znlgis 项目地址： https://github.com/langgenius/dify
官网： https://dify.ai/
官方文档： https://docs.dify.ai/
许可证： Dify Open Source License（基于 Apache-2.0 + 附加条款） 最新版本： 参见 GitHub Releases
概述
Dify 提供：
- 应用类型：Chatbot / Agent / Text Generator / Workflow / Chatflow
- 可视化编排：节点化拖拽（LLM / Knowledge / Tool / IF-Else / 迭代 / 代码）
- RAG 引擎：知识库 + 多种检索（向量 / 全文 / 混合 / 重排）
- 多模型：OpenAI / Anthropic / Gemini / Bedrock / Azure / Ollama / Hugging Face / 通义 / 智谱 GLM / 百川 / Moonshot / DeepSeek / 豆包 / xAI 等
- 工具系统：内置 + 自定义（OpenAPI Schema）
- 多模态：图像理解 / TTS / STT
- API 与 Webhook：每个应用自动生成 RESTful API
- 多租户 / SSO / RBAC / 监控 / 日志
- 私有化部署：Docker Compose / Helm / K8s
部署（Docker Compose）
git clone https://github.com/langgenius/dify
cd dify/docker
cp .env.example .env
# 编辑 .env：SECRET_KEY、INIT_PASSWORD 等
docker compose up -d
# Web UI: http://localhost
数据持久化在 ./volumes/。生产环境建议使用外部 PostgreSQL + Redis + 对象存储 + 向量库（Weaviate/Qdrant/PGVector/Milvus）。
Helm（K8s）
helm repo add dify https://langgenius.github.io/dify-helm
helm install dify dify/dify -n dify --create-namespace
配置模型供应商
进入 「设置 → 模型供应商」：
- 添加 OpenAI / Azure：填 API Key、Base URL
- Ollama 本地：
http://host.docker.internal:11434 - 通义千问：DashScope API Key
- 智谱 GLM：API Key
- 设置「系统模型」（默认推理 / 嵌入 / 重排 / TTS / STT）
创建应用
| 类型 | 用途 |
|---|---|
| Chatbot | 多轮对话，自动会话上下文 |
| Agent | 工具调用 + 推理（ReAct/FunctionCall） |
| Text Generator | 单次生成（写作/翻译/总结） |
| Workflow | 复杂业务流程（节点编排） |
| Chatflow | Chatbot + Workflow（可拖拽对话流程） |
RAG 知识库
- 「知识库」→ 创建 → 上传 PDF/Word/Markdown/网页/Notion
- 选择切分模式：自动 / 自定义（分隔符、最大长度、重叠）
- 选择嵌入模型 + 索引方式（高质量向量 / 经济）
- 启用混合检索（语义 + 关键词）+ Rerank
- 在应用中绑定知识库 → 自动生成上下文
工作流（Workflow）核心节点
| 节点 | 功能 |
|---|---|
| Start | 输入参数 |
| LLM | 模型推理 |
| Knowledge Retrieval | 知识库检索 |
| Question Classifier | 问题分类 |
| HTTP Request | 调用外部 API |
| Code | 运行 Python/JavaScript |
| Tool | 内置/自定义工具 |
| If/Else | 条件分支 |
| Iteration | 迭代列表 |
| Variable Aggregator | 合并变量 |
| Template Transform | Jinja2 字符串模板 |
| Parameter Extractor | 从文本抽参数 |
| End | 输出 |
支持引用上游变量：{{#node1.text#}}。
自定义工具（OpenAPI）
openapi: 3.0.0
info: { title: Weather, version: '1.0' }
paths:
/weather:
get:
operationId: getWeather
parameters:
- name: city
in: query
required: true
schema: { type: string }
responses:
'200': { description: ok }
「工具 → 自定义工具」上传后，Agent / Workflow 可直接调用。
API 调用
每个应用自带 API 端点：
curl -X POST 'https://your-dify/v1/chat-messages' \
-H 'Authorization: Bearer app-xxxxx' \
-H 'Content-Type: application/json' \
-d '{
"inputs": {},
"query": "北京今天天气",
"user": "user-001",
"conversation_id": "",
"response_mode": "streaming"
}'
response_mode：blocking（同步）/ streaming（SSE）。
工作流调用：POST /v1/workflows/run。
Webhook / 触发
- 通过 API 嵌入网站、微信公众号、飞书、钉钉
- Dify 提供官方 Web 客户端（
/embed）与 SDK（Python / Node.js）
监控与日志
- 「日志与标注」：每条对话/请求详情、token 用量、节点耗时
- 标注后回流为评估集，进行「评估 → 测试集回归」
性能与生产建议
- PostgreSQL 与 Redis 单独部署，向量库选 Qdrant/Weaviate
- WebApp / API / Worker / Sandbox 多副本
- 启用 rerank 提升检索质量
- 使用 Streaming 减少首字节时间
- 缓存：相同 prompt + 输入命中缓存；启用「LLM 节点缓存」
- 限流：网关层（Nginx / APISIX）+ 应用 API Key 限速
典型工作流
场景一：搭建企业知识库问答机器人
# 整体步骤
1. 准备知识库文档（PDF/Markdown/网页）
2. 知识库 → 上传文档 → 选择嵌入模型（bge-m3）→ 启用混合检索 + Rerank
3. 创建 Chatbot 应用 → 绑定知识库
4. 配置系统提示词："你是企业内部助手，仅基于知识库回答..."
5. 配置模型（GPT-4o-mini 或 DeepSeek-V3）
6. 测试 → 发布 → 获取 API Key
7. 通过 iframe 嵌入官网或对接飞书/钉钉/企微
# API 调用示例
curl -X POST 'https://dify.example.com/v1/chat-messages' \
-H 'Authorization: Bearer app-xxxxx' \
-H 'Content-Type: application/json' \
-d '{
"inputs": {},
"query": "公司年假政策是什么？",
"user": "employee-001",
"response_mode": "streaming"
}'
场景二：构建多步骤审批工作流
# Workflow 节点编排
Start → 用户提交申请
→ Question Classifier（判断申请类型：请假/报销/采购）
→ IF/ELSE 分支
→ 请假分支：
→ Code 节点（Python 计算剩余年假）
→ HTTP Request（调 HR 系统校验）
→ LLM 节点（生成审批意见）
→ 报销分支：
→ Parameter Extractor（抽取金额/事由）
→ Knowledge Retrieval（查报销政策）
→ LLM 节点（合规判断）
→ Variable Aggregator（汇总分支结果）
→ Template Transform（生成审批通知）
→ End（返回审批结果 + 通知）
AI 使用建议
推荐工作流
- 先选应用类型：简单问答 → Chatbot，需要工具调用 → Agent，复杂流程 → Workflow/Chatflow
- 调试提示词：在「提示词编排」中先用 GPT-4o-mini 快速迭代，确认效果后换大模型
- 知识库先行：先上传小批量文档验证切分/检索效果，确认检索质量后再全量导入
- 节点逐步调试：Workflow 每加一个节点就运行测试，避免排错困难
- 监控上线：启用「日志与标注」，收集真实用户反馈后持续优化
关键模式与常见陷阱
- RAG 检索质量：中文场景务必选中文嵌入模型（bge-m3 / text2vec），并启用 Rerank
- 模型选择：Agent 场景必须用支持 Function Calling 的模型（GPT-4o/Claude/DeepSeek-V3），国产小模型可能不支持
- 变量引用：Workflow 中
{{#节点名.字段#}}语法容易写错，复制节点 ID 粘贴 - Code 节点限制：Python/JS 沙箱无网络访问，如需调外部 API 请用 HTTP Request 节点
- 流式响应：前端对接务必用 SSE（
response_mode: streaming），否则长回复体验差 - Token 消耗：别把所有文档塞进上下文，善用 Knowledge Retrieval 节点的 top_k 限制
如何选择正确方案
| 场景 | 推荐方案 |
|---|---|
| 简单 FAQ 问答 | Chatbot + 知识库 |
| 需要查数据库/调 API | Agent + 自定义工具 |
| 多步骤审批/数据流转 | Workflow |
| 对话式多步骤 | Chatflow |
| 纯文本生成（无对话） | Text Generator |
常见问题
| 问题 | 解决 |
|---|---|
| 上传文档失败 | 检查 STORAGE_* 配置（本地 / S3）与权限 |
| 嵌入失败 | 嵌入模型未配置 / 余额不足；切换其它供应商 |
| 私有 Ollama 不通 | Docker 网络：host.docker.internal 或自定义网络 |
| 响应慢 | 启用 streaming；缩短 prompt；减少检索 topK |
| 中文检索差 | 使用 bge-m3 / text2vec 等中文嵌入 + jieba 关键词 |
相关技能
- hermes-agent — 自学习通用型 AI 智能体，适合需要自建后端 Agent 的场景：../hermes-agent/SKILL.md
- oh-my-openagent — OpenCode 多模型编排插件，提供并行 Agent 与 AST/LSP 工具：../oh-my-openagent/SKILL.md
- superpowers-zh — 中文提示词/Skill 工程库，可与 Dify 的提示词编排结合使用：../superpowers-zh/SKILL.md
参考资源
- 文档：https://docs.dify.ai/
- 模板市场：https://dify.ai/templates
- 中文教程（znlgis）：https://znlgis.github.io/ai/tutorial/dify/