最近 dify 很火啊，加上我自己也用了一段时间，因此特来跟大家唠唠这个工具。尽量通俗易懂，让大家都能理解。

一、dify 是什么？

dify 是一个开源的 LLM 应用开发的开源平台，提供从 Agent 构建到 AI workflow 编排、RAG，Agent 等，支持检索策略、模型管理等能力，可以轻松构建和运营 AI 应用。

dify 的核心特点在于提供安全数据通道、高可靠索引检索、友好提示词编辑、多模型切换、推理观测、日志记录、数据标注、模型训练、微调、简化 AI 研发、定制化 Agent 自动化、AI 工作流编排等优势，实现数据安全、开发高效、模型优化、自动化智能及工作流管理，助力开发者轻松，灵活构建 AI 应用。

二、dify 能做什么？

dify 提供四种基于 LLM 构建的应用程序，可以针对不同的应用场景和需求进行优化和定制。

1、聊天助手：基于 LLM 的对话交互（如客服机器人）

2、文本生成：自动化创作、翻译等任务

3、Agent：任务分解+工具调用（如论文查询、数据分析）

4、工作流：多节点流程编排（如条件分支、API 调用）

有了 dify，产品、运营甚至实习生，只需写 Prompt 配配置，就能搭出能用的 AI 原型。真正把想法变应用，变成一件人人可做的事。

先讲没用 dify 的场景

你想做一个 AI 智能客服系统，如果没有 dify，大概得这么干：

1. 设计 prompt 和流程（要调试很多轮）

2. 写一个后端（FastAPI/Flask），接 OpenAI/通义 API

3. 你还得存上下文、处理聊天记录

4. 要调用工具？还得接入 function calling、解析 JSON 结构

5. 想支持知识库？得预处理文档，切片+嵌入+Faiss 向量库

6. 你还要做个网页或小程序 UI 给用户使用

7. 最后还得部署上线，管理 API key、限流、安全认证……

整个流程下来，你得会前端、会后端、懂 AI，还得有服务器资源和算力。

而 dify 是怎么做的？

1. 打开网页，新建应用

2. 写一段 Prompt，填个模型名字

3. 点一下【发布】

4. 拿到访问链接 or API，立刻可用

没写一行代码，直接生成一个可交互的 AI 应用：

• 自动接通模型 API

• 自动管理上下文

• 自动支持文件上传、知识库对接

• 自动封装工具函数，支持 ReAct/Function Calling

• 自动提供 API 和 Chatbot 页面，能直接嵌入前端

别人还在本地调 debug，你已经把测试链接发给老板体验了。

三、dify 技术架构

dify 的技术架构主要包括以下几个关键组成部分：

1、关键技术栈支持：dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG（Retrieval-Augmented Generation）引擎以及灵活的 Agent 框架。

2、可视化编排和运营：dify 提供了可视化的 Prompt 编排、运营、数据集管理等功能，使得开发者能够在数天内完成 AI 应用的开发，或将 LLM 快速集成到现有应用中，并进行持续运营和改进。

3、其他技术栈：AI 的技术栈主要包括 Python 编程语言、TensorFlow 和 Keras 深度学习框架、以及 NLP 领域的常用库，如 NLTK 和 spaCy 等。这些技术栈可让 dify 具有高度灵活性和可扩展性。

4、开箱即用的应用模版和编排框架：dify 为开发者提供了健全的应用模版和编排框架，使开发者可以基于它们快速构建大型语言模型驱动的生成式 AI 应用，并且可以随时按需无缝扩展，驱动业务增长。

5、Dify Orchestration Studio：这是一个可视化编排生成式 AI 应用的专业工作站，提供了一个集成的环境，使开发者能够更加高效地构建和管理他们的 AI 应用。

通过这些技术架构的组成部分，dify 为开发者提供一个全面、灵活且易于使用的平台，以支持生成式 AI 应用的快速开发和部署。

四、dify 如何使用？

关于 dify 的安装教程，网上已经有很多教程了，我就不过多介绍了，下面直接教大家一些实用的上手操作步骤。

1、创建应用

点击工作室，我们可以看到有很多丰富的应用，包括聊天助手、agent、工作流等我们选择最简单的应用，聊天助手，点击 5，创建空白应用

2、添加知识库

知识库可以一次选多个，我们只选择三国演义。

3、召回设置

• 选择 Rerank 模型

• 选择相关的模型

• 设置召回数量（文本片段数量）

• 相似度匹配，设置 0.7

4、调试与预览

• 输入聊天内容

• 点击发送

• 调试成功以后可以点击发布

发布以后有多种适用方式。

返回工作室以后，我们可以发现已经有对应的应用了。

五、dify 与其他主流 AI 工作流开发平台有何不同？

1、Dify-企业级开源智能体平台

产品简介：Dify 是一款开源大语言模型（LLM）应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速生成 AI 应用。支持多种大型语言模型（如 Claude3、OpenAI），在一定程度上保障了开发者能根据自身需求选择合适的模型。平台提供了强大的数据集管理功能，允许用户上传、管理文本和结构化数据，以及通过可视化工具简化 Prompt 编排和应用运营，大大降低了 AI 应用开发的复杂度。

产品特色：Dify 采用模块化设计，支持多种大模型，内置文档解析、向量化和语义检索能力。它提供图形化界面与插件热部署，支持快速集成。

适用场景：知识库问答、客户智能客服、多模态内容生成。

2、织信-企业级 AI 全栈开发平台

产品简介：织信是一个聚焦企业数字化转型的全栈式 AI 低代码开发平台，由基石协作科技公司自研而成。产品依托于低代码的可视化开发能力与 AI Agent 技术深度融合，为企业提供从需求梳理到应用落地的全流程开发服务，无需复杂编码即可快速构建贴合业务场景的智能应用系统。

产品特色：织信提供的是 Agent 模型+组件开发模式，支持开发者快速开发出业务所需的可视化报表，自定义工作流等业务应用。在整个开发过程中，用户仅需输入语言命令即可快速生成系统所需要的各种功能模块（如：数据表、字段、关联关系、数据图表、逻辑自动化，流程审批等），全程拖拽配置式操作，复杂需求只需少量编程。同时，平台内置 1000+插件，支持多种应用场景，还支持长期记忆和定时任务。

适用场景：一体化系统开发与集成、自动化工作流、可视化报表。

3、n8n-开源工作流自动化工具

产品简介：n8n 是一款面向开发者与企业用户的开源工作流自动化工具，以节点化拖拽操作为核心，支持多场景下的任务串联与自动化执行，广泛应用于跨系统数据同步、业务流程触发等场景，具备高度的可扩展性与定制化能力。

产品特色：n8n 通过可视化节点拖拽构建工作流，支持 400+应用 API 集成。它提供原生 AI 支持，可调用自定义模型。

适用场景：企业营销、财务自动化、客服沟通。

4、百度-文心智能体平台

产品简介：百度文心智能体平台是基于文心大模型（ERNIE Bot）构建的企业级智能体开发与运营平台，聚焦“大模型+行业场景”深度融合，为企业用户提供从智能体构建、训练、部署到运营的全链路服务，无需深厚的 AI 技术积累即可快速打造专属智能体。平台深度整合百度生态资源，包括搜索能力、地图服务、企业服务等，可直接复用生态内的工具与数据资源。

产品特色：核心优势在于文心大模型的强语义理解与行业适配能力，支持多模态输入输出。提供可视化开发界面，支持 Prompt 工程、插件扩展与工作流编排，新手友好度高。

适用场景：政务智能办公、金融风险防控、医疗辅助诊断、知识库问答。

5、腾讯云-智能体开发平台

产品简介：腾讯云智能体开发平台（Tencent Cloud Agent Development Platform）深度整合 LLM+RAG 增强检索、自动化工作流、多 Agent 协作架构等核心能力，聚焦企业数字化转型中的自动化与智能化需求，提供“模型选型-智能体构建-云原生部署-弹性扩展”的全流程解决方案，深度整合腾讯云的计算资源、存储服务与行业解决方案能力。

产品特色：平台采用云原生+智能体组合架构，支持弹性伸缩部署，可适配从中小企业到大型集团的不同算力需求。支持混元大模型、腾讯星火大模型等多模型接入，同时兼容第三方开源模型。提供完善的 LLMOps 工具链，包括模型监控、性能优化、版本管理等，保障智能体稳定运行。

适用场景：电商智能运营、工业制造设备运维、在线教育智能辅导、企业云原生应用智能化改造。

小结：企业用户决策时，首先需明确核心应用场景，例如：

政务、金融等对数据安全要求高的行业，可优先私有化部署或具备权威安全认证的产品。

电商、制造业等注重流程自动化的行业，可重点关注工具集成能力与跨系统操作能力。

金融、医疗等垂直领域则可选择具备行业知识库的产品。