详细介绍
Dify 是一个开源的 AI 应用开发平台，主要用于构建、部署和管理基于大语言模型（LLM）的 AI 应用。它将 Agent、Workflow、RAG 知识库、模型管理、插件、应用发布和运行监控等能力整合在一个平台中，让开发者和团队可以通过可视化方式快速搭建从简单聊天机器人到复杂 Agent 工作流的 AI 应用。
Dify 目前由 LangGenius 开发和维护，官方将其定位为面向生产环境的 Agentic Workflow 平台。用户可以使用 Dify Cloud 在线创建应用，也可以通过开源社区版自行部署，将 Dify 运行在自己的服务器或基础设施上。
Dify 能做什么？
Dify 的核心价值并不是提供某一个 AI 模型，而是提供一套用于调用和编排各种 AI 模型，并将其封装成实际应用的开发平台。
例如，可以利用 Dify 将大模型、企业内部资料、外部工具和业务逻辑组合起来，构建：
- AI 智能客服
- 企业知识库问答
- AI 文档分析
- 内容生成与处理工具
- AI Agent
- 自动化工作流
- 数据处理应用
- AI 编程及开发辅助工具
- 面向网站或业务系统的 AI API
完成应用后，还可以将其发布为 Web 应用、API，或者以嵌入等方式集成到其他产品中。官方文档目前也提供了 REST API、CLI 以及插件开发相关能力。
核心功能
1. 可视化 Workflow 工作流
Dify 提供可视化工作流编辑器，可以通过节点组合 AI 模型、提示词、条件判断、数据处理、知识检索、工具调用等操作。
相比只使用一个 Prompt，Workflow 更适合处理具有明确步骤的复杂任务。例如：
用户输入 → 内容分析 → 知识库检索 → 大模型处理 → 条件判断 → 输出结果
整个执行过程可以通过可视化画布查看和调试，因此即使没有大量编程经验，也能够构建较复杂的 AI 应用。
2. AI Agent
Dify 支持构建能够自主调用工具完成任务的 AI Agent。
用户可以为 Agent 配置模型、工具、知识等能力，使其根据任务选择合适的工具并执行多步骤操作。同时，Agent 既可以作为独立应用使用，也可以嵌入 Workflow 中作为其中一个节点。
这使 Dify 不仅能够开发传统的 AI 聊天应用，也可以用于构建具有一定自主执行能力的智能体应用。
3. RAG 知识库
Dify 内置知识库和 RAG（Retrieval-Augmented Generation，检索增强生成）能力，可以将企业文档、网站以及其他数据导入知识库，再通过检索为 AI 应用提供额外上下文。
目前官方的 Knowledge Pipeline 支持对文件、网站、在线文档和云端数据等内容进行提取、清洗、切分、索引和检索测试，然后将知识库连接到 Agent 或 Workflow。
因此，Dify 很适合用于构建：
- 企业内部知识库
- 产品文档问答
- 技术文档助手
- 客服知识库
- 企业资料检索
- 基于私有资料的 AI 助手
4. 多模型支持
Dify 并不绑定某一个 AI 模型，而是提供统一的模型管理能力，可以接入不同模型提供商以及自托管模型。
官方项目说明显示，Dify 支持来自多个模型提供商的模型，同时也支持 OpenAI API 兼容接口等方式接入模型。模型和工具目前通过插件体系进行管理，可以从 Marketplace 安装相应插件。
因此，开发者可以根据不同任务选择合适的模型，而不需要针对每个模型重新开发整套 AI 应用。
5. 插件与工具生态
Dify 通过插件机制扩展模型、工具、数据源以及 Agent 能力。
官方插件体系目前包含模型、工具和 Agent 策略等类型，Marketplace 则可以用于发现和安装相关插件。开发者也可以根据需要开发自己的插件，将外部服务或业务能力接入 Dify。
目前 Dify 官方首页还明确提供了 MCP 集成，应用可以发布为 MCP-compatible tools，从而与支持 MCP 的其他 AI 工具和 Agent 体系进行连接。
6. 应用发布与 API
在 Dify 中创建的 AI 应用不仅可以在平台内部运行，还可以发布为 Web 应用、API、嵌入式应用等形式。
这意味着开发者可以先在 Dify 中完成 AI 应用的设计和测试，再通过 API 将 AI 能力集成到自己的：
- 网站
- SaaS 产品
- 企业内部系统
- 微信或其他客户端
- 自动化程序
官方文档提供了 REST API 和 CLI，可以进一步将 Dify 应用接入自己的开发流程。
7. 日志与运行监控
Dify 不只是用于“把 AI 应用做出来”，还提供应用运行后的监控和分析能力。
平台可以查看运行日志，并利用反馈、标注、延迟、使用量等数据分析应用表现，从而进一步调整 Prompt、知识库和模型配置。
这也是 Dify 与单纯的 AI Chatbot 搭建工具比较明显的区别之一，更适合需要持续迭代和实际投入生产环境的 AI 应用。
Dify 的部署方式
目前 Dify 主要提供三种使用方式。
Dify Cloud
由 Dify 官方托管，用户无需自己准备服务器，可以直接注册使用，适合希望快速体验和开发 AI 应用的个人开发者及团队。官方目前提供免费的 Sandbox 方案。
Community Edition
Dify 的开源社区版本，可以自行部署在自己的服务器或基础设施中。官方提供 Docker Compose 部署方式，适合开发者、开源项目以及希望自行掌控部署环境的用户。
Dify Enterprise
面向企业场景，提供更完整的企业级安全、治理、权限和部署能力。官方目前提供 Dify 托管、客户自管 VPC 以及完全隔离的本地部署等企业部署方式。
开源与自托管
Dify 是一个开源项目，不过需要注意，Dify 并不是简单意义上的标准 Apache 2.0 项目。
目前 Dify 使用的是基于 Apache 2.0 的 Dify Open Source License，增加了一些额外限制。例如，多租户服务以及移除或修改 Dify 前端 Logo、版权信息等场景受到许可条款限制。因此，如果准备将 Dify 用于商业 SaaS、多租户服务等场景，需要仔细阅读当前许可证，而不能仅按照普通 Apache 2.0 项目理解。
对于个人开发者、开源爱好者以及非商业项目，官方目前提供免费的 Community 方案，可以自行部署 Dify 核心功能。
Dify 适合哪些人？
Dify 的使用门槛相对较低，但同时又保留了比较完整的开发和部署能力，因此适合不同类型的用户。
个人开发者
可以使用 Dify 快速搭建个人 AI 助手、知识库、内容生成工具以及 Agent。
企业和团队
可以将企业内部文档、业务流程和 AI 模型结合起来，构建企业知识库、客服、内部助手以及自动化业务流程。
AI 应用开发者
如果需要快速验证一个 AI 产品想法，可以先通过 Dify 的可视化 Workflow、Agent 和知识库能力完成原型，再通过 API 集成到自己的产品中。
希望自托管 AI 平台的用户
Dify Community Edition 支持自行部署，可以将应用和相关数据运行在自己的基础设施中，而不完全依赖 Dify Cloud。
Dify 价格
Dify Cloud 目前提供 Sandbox、Professional 和 Team 三档方案。
- Sandbox：免费，适合体验 Dify 的核心功能，目前包含 200 条消息额度、1 个工作空间、5 个应用和 50 个知识库文档等资源。
- Professional：59 美元/月，按年付费时相当于 590 美元/工作空间/年，面向个人开发者和小型团队。
- Team：159 美元/月，按年付费时相当于 1590 美元/工作空间/年，面向需要团队协作和更高使用额度的团队。
- Community：免费自托管，适用于开源爱好者、个人开发者及非商业项目。
- Enterprise：定制价格，面向需要企业级安全、合规、治理、部署和支持的组织。
需要注意，Dify Cloud 的消息额度会根据所使用的模型类型消耗不同数量的额度，因此不能简单理解为固定数量的模型调用次数。使用自己的 API Key 后，则可以按照对应模型提供商的计费方式产生模型调用费用。
总结
Dify 可以理解为一个面向 AI 应用开发的综合型开发与运行平台。它并不与 ChatGPT、Claude、Gemini 等 AI 模型处于完全相同的定位，而是把不同模型、知识库、Agent、Workflow、工具和 API 等能力组合起来，帮助用户快速开发实际的 AI 应用。
对于希望低代码搭建 AI 应用、构建 RAG 知识库、开发 AI Agent、编排复杂工作流，或者将大模型能力集成到自己产品中的用户，Dify 是目前较成熟且具有较强生态的选择之一。
目前 Dify 官方网站的定位已经从单纯的 LLM 应用开发工具进一步扩展到面向生产环境的 Agentic Workflow 平台，同时覆盖 Dify Cloud、企业部署以及开源自托管等使用方式。
网站预览
