自动化与 Agent免费增值入手难度 中境内可用
4/5
Dify
开源 LLM 应用开发平台。
适合做什么
RAG 知识库应用：上传文档构建知识库，结合大模型实现准确的企业问答和知识检索系统
AI 工作流编排：可视化拖拽构建多步骤 AI 处理流程，包含条件分支、循环和并行处理
智能客服：Agent 模式连接企业知识库和业务系统 API，自动理解用户意图并调用工具
企业内部 AI 工具：快速搭建企业专属的 AI 助手，集成内部系统和数据
Prompt 原型验证：在可视化界面快速调试 Prompt 效果，验证通过后再接入生产
开源自部署：数据敏感型企业可私有化部署，数据不出内网
不适合做什么
非技术用户独立使用：需要理解 LLM 基本概念和 API 调用方式，完全零基础用户有门槛
需要极致性能的低延迟场景：平台层有一定开销，对延迟极度敏感的场景不如直接调用模型 API
超大规模企业级部署：开源版的权限管理和多租户能力不如商业版，大规模部署需购买企业版
纯前端 AI 应用：Dify 侧重后端逻辑编排，前端 UI 需要另行开发
需要离线运行的场景：即使是自部署版本也需要联网获取模型 API
为什么推荐
1Dify 是国内开源 AI 应用开发平台中生态最活跃的产品，GitHub Star 数超过8万，社区贡献者和插件数量远超同类项目。可视化工作流编排降低了 LLM 应用开发门槛——从 Prompt 编排、RAG 知识库到 Agent 工具链，全流程可视化配置，不需要写代码就能构建完整的 AI 应用。RAG 引擎对中文文档的支持优于海外竞品，分词和检索准确度高。完全开源可自部署是数据敏感型企业的刚需，金融、政务和医疗等行业可以私有化部署确保数据不出内网。局限：可视化工作流在逻辑复杂时调试困难，不如代码灵活；开源版的多租户和权限管理不如企业版完善；社区版功能更新快但偶有不稳定；对非技术用户仍需一定学习成本。
快速上手
1访问 dify.ai 注册云服务账号，或使用 Docker 自部署：docker compose up -d
2配置模型供应商：进入「设置→模型供应商」，添加 API Key（支持 OpenAI、Anthropic、通义千问、智谱等）
3创建知识库：进入「知识库」，上传文档（PDF/Word/TXT/网页），选择分段策略和检索方式
4创建应用：选择「聊天助手」「Agent」或「工作流」模板
5配置 Prompt：在应用编辑器中编写系统 Prompt，关联知识库，配置温度和最大输出长度
6如选 Agent 模式：添加工具（网页搜索、代码执行、自定义 API），配置 ReAct 推理策略
7测试对话：在右侧预览面板测试效果，调整 Prompt 和参数直到满意
8发布应用：点击「发布」生成 API 端点和 Web 应用链接
示例提示词
RAG 知识库 — 企业内部问答系统
"搭建基于公司文档的智能问答系统： - 第一步：创建知识库，上传公司制度文档、产品手册和FAQ文档 - 第二步：选择分段策略——按段落分段，每段500字，重叠50字 - 第三步：选择检索方式——混合检索（向量+全文），TopK=5，相似度阈值0.7 - 第四步：创建聊天助手应用，关联知识库 - 第五步：编写系统 Prompt："你是公司内部助手，基于提供的文档回答员工问题。如果文档中没有相关信息，明确说明不知道，不要编造。" - 第六步：测试提问："年假怎么申请？""出差报销标准是多少？"，验证回答准确性 要求：回答必须引用来源文档，不知道的明确说不知道"
工作流 — 客户反馈自动分析
"构建客户反馈自动分析工作流： - 第一步：创建工作流应用，添加开始节点接收反馈文本 - 第二步：添加 LLM 节点，Prompt："分析这段客户反馈，提取：1.情感倾向(正面/负面/中性) 2.问题类别(产品/服务/物流/其他) 3.紧急程度(高/中/低) 4.关键信息摘要，输出JSON格式" - 第三步：添加条件分支节点：紧急程度=高→发送告警邮件，紧急程度≠高→存入数据库 - 第四步：添加 LLM 节点生成回复草稿："根据分析结果生成礼貌专业的客户回复" - 第五步：添加结束节点输出分析结果和回复草稿 - 第六步：测试工作流并发布为 API 要求：情感分析准确率90%以上，紧急反馈5分钟内告警"
Agent — 智能客服助手
"构建连接业务系统的智能客服 Agent： - 第一步：创建 Agent 应用，选择 ReAct 推理模式 - 第二步：编写系统 Prompt："你是客服助手，先理解用户问题，再决定是否需要调用工具查询信息，最后给出准确回答。" - 第三步：添加工具1——订单查询 API：输入订单号，返回订单状态和物流信息 - 第四步：添加工具2——知识库查询：搜索产品FAQ和售后政策 - 第五步：添加工具3——工单创建 API：输入问题描述，创建售后工单 - 第六步：测试对话："我的订单12345到哪了？""产品有质量问题怎么退货？" 要求：Agent 自主判断何时调用工具，不盲目调用也不遗漏必要查询"
多模型对比 — Prompt 效果验证
"用 Dify 对比不同模型在同一 Prompt 下的表现： - 第一步：创建聊天助手应用，编写待测试的 Prompt - 第二步：在模型设置中依次切换 GPT-4o、Claude 3.5、通义千问-Max - 第三步：输入相同的测试问题集，对比回答质量 - 第四步：记录每个模型在准确性、格式遵循、中文表达方面的表现差异 - 第五步：选择表现最优的模型作为生产模型 要求：对比至少5个测试问题，记录每个模型的优劣势"
自部署 — 私有化 RAG 系统
"在内网环境自部署 Dify 搭建私有知识库： - 第一步：准备服务器（推荐8核16G以上），安装 Docker 和 Docker Compose - 第二步：克隆 Dify 仓库：git clone https://github.com/langgenius/dify.git - 第三步：进入 docker 目录，复制 .env.example 为 .env，配置数据库密码和密钥 - 第四步：docker compose up -d 启动所有服务 - 第五步：配置本地模型供应商（如 Ollama 运行本地模型）或配置内网可访问的模型 API - 第六步：上传企业内部文档创建知识库，开始构建私有化 AI 应用 要求：所有数据不出内网，模型 API 仅内网可访问"