github.com · langgenius/dify
Dify - 开源琅嬛阁
项目介绍
Dify 是用于构建代理式 AI 工作流的开源 LLM 应用开发平台，面向从原型到生产的应用交付。它把提示词编排、RAG 知识库、模型管理、工具调用、Agent 能力与可观测性整合进直观的低代码界面，适合产品、运营与工程跨角色协作。
核心特性
- 可视化 AI 工作流与 Agent 编排
- 内置 RAG 管道与知识库管理
- 多模型接入与统一 API 发布
- 可观测性集成（Langfuse、Opik、Arize Phoenix 等）
- 支持云服务、社区版自托管与企业部署
对用户价值
Dify 降低了非纯工程团队构建 AI 应用的门槛，同时仍保留部署和扩展空间。它特别适合把「一个提示词」扩展成可测试、可迭代、可交付的应用工作流，并在一处管理版本与调用监控。
与替代方案
- 相比 n8n 等通用自动化平台，Dify 更专注 LLM 应用与 Agent 场景。
- 相比纯代码框架（LangChain），Dify 提供可视化编排与开箱即用的应用托管。
- 若只需极简聊天机器人且团队全栈工程能力强，自研 + LangGraph 可能更灵活。
适应人群
- 希望快速搭建 AI 应用的产品和工程团队。
- 需要知识库、流程和工具集成的企业内部项目。
- 想比较低代码 AI 平台架构的开发者。
如何使用
前置条件
- 自托管需满足官方最低硬件要求（通常建议 4GB+ 内存，生产环境更高）。
- 已准备至少一个 LLM API 密钥或本地兼容端点。
安装方式
社区版常用 Docker Compose 部署，详见 自托管文档：
git clone https://github.com/langgenius/dify.gitcd dify/dockercp .env.example .envdocker compose up -d首次运行
访问本地控制台（默认 http://localhost/install），完成初始化并创建首个应用，配置模型与知识库。
验证是否成功
运行一个简单聊天或工作流应用，确认模型回复、知识检索与 API 调用均正常。
常见坑 / 注意事项
- 生产环境需单独规划数据库、向量库与 HTTPS。
- 上线前评审提示词注入、权限边界与失败分支处理。
- 关注模型调用成本与速率限制，避免工作流循环放大费用。