第 1 期:Dify 是什么?开源 LLM 平台全景概览

Updated on 4/6/2026

[Translation Pending]\n\n## 为什么选择 Dify?

当你想构建一个基于大语言模型的应用时,通常面临以下几条路线:

  1. 纯代码路线(LangChain / LlamaIndex)— 灵活但开发成本高
  2. 纯 SaaS 路线(ChatGPT / Claude)— 简单但无法定制
  3. 平台路线(Dify)— 可视化 + API + 开源自部署,兼顾灵活与效率

Dify 的定位是 Production-ready platform for agentic workflow development(面向生产环境的智能工作流开发平台)。它不是一个玩具,而是一个已经被大量企业在生产环境中使用的严肃平台。

核心功能矩阵

graph TB
    A[Dify Platform] --> B[Workflow Engine]
    A --> C[RAG Pipeline]
    A --> D[Agent Framework]
    A --> E[Model Management]
    A --> F[LLMOps]
    A --> G[Backend-as-a-Service]
    
    B --> B1[可视化画布编排]
    B --> B2[20+ 节点类型]
    B --> B3[DSL 导入导出]
    
    C --> C1[文档导入/分段]
    C --> C2[向量/全文/混合检索]
    C --> C3[多 Embedding 模型支持]
    
    D --> D1[Function Calling]
    D --> D2[ReAct 推理]
    D --> D3[50+ 内置工具]
    
    E --> E1[数百模型一键接入]
    E --> E2[OpenAI/Gemini/Ollama]
    E --> E3[负载均衡/配额管理]
    
    F --> F1[Dashboard 数据分析]
    F --> F2[日志追踪]
    F --> F3[Langfuse/Opik 集成]

四大核心概念

1. Dify App(应用)

Dify 中的每个 AI 应用都是一个独立的 App。你可以把它理解为一个"AI 微服务",拥有自己的 Prompt、模型配置、工具集和发布渠道。

2. Workflow(工作流)

Workflow 是 Dify 最强大的编排引擎。它可以通过可视化画布,将 LLM 调用、代码执行、API 请求、条件判断等节点串联成复杂的自动化流程。

# Workflow 的本质就是一个有向无环图 (DAG)
# 每个节点接收上游输出,处理后传递给下游
workflow = {
    "nodes": [
        {"id": "start", "type": "start"},
        {"id": "llm_1", "type": "llm", "model": "gpt-4"},
        {"id": "code_1", "type": "code", "language": "python3"},
        {"id": "end", "type": "end"}
    ],
    "edges": [
        {"source": "start", "target": "llm_1"},
        {"source": "llm_1", "target": "code_1"},
        {"source": "code_1", "target": "end"}
    ]
}

3. Chatflow(对话流)

Chatflow 是 Workflow 的变体,专门针对多轮对话场景。它内置了对话历史记忆管理,支持 sys.conversation_idsys.dialogue_count 等会话级系统变量。

4. Dify DSL

DSL (Domain Specific Language) 是 Dify 应用的序列化格式(YAML)。你可以将任何应用导出为 DSL 文件,在团队间分享或版本控制。

# 一个最简的 Dify DSL 示例
app:
  name: "Hello World Bot"
  mode: chatbot
  model_config:
    provider: openai
    model: gpt-4o-mini
    parameters:
      temperature: 0.7
  prompt_template:
    system: "你是一个友好的 AI 助手。"

技术栈一览

层级 技术
前端 Next.js (TypeScript)
后端 Flask (Python)
数据库 PostgreSQL
缓存 Redis
向量数据库 Weaviate / Qdrant / Milvus / pgvector
消息队列 Celery
容器化 Docker Compose / Kubernetes