Dify 官方版

简介

Dify 是一个开源的 LLM 应用程序开发平台，把 AI 工作流程、RAG 管道、代理功能、模型管理与可观察性能力放进一个直观界面，让团队不必从零搭建基础设施就能把大模型应用从原型推到生产。它定位于大模型应用开发的中间件，覆盖大语言模型应用的开发、部署、维护与优化实践，适合希望自托管、掌控数据隐私的开发者、AI 中台建设者，以及想用低代码方式交付智能体的企业团队。核心优势在于开源——开发者可以自由访问、修改和扩展平台功能，同时支持多种部署方式，团队可从原型推至生产而无需重构现有技术栈。

核心功能

• AI 工作流程编排：在同一块画布上串联模型、知识管道与工具，把多步骤的大模型调用固化为可复用的工作流。
• RAG 管道：以检索增强方式接入自有文档与数据，让应用在回答时引用私有知识，而不是只依赖模型自身参数。
• 代理（Agent）功能：可构建具备网页浏览等简单 Agent 能力的应用，把模型调用与外部工具执行串起来。
• 模型管理：在统一界面中管理接入的大语言模型，团队无需为每个应用单独改配置即可切换与维护模型。
• 可观察性功能：对应用运行过程提供观测能力，便于定位调用异常、评估效果并持续迭代提示与流程。
• 低代码/无代码开发：大部分配置通过可视化界面完成，非后端背景的产品与业务人员也能参与大模型应用搭建。
• 内置 API：提供内置 API，方便开发者把已建好的应用能力集成进其他业务系统。
• 多种部署方式：提供 Docker 版本与自托管路径，也可选择 Cloud 方式，具体可用形态以官方页面为准。

使用场景

• 企业知识库问答与 AI 中台建设：用 RAG 管道接入内部文档，配合模型管理统一维护模型，形成可被多个业务系统调用的中台服务。
• 从原型快速推到生产：团队先在画布上验证想法，再沿用同一套工作流上线，无需为生产环境重写现有技术栈。
• 本地或私有化运行：在 Windows 11 或 Ubuntu 上通过 Docker 或源码方式搭建，应用不依赖云服务，数据留在自己环境。
• 云服务器部署：在阿里云轻量应用服务器控制台创建服务器并完成资源配置后，再部署 Dify 对外提供服务。
• 自定义 AI 助手开发：社区教程 github.com/datawhalechina/self-dify 演示了从环境准备到做出「猜病例」「新生入学指南」等助手的完整过程。
• 与自动化工具分工使用：需要在多个应用之间做流程自动化时用 n8n，需要部署和管理语言模型相关应用时用 Dify，两者可并存。

安装与获取步骤

1. 获取源代码：克隆 Dify 源代码仓库；github.com/wwwzhouhui/dify-for-dsl 与 github.com/datawhalechina/self-dify 属于基于 Dify 的衍生项目与教程，可作参考，仓库地址以官方页面为准。
2. Docker Compose 部署：进入 Dify 源代码中的 docker 目录，执行 cd dify/docker。
3. 复制必要的环境配置文件，执行 cp .env.example .env；如需自定义部署，参见官方文档中的自定义说明。
4. 启动容器，随后按官方文档确认各服务启动状态；具体配置项与端口以官方页面为准。
5. 源码方式部署：准备 Python 环境（可用 miniconda 创建 Dify 执行环境），并配置后端（Flask）与前端（Next.js）所需的 Node.js、pnpm、uv 等工具。
6. Windows 11 场景：先准备 Git 工具用于克隆代码仓库，再通过 Docker 完成部署；云上场景则在阿里云轻量应用服务器控制台创建服务器后按提示部署。

与同类方案的区别

与 n8n 相比：n8n 面向多个应用程序之间的工作流程自动化，Dify 面向 AI 应用的构建、部署与管理，尤其是语言模型类应用，两者解决的问题不同。

与 MaxKB 相比：两者都是基于大语言模型技术的开源项目，但产品定位不同——Dify 定位于大模型应用的开发平台，属于中间件范畴，MaxKB 的定位与之有差异，具体能力边界以官方页面为准。

与 AnythingLLM、Ragflow 等开源工具相比：社区存在公开的功能、许可与商用对比文章，选型时建议按自身是否需要工作流编排、内置 API 与自托管能力逐项核对，结论以官方页面为准。

注意事项

• 不同教程中出现的版本信息差异较大，本文不列出具体版本号，版本、配置项与商务方案均以官方页面为准。
• 环境配置文件需由 .env.example 复制为 .env 后按实际环境修改，直接沿用默认值可能导致容器启动异常。
• 源码方式涉及 Python、Node.js、pnpm、uv 等多套工具链，任一缺失都会导致启动失败，动手前先逐项核对依赖。
• 自托管时数据保留在自己的环境中，需自行规划访问权限、备份与日志留存策略，不要默认平台会代为处理。
• 社区版与企业版在高级安全与管控、专属支持上的差异以官方页面为准，采购前逐条比对需求。
• Docker 方式与源码方式的后续升级路径不同，长期使用建议固定一种方式，并记录自己改动过的配置。