去年在Dify還是0.x版本時，我曾用過一段時間。但就像很多技術愛好者一樣，因為工作變動不得不暫時擱置。最近收到不少讀者咨詢："Dify現在發展到什么程度了？還值得投入學習嗎？"

帶著這些疑問，我重新審視了Dify，發現其已經發展到 1.x版本，從一個"有趣玩具"開始轉變成"生產級工具"。我準備深入研究一下它，并計劃寫一個系列文章，從基礎使用到核心原理，再到個性化定制開發。今天先為大家帶來Dify的全面介紹，后續會持續更新深度內容，歡迎關注追更！

dify 簡介

Dify 是一個面向生成式AI應用開發的開源平臺，致力于降低大語言模型技術的使用門檻。該平臺創新性地結合了云原生架構與AI工程化實踐，為開發者提供從模型接入到應用部署的一站式解決方案。

作為新一代LLM開發工具，Dify 的獨特價值在于：

1. 技術整合：平臺預置了多模態模型支持體系、可視化Prompt設計器、智能檢索增強生成系統等核心組件
2. 全棧能力：同時提供面向開發者的SDK和管理控制臺，支持從原型設計到規模化運營的全生命周期管理
3. 協作特性：通過直觀的交互界面，讓業務專家也能參與AI能力調優和數據治理

為什么用dify

你可以把 LangChain 這類開發庫比作散裝的五金工具——雖然靈活，但需要開發者自行組裝。而 Dify 更像一個預制的智能建造系統，不僅提供標準化構件，還包含經過驗證的施工方案。

作為開源領域的工程化實踐者，Dify 展現出三大差異化優勢：

1. 生產就緒性：預置企業級功能如多租戶隔離、審計日志、性能監控等開箱即用
2. 架構完整性：從模型網關、業務邏輯層到用戶界面形成閉環系統
3. 可控性保障：支持私有化部署的同時，保持與最新AI技術的同步演進

從創建應用開始

Dify 平臺提供四種不同層級的 AI 應用構建模式，滿足從入門到高階的開發需求：

1. 對話助手（Chatbot）入門級解決方案，讓開發者快速搭建智能對話系統。通過可視化界面配置對話邏輯和知識庫，無需編碼即可創建具備基礎問答能力的 AI 助手，是探索大語言模型應用的理想起點。
2. 智能代理（Agent）進階型應用框架，賦予 AI 自主決策與執行能力。系統可基于用戶意圖進行動態推理，智能調用 API 工具鏈完成復雜操作，如實時數據查詢、事務處理等，實現從"回答問題"到"解決問題"的跨越。
3. 對話流程（Chatflow）支持上下文記憶的多輪交互系統。通過狀態機機制管理對話進程，可處理包含分支邏輯的深度會話場景，適用于客戶服務、教育輔導等需要持續跟蹤對話上下文的專業場景。
4. 自動化工作流（Workflow）面向單次任務的高效處理引擎。采用節點式編排設計，支持將大語言模型能力與傳統系統服務無縫銜接，可快速構建數據提取、內容生成等批處理任務，顯著提升業務自動化水平。

每種模式都提供從開發調試到生產部署的全套工具鏈，開發者可根據業務復雜度自由選擇，并支持在項目演進過程中平滑升級應用架構。平臺特有的"漸進式復雜度"設計，既降低了入門門檻，又為專業開發保留了充分的擴展空間。

DSL文件

DSL 是由 Dify.AI 所定義的 AI 應用工程文件標準，文件格式為 YML。該標準涵蓋應用在 Dify 內的基本描述、模型參數、編排配置等信息。

如果你從社區或其它人那里獲得了一個應用模版（DSL 文件），可以從工作室選擇 「 導入DSL 文件 」。DSL 文件導入后將直接加載原應用的所有配置信息。

工作流節點

節點是工作流的重要元素，通過串聯不同功能的節點，可以實現工作流的各項操作。這種設計特別適合自動化和批量處理場景，如高品質翻譯、數據分析、內容創作、電子郵件自動化等應用。然而，這類應用無法進行生成結果的多輪對話交互。

起始節點

"起始"節點是所有工作流程應用（Chatflow / Workflow）的基礎，提供了之后各個節點以及應用運行所需的初始信息，如用戶輸入的文本、上傳的文件等。

大語言模型節點（LLM節點）

這個節點調用大語言模型（LLM），處理和分析用戶在 "起始" 節點中輸入的數據（包括自然語言、上傳的文件或圖片），并產生有意義的響應。

知識檢索節點

此節點能從知識庫中尋找與用戶問題相關的內容，這些內容可以被下一步的 LLM 節點用作參考上下文。

問題分類節點

問題分類節點通過預設的分類規則，能夠根據用戶輸入，利用 LLM 進行推理并匹配相應的類別，生成分類結果，為后續節點提供更精準的信息。

條件分支節點

該節點可以根據設定的 If/else/elif 條件將 Chatflow / Workflow 的流程切分為多個分支。

代碼執行節點

代碼節點支持 Python / NodeJS 代碼的運行，用于在工作流程中進行數據轉換。它可以簡化你的工作流程，適合進行算術運算、JSON 變換、文本處理等操作。

模板轉換節點

借助 Jinja2 這種強大的 Python 模板語言，模板節點可以在工作流中實現靈活且輕量的數據轉換，適用于處理文本、轉換JSON 等。例如，將前面步驟的變量進行格式化和合并，創造出單一的文本輸出，非常適合將多個數據源的信息匯總成一個特定格式，以滿足后續步驟的需求。

文檔提取器節點

LLM 無法直接讀取或理解文檔內容，因此需要借助文檔提取器節點來解析用戶上傳的文檔，將文件中的信息轉換為文本，再傳給 LLM 進行處理。

列表操作節點

列表操作節點能夠對文件的各種屬性（如格式類型、文件名、大小等）進行篩選和提取，將不同格式的文件送到相應的處理節點，實現精準的文件流程控制。

變量聚合節點

通過變量聚合，可以將問題分類或條件分支等的多路輸出整合為單一輸出，供下游節點使用和操作，極大地簡化了數據流的管理。

變量賦值節點

你可以利用變量賦值節點將對話上下文、上傳的文件、用戶輸入的偏好信息等變量寫入會話變量，供后續對話參考。

迭代節點

迭代節點可以對數組中的每個元素執行相同的操作，并產生所有結果，可以視為批量任務處理器。通常，迭代節點會配合數組變量使用。

參數提取節點

這個節點利用 LLM 從自然語言中推理和提取結構化參數，以供后續工具調用或 HTTP 請求使用。

HTTP 請求節點

該節點允許通過 HTTP 協議向服務器發送請求，適用于獲取外部數據、webhook、生成圖片、下載文件等操作。你可以向指定的網絡地址發送定制化的 HTTP 請求，實現與各種外部服務的互動。

Agent 節點

Agent 節點在Dify Chatflow/Workflow 中負責自主調用工具的功能。它通過集成各種 Agent 推理策略，使LLM能夠在運行時動態選擇并執行工具，實現多步推理。

工具節點

"工具"節點對工作流提供了強勁的外部功能支持，可分為三個類別：

• 預裝工具，這些是由Dify直接提供的工具，在使用前可能要先進行授權。
• 自定義工具，這些工具可以通過 OpenAPI/Swagger 標準格式導入或設定。如預裝工具無法滿足你的需求，可在Dify界面導向 -- 工具中構建自己的工具。
• 工作流程，你可以設計一個更加復雜的工作流，并發布為工具。

本文轉載自公眾號AI 博物院 作者：longyunfeigu

原文鏈接：??https://mp.weixin.qq.com/s/RDxKHDqdhnTDk7_2mlIaqw???