一、Dify 概述与核心概念本章节旨在帮助初学者建立对 Dify 的整体认知理解其定位、核心价值与基本架构。什么是 Dify介绍 Dify 的定义、项目背景、解决的问题以及其在 AI 应用开发领域的定位。核心特性与优势列举 Dify 的关键功能如可视化编排、多模型支持、知识库、工作流等并说明其相较于传统开发方式的优势。核心概念解析解释 Dify 中的关键术语如应用App、工作流Workflow、智能体Agent、知识库Knowledge Base、模型供应商Model Provider等。适用场景与用户说明 Dify 适合哪些类型的 AI 应用开发以及面向开发者、产品经理、业务人员等不同角色的价值。二、快速开始环境搭建与第一个应用通过一个简单的Hello World式示例带领用户完成从零到一的第一个 Dify 应用创建。本节将详细介绍如何部署 Dify 并创建你的第一个 AI 应用。2.1 环境准备Dify 支持多种部署方式你可以根据自身需求选择云服务访问 cloud.dify.ai 直接使用官方托管服务无需安装。Docker 部署推荐使用 Docker Compose 快速部署适合本地开发和测试。源码部署适合需要深度定制或二次开发的用户。系统要求操作系统Linux、macOS 或 WindowsWSL2内存至少 4GB RAM推荐 8GB存储至少 10GB 可用空间网络可访问互联网以下载 Docker 镜像和模型2.2 Docker 环境安装如果你选择 Docker 部署首先需要安装 Docker 和 Docker Compose安装 Docker Desktop访问 Docker 官网 下载对应系统的 Docker Desktop按照安装向导完成安装启动 Docker Desktop确保 Docker 服务正常运行验证安装打开终端或命令行运行以下命令验证 Docker 是否安装成功docker --version docker-compose --version2.3 安装与启动 Dify使用 Docker Compose 部署 Dify 是最简单的方式下载配置文件mkdir dify cd dify curl -O https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml curl -O https://raw.githubusercontent.com/langgenius/dify/main/docker/.env.example -o .env配置环境变量编辑.env文件设置必要的参数# 设置 OpenAI API Key或其他模型供应商的密钥 OPENAI_API_KEYsk-your-openai-api-key-here 设置数据库密码 DB_PASSWORDyour_secure_password_here启动服务docker-compose up -d等待启动完成首次启动需要下载镜像大约需要 5-10 分钟。使用以下命令查看日志docker-compose logs -f当看到所有服务都显示为 healthy 状态时表示启动成功。2.4 初始登录与界面导览Dify 启动后在浏览器中访问 http://localhost:3000首次登录使用默认账号adminexample.com和密码password登录修改密码首次登录后请立即修改密码主界面介绍仪表盘显示应用使用统计和系统状态应用创建和管理 AI 应用的核心区域工作流可视化编排复杂 AI 流程知识库管理文档和数据集模型供应商配置和管理 AI 模型工具管理可调用的外部工具2.5 Ollama安装与应用Ollama是一个开源的本地大模型运行框架用于在本地部署管理和运行各类开源llm模型。第一步下载地址https://ollama.com/download支持macos,linux和windows系统第二步下载完成后修改环境配置默认C盘在聊天面板中下载大模型qwen2.57b;可以在聊天界面使用也可以使用终端输入ollama list第三步Dify中配置Ollama在DIfy中搜索Ollama模型供应商安装添加模型测试模型在工作室中选择创建空白应用即可2.6 下一步恭喜你已经成功部署了 Dify 并创建了第一个 AI 应用。接下来可以尝试为应用添加知识库让 AI 基于你的文档回答问题探索工作流功能创建更复杂的 AI 流程配置更多模型供应商如 Anthropic Claude 或国内大模型学习如何通过 API 集成到你的业务系统中2.7补充使用deepseek api调用同Ollama模型自己摸索即可三、提示词工程提示词工程是构建高质量 AI 应用的核心技能。在 Dify 中良好的提示词设计能显著提升应用的准确性、稳定性和用户体验。本章将系统介绍提示词工程的基本原理、Dify 中的提示词编写技巧以及最佳实践。3.1 提示词基础提示词Prompt是与大语言模型LLM交互的指令它决定了模型如何理解和响应用户的输入。一个优秀的提示词通常包含以下要素角色定义明确模型扮演的角色如“你是一位资深软件架构师”、“你是一个专业的客服助手”。任务描述清晰说明需要完成的具体任务包括输入格式、输出格式、处理步骤方案等。上下文信息约束条件提供必要的背景知识、约束条件内容风格约束或参考示例。输出格式指定输出的结构、风格、长度限制等。3.2 Dify 中的提示词编写在 Dify 中你可以在“应用配置”的“提示词”部分编写系统提示词。Dify 提供了以下功能来增强提示词效果变量插值使用{{variable_name}}语法动态插入变量值实现个性化交互。上下文变量引用对话历史、用户信息等上下文数据。知识库引用通过{{#knowledge}}...{{/knowledge}}语法嵌入知识库检索结果。工具调用在提示词中描述工具功能引导模型在适当时机调用工具。可以使用大模型帮助优化提示词实战演练业务需求《金融文本信息提取》 目的基于用户输入的财报内容提取关键信息创建空白应用命名金融助手添加提示词你是一个数据分析小助手专注于从金融的财报中提取关键财务数据当提取信息时请严格按以下规则操作1只提取三项数据营业收入、净利润、同比增长率你好你是谁2输出格式必须为JSON字段名revenue, net_profit, growth_rate3金额单位统一为亿元增长率带百分号4不输出任何解释、注释或额外内容我是数据分析小助手专注于从金融财报中提取关键财务数据。请提供包含营业收入、净利润和同比增长率的文本我将按指定格式返回JSON结果。示例输入2022年营收42.1亿元净利6.8亿同比增9.2%输出(revenue:42.1,net_profit: 6.8, growth_rate: 9.2%)四、RAG技术的应用4.1 什么是RAGRAGRetrieval-Augmented Generation中文检索增强技术是一种结合知识检索和语言生成的人工智能技术主要用于解决大型语言模型幻觉问题。基本原理在生成回答时先从知识库中检索相关文档将检索到的文档与原始问题一起输入LLMLLM基于检索内容生成最终答案。4.2 RAG中知识库的构建文档准备文档切片文档向量化4.3实战案例创建LOL攻略知识库创建即用型知识库导入已有文本分段设置 分段标识符\n,\n\n等 分段最大长度字面意思 分段重叠长度设置分段之间的重叠长度可以保留分段之间的语义关系提升召回效果。建议设置为最大分段长度的 10%-25%使用经济索引方式保存4.4 AI Agent对知识库的应用创建空白应用Agent在知识库选项中导入知识库文档知识库文档索引可设置顺序五、插件工具应用5.1 什么是Function Call5.2 Function Call功能5.3 Function Call工作原理5.4 在Dify中应用Function Call对于Dify来说Function Call就是插件每个插件有一个或多个工具工具可调用的API模型通过阅读【插件描述】决定是否调用该插件在Agent页面里选择工具即可5.5 Dify自定义插件基本流程目标开发智能天气助手 目的主要完成天气查询插件的制作python脚本开发后台运行API接口在Dify中选择工具自定义选择工具搭建Schema测试插件保存应用六、工作流与Agent6.1 理解工作流和Agent补充本文主要为部署Dify等如有更多实战案例需自己搜索没写的内容后面主要后端知识