Dify

Dify 指南：从入门到部署 一、Dify是什么？ Dify（发音为/ˈdɪfaɪ/，意为“Design Intelligence For You”）是一个开源的大语言模型（LLM）应用开发平台，你可以把它理解为AI应用开发领域的“低代码平台”。它通过可视化编排 + API优先的方式，帮助开发者快速构建、测试、监控并上线基于大语言模型的解决方案，支持从聊天机器人、检索增强生成（RAG），再到智能体（Agent）的全功能覆盖。 自发布以来，Dify在GitHub上已获得超过13.8万Star，服务了全球150个国家的开发者。 Dify与其他方案的对比： 方案 优势 劣势 适合谁 手写Agent 完全可控，理解深 开发周期长 想深入理解原理的人 LangChain 生态丰富，灵活 学习曲线陡峭 有一定经验的开发者 Dify 可视化，上手快，有API 极端定制需二次开发 零基础/快速验证 Coze（扣子） 字节出品，中文友好 数据存云端，企业合规风险 个人/轻量场景 结论：如果你想快速落地本地Agent，同时保留未来迁移/定制的可能性，Dify是当前最优解。 二、Dify能做什么？—— 六大核心能力 功能模块 说明 工作流（Workflow） 可视化画布上拖拽连接LLM调用、工具集成、条件分支等节点，构建复杂任务链 RAG管道 端到端的文档处理与知识库检索能力，支持PDF、PPT、Markdown等格式 Agent智能体 基于LLM函数调用或ReAct范式，可添加50多种内置工具（Google搜索、DALL·E等） 模型管理 一键接入OpenAI、DeepSeek、Claude、通义千问等**300+**模型 Prompt IDE 可视化编排提示词，支持多模型效果对比 可观测性 监控日志、性能指标，持续优化应用效果 一句话总结： Dify = 前端界面 + AI能力 + 工作流引擎 + RAG知识库 + 模型管理。 三、系统架构深度解析 3.1 Beehive架构 Dify采用模块化的Beehive架构——各核心模块（对话系统、RAG、插件、模型运行时）可独立部署、水平扩展，但通过统一的API层实现高度协同。 3.2 四层解耦设计 用户交互层：可视化编辑器，支持拖拽式对话流程设计、多模态输入输出组件（文本、图片、文件上传）、主题自定义与多终端适配（Web、微信小程序、企业微信） 工作流编排层：基于节点的**有向无环图（DAG）**结构，支持条件分支、循环调用、异步任务调度与外部系统集成 模型服务层（Model Hub）：内置模型注册中心，支持多种模型格式（Hugging Face、ONNX、TensorRT）的统一接入，自动完成模型加载、缓存管理、负载均衡与推理加速（支持TensorRT、vLLM等引擎）...