- 通过 API 集成到你自己的系统
- 嵌入到网页中（iframe / JS Widget）

Dify 提供完善的运行日志和监控面板：
- 对话日志：查看每次用户交互的完整记录，包含 Prompt、模型响应、Token 用量
- 标注功能：对 AI 回复进行人工标注（赞/踩），积累训练数据
- 用量统计：API 调用次数、Token 消耗、活跃用户数等可视化图表
- 成本追踪：按模型、按应用维度统计 API 花费
- LangSmith / LangFuse 集成：支持将日志导出到第三方 LLMOps 平台做更深入的分析

构建一个能理解用户意图、查询知识库、多轮对话的客服机器人： 关键节点配置：
- 意图分类节点：用 LLM 判断用户意图（咨询/投诉/转人工）
- 知识库检索：关联产品文档和 FAQ 知识库
- 条件分支：根据意图路由到不同处理分支
- LLM 节点：基于检索结果生成自然语言回复

多步骤生成高质量长文本（如博客文章、报告）：

工作流步骤：
1. 开始节点：接收主题、目标读者、字数要求等参数
2. 大纲生成（LLM）：根据主题生成文章大纲
3. 分段撰写（循环 + LLM）：逐段展开撰写内容
4. 内容审核（LLM）：检查事实准确性、语法、连贯性
5. SEO 优化（LLM）：添加关键词、优化标题和描述
6. 结束节点：输出完整文章

让 AI Agent 自主规划并完成复杂任务：

示例 — 竞品分析 Agent：
- 配置工具：Google 搜索、网页爬取、代码解释器
- System Prompt：你是一位专业的市场分析师，请对给定的竞品进行全面分析
- Agent 会自动：搜索竞品信息 → 爬取官网 → 对比数据 → 生成分析报告

Agent 迭代次数：建议设置为 5-10 次，过多会增加成本和延迟
Max Token：Agent 需要更大的上下文窗口，建议 4096+

基于企业内部文档构建智能问答系统： 优化要点：
- 问题改写节点可以将口语化提问转为适合检索的关键词形式
- 设置 Top-K = 5-8，结合 Rerank 模型筛选最相关的片段
- 在 LLM Prompt 中要求模型引用来源，增加可信度
- 添加兜底逻辑：当检索结果相关度低时，提示用户换个方式提问

通过 Webhook 触发，实现与外部系统的自动化集成：

示例 — 自动处理客户反馈：
1. Webhook 接收来自表单/CRM 的客户反馈
2. LLM 分析情感倾向（正面/中性/负面）
3. LLM 提取关键问题和需求
4. 条件分支：负面反馈走紧急处理通道
5. HTTP 请求：将处理结果写回 CRM，发送通知给对应负责人

# Webhook 调用示例
curl -X POST https://dify.yourdomain.com/v1/workflows/run \
  -H "Authorization: Bearer app-xxxxx" \
  -H "Content-Type: application/json" \
  -d '{"inputs": {"feedback": "产品体验很差..."}}'

结合代码执行能力处理数据分析、计算类任务：

工作流设计：
- 代码节点（Python）：在沙箱中执行 Python 代码，支持 pandas、numpy 等库
- 适用场景：数据清洗、统计分析、图表生成、CSV 处理
- 可以在工作流中组合多个代码节点和 LLM 节点

结合 LLM 和图像生成模型创建图文内容：

工作流步骤：
1. 用户输入主题描述
2. LLM 将描述优化为英文 Prompt（DALL-E / Stable Diffusion 用英文效果更好）
3. 调用图像生成 API（DALL-E 3 / Midjourney API / Stable Diffusion）
4. LLM 根据生成的图片描述撰写配套文案
5. 输出图片 URL + 文案

在工作流中并行调用多个模型，对比输出质量：

工作流设计：
1. 开始节点接收评测 Prompt
2. 并行节点：同时调用 GPT-4o / Claude 3.5 / 通义千问
3. 汇聚节点：将三个模型的输出合并
4. 评审 LLM：使用一个强模型评判哪个回答最好
5. 输出三个模型的回复及评分

应用场景：模型选型、Prompt 优化、质量基准测试

通过外部定时触发实现批量 AI 处理任务：

实现方式：
- Dify 工作流本身不支持内置定时器，但可以通过以下方式实现：
- Linux Cron + curl：定时调用 Dify Workflow API
- n8n / Zapier：用外部自动化工具定时触发
- GitHub Actions：利用 schedule 触发器

# Cron 定时调用示例（每天早上 8 点执行）
0 8 * * * curl -X POST https://dify.example.com/v1/workflows/run \
  -H "Authorization: Bearer app-xxxxx" \
  -H "Content-Type: application/json" \
  -d '{"inputs": {"date": "$(date +\%Y-\%m-\%d)"}}'

通过 Webhook 将 Dify 接入到现有业务流程中：

常见集成场景：
- 飞书/钉钉机器人：收到消息 → 调用 Dify Chat API → 返回 AI 回复
- GitHub Issue：新 Issue 创建 → Dify 分析内容 → 自动打标签
- 电商订单：新订单通知 → Dify 生成个性化感谢信 → 发送邮件
- 监控告警：告警触发 → Dify 分析日志 → 给出初步排查建议

Webhook 安全：建议使用 API Key 认证，或配合签名验证防止滥用。

Dify 支持多种数据源导入方式：

支持的文件格式：
- 文本类：TXT、Markdown、PDF、DOCX、HTML
- 数据类：CSV、Excel、JSON
- 在线数据：Notion 页面同步、网页爬取

上传限制（社区版默认）：
- 单文件最大 15MB
- 每个知识库最多 50 个文档（可配置修改）
- 支持批量上传

文档需要被切分成小块才能有效检索，Dify 提供多种分块策略：

自动分块：Dify 根据文档类型自动选择最优分块方式（推荐新手使用）

自定义分块：
- 分隔符：按段落（\n\n）、标题（#）、自定义分隔符切分
- 块大小：推荐 500-1000 tokens（过小信息不完整，过大检索精度下降）
- 重叠大小：推荐 50-100 tokens（保证相邻块之间的上下文连贯）

问答模式（Q&A）：对于 FAQ 类文档特别有效，Dify 会自动从文档中提取问答对

Embedding 模型将文本转为向量，是 RAG 检索的基础：

模型	维度	多语言	适用场景
text-embedding-3-large	3072	优秀	通用场景（推荐）
text-embedding-3-small	1536	良好	控制成本
bge-large-zh-v1.5	1024	中文优秀	中文为主场景
m3e-base	768	中文良好	本地部署免费
nomic-embed-text	768	英文为主	Ollama 本地部署

检索质量直接决定 RAG 应用的回答质量，Dify 提供多种检索优化手段：

检索模式：
- 向量检索：基于语义相似度匹配（默认，适合大多数场景）
- 全文检索：基于关键词匹配（BM25 算法，适合精确术语查询）
- 混合检索：向量 + 全文结合，取两者优势（推荐生产环境使用）

Rerank 重排序：
- 在初步检索后，使用 Rerank 模型对结果进行精排
- 支持 Cohere Rerank、bge-reranker-v2 等模型
- 显著提升检索准确率，尤其是混合检索场景

参数调优：
- Top-K：初步检索返回的文档块数量（推荐 5-10）
- Score 阈值：过滤相关度低于阈值的结果（推荐 0.5-0.7）
- Rerank Top-N：重排序后保留的文档块数量（推荐 3-5）

每个 Dify 应用都会自动生成 API 端点，在应用设置页面获取 API Key 后即可调用：

Chat 类应用 API：

# 发送消息（流式响应）
curl -X POST 'https://api.dify.ai/v1/chat-messages' \
  -H 'Authorization: Bearer app-xxxxxxxxxxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "如何部署 Dify？",
    "response_mode": "streaming",
    "conversation_id": "",
    "user": "user-123"
  }'

Completion 类应用 API：

# 文本生成
curl -X POST 'https://api.dify.ai/v1/completion-messages' \
  -H 'Authorization: Bearer app-xxxxxxxxxxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {"topic": "AI 应用开发趋势"},
    "response_mode": "blocking",
    "user": "user-123"
  }'

Workflow API：

# 执行工作流
curl -X POST 'https://api.dify.ai/v1/workflows/run' \
  -H 'Authorization: Bearer app-xxxxxxxxxxxxxxxx' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {"data": "要处理的内容"},
    "response_mode": "streaming",
    "user": "user-123"
  }'

Dify 支持将 AI 应用以聊天气泡的形式嵌入任意网站：

iframe 嵌入：

<iframe
  src="https://udify.app/chatbot/xxxxxxxx"
  style="width: 100%; height: 100%; min-height: 700px"
  frameborder="0"
  allow="microphone">
</iframe>

JS Widget 嵌入（聊天气泡）：

<script>
  window.difyChatbotConfig = {
    token: 'xxxxxxxx',
    baseUrl: 'https://api.dify.ai'
  }
</script>
<script
  src="https://udify.app/embed.min.js"
  id="xxxxxxxx"
  defer>
</script>

Dify 提供官方 SDK，简化 API 调用：

Python SDK：

pip install dify-client

JavaScript/TypeScript SDK：

npm install dify-client