前言
AI的普及，正在改变我们工作生活的方方面面。
在这个最好也是最坏的时代里，想要没那么快被淘汰掉，我们就需要紧紧拥抱住时代的变化。
当下最大的变化应该就是AI了。最近一段时间里，我整理了很多有关AI的新技术以及旧技术的变革，感兴趣的朋友可以关注我的公众号进行查看。
今天，我们继续这个主题。
今天来聊一聊Dify这个平台。
Dify的介绍
Dify 是一款开源的大语言模型（LLM）应用开发平台，致力于简化生成式AI应用的开发流程，支持从原型设计到生产部署的全生命周期管理。其核心功能覆盖AI工作流构建、模型集成、RAG（检索增强生成）管道、代理能力开发及LLMOps（大语言模型运维）等，适用于企业和个人开发者快速构建智能应用。
既然是开源的，就说明我们其实可以在自己的电脑或服务器上进行部署使用。
开源地址是： github.com/langgenius/...
Dify的核心功能主要有以下几方面
低代码/无代码开发
Dify 提供了可视化的界面，允许开发者通过拖拽、配置等方式定义 Prompt（提示词）、上下文和插件，无需深入底层技术细节。
模块化设计
采用模块化架构，每个模块都有清晰的功能和接口，开发者可以根据需求选择性地使用这些模块来构建自己的 AI 应用。
丰富的功能组件
- AI 工作流：通过可视化画布构建和测试强大的 AI 工作流。
- RAG 管道：支持从文档摄入到检索的完整流程，可从 PDF、PPT 等常见格式中提取文本。
- Agent 智能体：基于 LLM 的推理能力，可以自主规划任务、调用工具，完成复杂任务。
- 模型管理：支持数百种专有和开源的 LLM，如 GPT、Llama2 等，并提供模型性能比较功能。
工具集成
Dify 提供了 50 多种内置工具（如谷歌搜索、DALL·E、Stable Diffusion 等），还可以自定义工具。
数据存储与管理
允许管理 AI 交互数据，优化 AI 反馈。
部署灵活
支持本地部署和云端部署，保障数据安全
部署和访问Dify
还记得我的上一篇介绍扣子（Coze）平台的文章吗，如果你看了这篇文章，或者你对Coze平台有所了解，你就会知道我们借助于Coze这样的平台，可以搭建自己的智能体和应用，允许我们借助AI能力来处理很多复杂问题。
但是Coze这些平台陆续收费了之后，在一定程度上给我们这些囊中及其羞涩的用户带来了很大的影响。如果你也在为此而烦恼的话，Dify将成为你的一个非常好的平替选择。
此外，Dify的功能强大，上手简单，都是大家应该赶紧入门使用的极好理由。
说了这么多，Dify到底怎么使用呢？马上我就来介绍。
本地部署
最方便使用，也是应用最广的方法，其实就是在服务器上自行部署。
但是安装之前，我们首先需要确定一下服务器的配置。Dify部署对服务器的要求并不高，只需要满足下面两个条件
- CPU 大于2核
- 内存大于4G
可以说，这个配置已经是非常低配了。随便一台电脑的配置都已经远远超过这个要求。
接下来，在服务器上执行下面的命令，就可以成功安装运行Dify了
克隆 Dify 源代码至本地环境。
bash
git clone https://github.com/langgenius/dify.git
进入 Dify 源代码的 Docker 目录
bash
cd dify/docker
复制配置文件
bash
cp .env.example .env
启动Docker容器
根据你系统上的 Docker Compose 版本，选择合适的命令来启动容器。
你可以通过 docker compose version 命令检查版本
如果版本是 Docker Compose V2，使用以下命令
docker compose up -d如果版本是 Docker Compose V1，使用以下命令：
docker-compose up -d运行命令后，你应该会看到类似以下的输出，
显示所有容器的状态和端口映射：
最后检查是否所有容器都正常运行：
在这个输出中，你应该可以看到包括 3 个业务服务
api / worker / web，
以及 6 个基础组件
weaviate / db / redis / nginx / ssrf_proxy / sandbox 。
通过这些步骤，你应该可以成功在本地安装 Dify。
访问Dify
看到上图的运行结果，说明Dify平台已经运行起来了。这时候，我们就可以在浏览器里访问它了。先前往管理员初始化页面设置设置管理员账户。
如果是在本地电脑上安装的，我们可以访问网址http://localhost/install或http://127.0.0.1/install
如果是在服务器上安装的，就需要访问http://your_server_ip/install
这时候，我们会看到这样的一个页面
按照要求，填写好邮箱、用户名和密码后就可以访问了
登录之后，会看到Dify的管理界面
体验云端Dify
上面介绍的方法是通过开源程序在服务器上自行部署使用。
如果我们只是想体验一下Dify平台的功能，并不想自己部署的话，也可以直接访问Dify的官网。
官网地址是： dify.ai
点击【开始使用】后，会要求我们登录
选择自己喜欢的登录方式后，完成登录，就可以进入到自己的管理界面
我们会发现，通过这种方式访问的Dify，与自己部署的系统，看起来一样。那为什么还要自己部署呢？
自己部署有很多优点，但这并不是今天讨论的重点。
我只说一个方面，相信可以打败90%的云端支持者的观点。
因为本地部署，是免费方案。而使用官方的云端服务，是收费的。
通过上图可以发现，云端服务的限制很多。如果不愿意付费使用，可能也就只适合个人体验学习了。
Dify初步认识
经过上文的介绍，我们都已经访问Dify平台了。接下来就是通过Dify来解决我们的具体问题了。
在具体使用之前，我们有必要先了解下Dify平台的各个功能版块，知道这些板块大致是做什么的。
首先看下顶部，共有4个模块
探索
探索模块是用户快速了解和体验 Dify 能力的入口，提供预构建的 AI 应用模板和案例，帮助用户快速启动项目。用户可通过模板学习最佳实践，或直接复用模板进行二次开发。
这个版块与Coze中的商城和模板版块类似，都是给出已经配置好的可以直接使用的应用模板，如果我们感兴趣，可以直接选择加入到自己的工作区中。
通过这种方式，可以让我们以最快的速度拥有一个AI应用。
工作室
工作室是 AI 应用的核心开发环境，提供低代码界面用于定义应用逻辑、编排工作流、配置模型及调试功能。
作用等同于Coze平台中的工作空间。我们所创建的所有应用，都会放置在工作室中。
可以说，使用Dify，核心区域就是这里。通过这个版块，我们能够做到以下这些操作
应用编排
通过可视化界面编写提示词（Prompt），支持动态变量插入和上下文配置。
工作流构建
拖拽式编排 AI 组件（如模型调用、条件分支、工具调用），实现复杂任务自动化（如多模型协同处理票据识别）。
模型管理
Dify支持 OpenAI、Llama3、DeepSeek 等数百种模型，可灵活切换推理模型和 Embedding 模型。
调试与发布
在界面右侧直接测试应用效果，查看中间步骤（如知识库召回内容）；也可以生成应用 API 密钥，支持嵌入网站或接入业务系统。
知识库
知识库模块用于构建和管理私有化知识数据，通过 RAG（检索增强生成）技术将外部知识整合到 AI 应用中，提升生成内容的准确性和专业性。
知识库中，支持上传多种格式文档（PDF、Markdown、PPT 等），支持自动分段和语义索引，优化检索效率。
系统会自动提取文本、清洗数据，并生成向量化索引。并将这些向量化的数据提供给系统。
这样，系统回答我们的问题时，能够做到混合检索（全文+语义）、多路召回、重排序模型选择，提升知识匹配精度。
知识库可以与聊天助手、工作流等模块绑定，实现基于企业数据的智能问答（如课程查询、合同风险分析）。
工具
工具模块提供内置及第三方工具集成能力，扩展 AI 应用的功能边界，支持调用外部 API、执行代码或访问互联网资源。
工具版块中内置了很多插件，如 Google 搜索、Stable Diffusion 图像生成、WolframAlpha 计算等，通过配置 API 密钥即可启用，甚至还支持代码执行、文件读写等本地操作（需权限配置）。
我们也可以自己开发接口，通过 Swagger 或 ChatGPT Plugin 规范接入第三方 API。
这些工具可以嵌入工作流，实现多工具协同，如先搜索再生成摘要，然后把内容展示出来。
具体操作Dify
现在，我们已经对Dify有了一个初步的认识。
Dify的操作，总结起来，就是在工作室中，将知识库和工具进行搭配整合，实现出一个具体的应用。这个应用有很多种表现形式。
根据官方的分类，大致可分成聊天助手、Agent、文本生成、Chatflow和工作流。
但是要想实现这些应用并真正运行起来，我们还需要做一点准备工作。
前提条件
我们都知道，不论是ChatGPT，Kimi还是DeepSeek，这些大模型产品能够工作，背后都是有一个模型在支持。
Dify要想正常使用，前提就是需要我们选用并设置这些大模型产品。
设置模型
在右上方用户名的下拉框中，选择【设置】
在模型供应商版块中选择我们的钟意的大模型产品
这里基本上涵盖了当前市面上所有主流的大模型。不论是国内的还是国外的，这里都可以找到。
目前智谱、通义千问、讯飞、零一、硅基流动都可以薅羊毛。
选择安装完成后，需要对所选模型进行设置。下面，我以硅基流动为例，进行设置
点击设置后，会要求我们设置API Key。具体的申请方法可以在网上搜索，也可以看我之前的文章，很容易找到方法。
点击添加模型，主要填写的内容是模型名称和API Key。模型名称可以到
模型选择好了后，还有一项事情需要我们提前完成，那就是知识库的创建。
知识库
通过上文的介绍，我们其实已经知道，Dify中的各项操作，主要是基于大模型来进行。但是AI的知识储备有可能并不能满足我们的要求，尤其是比较专业，或者是更加个性化的场景下。为了应对这样的情况，通常的做法是我们自己维护内容，也就是知识库。
所以，在使用Dify之前，我们还需要维护自己的知识库。
知识库的场景非常简单。可以导入已有的文本，也可以从Notion或者其他Web站点中同步已有内容。
最简单的方法当然还是导入已有文本。我们可以将文件拖拽上传进来，就完成了。
导入后，系统还会将上传的内容进行分段，解析，整合等多个处理，最后变成知识库内容。
好了，准备工作完成了。接下来就是具体的实操了。
我们先来试试聊天助手。
聊天助手
Dify官方对聊天助手的定义是： 对话型应用采用一问一答模式与用户持续对话。
可以用在客户服务、在线教育、医疗保健、金融服务等领域。这些应用可以帮助组织提高工作效率、减少人工成本和提供更好的用户体验。
其实我们现在最常用的Kimi，DeepSeek这些，都是对话形式的应用。现在借助于Dify，我们可以自己创建一个了。
而且这个聊天助手，可以通过 RAG 技术将我们提供的文档，将知识库与模型结合，提供精准回答。
所以，这种聊天助手，非常适合用作客服系统，企业内部培训等。
具体的实现方法其实非常简单，在工作室页面中，点击【创建空白应用】，在创建应用页面中选择【聊天助手】
填写名称，图标和描述等相关信息后，点击创建，就可以了
创建完成后，会看到这样的一个页面，要求我们继续编排
编排是指什么，如果你看过我上一篇介绍Coze的文章，对这个词就不会陌生了。
编排是指通过可视化界面或配置文件，将多个 AI 任务、工具、模型和数据流按照一定的逻辑顺序和流程进行连接和组合，形成一个完整的工作流
在这个页面中，根据提示完成提示词、变量、知识库的设置后，在右侧的【调试与预览】中就可以使用了
体验过程中，如果对效果不满意，可以修改设置。如果对效果满意了，就可以点击发布。
发布后的聊天助手有多个使用渠道
直接运行：会生成一个Web聊天页面，允许我们在页面中使用
嵌入网站： 会生成一段html代码，允许我们嵌入到自己的应用中使用
在探索中打开： 会被集成到当前Dify页面中的探索版块中
访问API： 会生成API示例，允许我们通过接口的方式接入到自己的其他网站应用中
Agent
Agent也被称作智能体，是一种基于大型语言模型（LLM）的智能代理系统，能够理解用户需求、自主规划任务、调用工具或知识库，最终生成满足需求的回答或执行操作。
在Dify中创建Agent的方法很简单，就是新建空白应用的时候，选择Agent
填写必要的名称，图标和介绍后，点击创建后会进入到编排界面
细心的朋友会发现，编排页面整体来说与聊天助手相似，知识多了一个工具版块
点开工具后面的添加按钮，可以看到可以被添加的所有工具
设置完毕后，就可以在右侧的预览与调试中看到智能体效果
剩下的步骤，与聊天助手一致。根据预览效果进行调试，完成后点击发布。
这样，我们就可以拥有一个智能体了
文本生成应用
接下来看看文本生成应用。
Dify 中的文本生成应用是基于大型语言模型（LLM）构建的自动化内容生产工具，能够根据用户输入的提示词（Prompt）和配置的变量，快速生成符合需求的文本内容（如教程、营销文案、报告等）
文本应用对我们这些做自媒体的朋友们来说，是一个非常有帮助的功能。
比如我们可以制作一个文本应用，帮助我们生成公众号文案，生成小红书文案。
创建和维护方法，同上面介绍的聊天助手和Agent一样，就不过多描述了。
体验之后，发现效果还有不少提升空间，就留着以后逐步优化调整了。
工作流
工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。
工作流分为两种类型：
Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。
同Coze平台的工作流方法相似，我们创建好工作流后，可以进行各个节点的编辑处理，将各个工具组合起来使用，从而达到能欧处理复杂任务的目的。
经过各种组合设置之后的工作流，大致是这样的
快捷创建应用的方法
以上介绍的方法，都是我们建立一个空白应用，然后一点一点去设置。
这种方法其实对我们是有一定的使用要求的，每一个节点、每一个环节都需要设计。
其实也有相对容易的方法，就是复制模版，在模板中进行编辑修改，从而快速得到一个智能体应用。
通过创建应用的入口，可以看到创建方法。除了第一种完全需要我们去设置，其他两种方式本质上都差不多，都是借助已有的应用，快速复制。
下面，我就简单的演示一下通过模板创建的方法
在模板页面中，可以通过分类进行筛选，在卡片中可以通过标题和简介对其有所了解。如果对哪个感兴趣，可以点击【使用该模板】，将其保存到自己的工作空间中。
然后进行编辑调整，最终发布使用。
结语
本文简单的介绍了Dify平台以及相关使用方法。
通过文章的介绍，大家可以对其有一个大致的了解。
但是不同于平时常用的那些对话形应用，如Kimi，DeepSeek这些，Dify和Coze这些平台允许我们将不同的大模型组合起来解决更复杂的任务。
也给我们提供了通过API或者嵌入自己网站的可行性方案。
对于没有实力自研大模型产品又希望使用AI来增强产品能力的企业和个人来说，Dify是一个非常值得尝试的方案。
本文只是一个简单的案例说明，实际上我们通过学习这个方法，并且加以创新和应用，完全有可能做到非常有竞争性的产品。
前一段时间里爆火的Manus，给我们展示了终极AGI的产品形态。其实借助于Dify这些平台的技术储备，我们也很有可能自己实现同类的项目。
可以说当下，所有与互联网相关的人和企业，甚至用户，都在争分夺秒的学习使用AI，对其感兴趣又在不断上进的我们，怎么能错过这个机会，大家一起加油💪
今天的分享就到这里，非常欢迎大家的意见和交流。
感谢大家的观看。