Dify 产品介绍适用版本Dify Community Editionv1.16.02026-07-17 发布面向读者零基础 / 初次接触 AI 应用开发的同学阅读时长约 15 分钟文档定位本篇帮你建立对 Dify 的整体认知看完后你将知道「Dify 是什么、能干什么、适合我吗、我该从哪学起」。1. 一句话认识 DifyDify 是一个开源的、可视化的一站式 AI 应用开发平台。你不需要从头写复杂的代码只要在网页上「拖拽节点、填提示词、上传资料」就能做出一个能回答你公司制度问题的智能客服机器人一个会自动写营销文案的内容生成器一个会自己调用搜索、写代码、查数据库的AI 智能体Agent一条把多个步骤串起来的自动化工作流。官方定义GitHub 仓库“Production-ready platform for agentic workflow development.”用于智能体工作流开发的、可投产级平台。名词解释 · 什么是「智能体 / Agent」你可以把它理解成「会自己想办法完成任务的 AI」。普通聊天机器人是「你问一句它答一句」而 Agent 接到一个目标后可以自己决定先查资料、再算一下、最后给你结论中间可能调用多个工具。Dify 让普通人也能搭出这样的 Agent。2. 为什么需要 Dify它解决什么痛点很多同学想用大模型做点东西但纯写代码有这些麻烦痛点传统做法纯代码用 Dify 之后搭一个聊天应用要写前端 后端 接口 数据库网页上配置自动生成对话界面和 API让 AI 读你自己的文件要自己处理切片、向量化、检索上传文件即可内置 RAG 流水线把多个步骤串起来手写大量流程控制代码拖拽节点像画流程图一样调试和监控自己打日志、做后台平台自带日志、反馈、用量统计换模型改一堆 SDK 接入代码在模型市场里点一下切换简单说Dify 把「AI 应用开发的重复劳动」封装成了可视化的积木让你把精力放在「业务逻辑」而不是「工程脚手架」上。3. Dify 的 5 大核心能力可视化编排Workflow / Chatflow用拖拽方式把 LLM、知识检索、条件判断、代码等节点连成一张图逻辑一目了然方便调试和交接。RAG 知识库上传 PDF / Word / 网页 / Excel平台自动完成「清洗 → 切片 → 向量化 → 检索」让你的 AI 回答基于你自己的资料而不是凭空编造。Agent 智能体给 AI 配置工具搜索、代码执行、HTTP 请求等和边界它就能自主完成多步任务。模型接入网关统一管理几十种模型通义千问、DeepSeek、OpenAI、Ollama 本地模型等一处配置、处处调用。可观测与发布内置运行日志、用户反馈、用量统计应用可一键发布为 Web 页面、API 接口或可嵌入的网页组件。4. Dify 的 5 种应用类型在 Dify 里点「创建应用」时你会看到这 5 种「模板」新手先记住前两种就够用了类型英文名一句话说明典型用途聊天助手Chatbot一问一答的对话应用可挂知识库和工具智能客服、私人助理智能体Agent能自主调用工具、多步推理的 AI自动调研、执行任务文本生成Text Generator单次输入 → 单次输出非对话翻译、摘要、文案生成工作流Workflow把多个节点串成有向图非对话批量处理、复杂编排对话流Chatflow聊天 工作流节点结合带流程的对话机器人新手建议先玩Chatbot最容易上手再进阶到Workflow / Chatflow能力最强最后挑战Agent。5. Dify 的整体架构看懂这张图后面不迷路REST API / WebSocket浏览器 / 你的系统Dify 前端 WebDify 后端 APIFlask CeleryPostgreSQL应用/用户/日志Redis队列 缓存向量数据库Weaviate / Qdrant / PGVector模型供应商通义千问 / DeepSeek / Ollama前端 Web你在浏览器里操作的界面控制台 对话页。后端 API处理业务逻辑Celery 负责异步执行工作流任务。PostgreSQL存应用配置、用户、对话日志等。Redis做任务队列和缓存。向量数据库知识库检索用的「语义搜索引擎」默认用平台内置或外接。模型供应商真正「动脑子」的大模型由你来接入。名词解释 · 什么是「向量数据库 / 向量化」大模型不能直接「理解」你的文档。RAG 会把文档切成小段再调用Embedding 模型把每段文字变成一串数字向量。相似意思的文字向量也相近。检索时把问题也变成向量去数据库里找「最相近」的文档片段再把它们喂给大模型。这就是「基于资料的回答」的原理。6. Dify 与其他方案的对比维度纯代码LangChain 等Coze / 扣子字节Dify开源自部署上手难度高要会编程低但偏封闭低可视化 可自部署数据隐私自己掌控数据在平台方自己部署数据完全自控可定制性最高有限高开源可改是否需要服务器要不用云端可云端也可自己部署国内模型支持需自己接支持部分支持通义/DeepSeek/Ollama 等结论如果你希望「既要简单上手又要数据在自己手里、还能接国内模型」Dify 是非常合适的选择。7. 推荐的学习路径本系列 8 篇顺序01 产品介绍建立认知02 安装与部署把 Dify 跑起来03 界面介绍认识控制台04 核心概念与基础使用建第一个 Chatbot05 工作流编排学会拖拽节点06 知识库与 RAG让 AI 读你的资料07 使用案例集动手做真实项目08 API 集成与进阶接入你的系统建议按顺序学每篇都有「动手练习」跟着做一遍比只看印象深得多。8. 本系列文档清单序号文件主题101-产品介绍.md你正在看这一篇202-安装与部署.md用 Docker 把 Dify 装好303-界面介绍.md控制台每个按钮是干嘛的404-核心概念与基础使用.md模型、提示词、知识库、Agent505-工作流编排.mdWorkflow / Chatflow 节点详解606-知识库与RAG实战.md上传资料、检索调优707-使用案例集.md6 个可复刻真实案例808-API集成与进阶.mdAPI、CLI、插件、排错9. 官方资源遇到问题先来这查官方文档https://docs.dify.aiGitHub 仓库https://github.com/langgenius/dify版本发布记录https://github.com/langgenius/dify/releases插件市场https://marketplace.dify.ai社区交流Dify 官方 Discord / 论坛⚠️版本提示Dify 发版很快约每 1–2 周一次。本系列以v1.16.0为准若你安装的是更高小版本界面可能略有差异以官方 Release Notes 为准。下一步打开 02-安装与部署.md照着把 Dify 在自己的电脑或服务器上跑起来。
Dify 产品介绍适用版本Dify Community Editionv1.16.02026-07-17 发布面向读者零基础 / 初次接触 AI 应用开发的同学阅读时长约 15 分钟文档定位本篇帮你建立对 Dify 的整体认知看完后你将知道「Dify 是什么、能干什么、适合我吗、我该从哪学起」。1. 一句话认识 DifyDify 是一个开源的、可视化的一站式 AI 应用开发平台。你不需要从头写复杂的代码只要在网页上「拖拽节点、填提示词、上传资料」就能做出一个能回答你公司制度问题的智能客服机器人一个会自动写营销文案的内容生成器一个会自己调用搜索、写代码、查数据库的AI 智能体Agent一条把多个步骤串起来的自动化工作流。官方定义GitHub 仓库“Production-ready platform for agentic workflow development.”用于智能体工作流开发的、可投产级平台。名词解释 · 什么是「智能体 / Agent」你可以把它理解成「会自己想办法完成任务的 AI」。普通聊天机器人是「你问一句它答一句」而 Agent 接到一个目标后可以自己决定先查资料、再算一下、最后给你结论中间可能调用多个工具。Dify 让普通人也能搭出这样的 Agent。2. 为什么需要 Dify它解决什么痛点很多同学想用大模型做点东西但纯写代码有这些麻烦痛点传统做法纯代码用 Dify 之后搭一个聊天应用要写前端 后端 接口 数据库网页上配置自动生成对话界面和 API让 AI 读你自己的文件要自己处理切片、向量化、检索上传文件即可内置 RAG 流水线把多个步骤串起来手写大量流程控制代码拖拽节点像画流程图一样调试和监控自己打日志、做后台平台自带日志、反馈、用量统计换模型改一堆 SDK 接入代码在模型市场里点一下切换简单说Dify 把「AI 应用开发的重复劳动」封装成了可视化的积木让你把精力放在「业务逻辑」而不是「工程脚手架」上。3. Dify 的 5 大核心能力可视化编排Workflow / Chatflow用拖拽方式把 LLM、知识检索、条件判断、代码等节点连成一张图逻辑一目了然方便调试和交接。RAG 知识库上传 PDF / Word / 网页 / Excel平台自动完成「清洗 → 切片 → 向量化 → 检索」让你的 AI 回答基于你自己的资料而不是凭空编造。Agent 智能体给 AI 配置工具搜索、代码执行、HTTP 请求等和边界它就能自主完成多步任务。模型接入网关统一管理几十种模型通义千问、DeepSeek、OpenAI、Ollama 本地模型等一处配置、处处调用。可观测与发布内置运行日志、用户反馈、用量统计应用可一键发布为 Web 页面、API 接口或可嵌入的网页组件。4. Dify 的 5 种应用类型在 Dify 里点「创建应用」时你会看到这 5 种「模板」新手先记住前两种就够用了类型英文名一句话说明典型用途聊天助手Chatbot一问一答的对话应用可挂知识库和工具智能客服、私人助理智能体Agent能自主调用工具、多步推理的 AI自动调研、执行任务文本生成Text Generator单次输入 → 单次输出非对话翻译、摘要、文案生成工作流Workflow把多个节点串成有向图非对话批量处理、复杂编排对话流Chatflow聊天 工作流节点结合带流程的对话机器人新手建议先玩Chatbot最容易上手再进阶到Workflow / Chatflow能力最强最后挑战Agent。5. Dify 的整体架构看懂这张图后面不迷路REST API / WebSocket浏览器 / 你的系统Dify 前端 WebDify 后端 APIFlask CeleryPostgreSQL应用/用户/日志Redis队列 缓存向量数据库Weaviate / Qdrant / PGVector模型供应商通义千问 / DeepSeek / Ollama前端 Web你在浏览器里操作的界面控制台 对话页。后端 API处理业务逻辑Celery 负责异步执行工作流任务。PostgreSQL存应用配置、用户、对话日志等。Redis做任务队列和缓存。向量数据库知识库检索用的「语义搜索引擎」默认用平台内置或外接。模型供应商真正「动脑子」的大模型由你来接入。名词解释 · 什么是「向量数据库 / 向量化」大模型不能直接「理解」你的文档。RAG 会把文档切成小段再调用Embedding 模型把每段文字变成一串数字向量。相似意思的文字向量也相近。检索时把问题也变成向量去数据库里找「最相近」的文档片段再把它们喂给大模型。这就是「基于资料的回答」的原理。6. Dify 与其他方案的对比维度纯代码LangChain 等Coze / 扣子字节Dify开源自部署上手难度高要会编程低但偏封闭低可视化 可自部署数据隐私自己掌控数据在平台方自己部署数据完全自控可定制性最高有限高开源可改是否需要服务器要不用云端可云端也可自己部署国内模型支持需自己接支持部分支持通义/DeepSeek/Ollama 等结论如果你希望「既要简单上手又要数据在自己手里、还能接国内模型」Dify 是非常合适的选择。7. 推荐的学习路径本系列 8 篇顺序01 产品介绍建立认知02 安装与部署把 Dify 跑起来03 界面介绍认识控制台04 核心概念与基础使用建第一个 Chatbot05 工作流编排学会拖拽节点06 知识库与 RAG让 AI 读你的资料07 使用案例集动手做真实项目08 API 集成与进阶接入你的系统建议按顺序学每篇都有「动手练习」跟着做一遍比只看印象深得多。8. 本系列文档清单序号文件主题101-产品介绍.md你正在看这一篇202-安装与部署.md用 Docker 把 Dify 装好303-界面介绍.md控制台每个按钮是干嘛的404-核心概念与基础使用.md模型、提示词、知识库、Agent505-工作流编排.mdWorkflow / Chatflow 节点详解606-知识库与RAG实战.md上传资料、检索调优707-使用案例集.md6 个可复刻真实案例808-API集成与进阶.mdAPI、CLI、插件、排错9. 官方资源遇到问题先来这查官方文档https://docs.dify.aiGitHub 仓库https://github.com/langgenius/dify版本发布记录https://github.com/langgenius/dify/releases插件市场https://marketplace.dify.ai社区交流Dify 官方 Discord / 论坛⚠️版本提示Dify 发版很快约每 1–2 周一次。本系列以v1.16.0为准若你安装的是更高小版本界面可能略有差异以官方 Release Notes 为准。下一步打开 02-安装与部署.md照着把 Dify 在自己的电脑或服务器上跑起来。
