Dify 是什么？157K 星的开源 LLM 应用平台，把「Agent 工作台 + RAG + 模型管理」一锅端（基础篇）

导语

做 Agent 的兄弟应该都听过这么一句话：「有了 Dify，你不用再从零写一套后端」。2023 年 4 月出生的开源项目，到今天已经攒下 15.7 万星，辐射的方向比大多数人以为的广——不止是跑 Agent，还把你平时最头疼的 RAG 知识库、模型鉴权、Prompt 调试、可视化工作流全塞进同一个界面。这篇基础篇咱把它拆开，讲清楚它到底是干嘛的、值不值得上车。

Dify 是什么

一句话定位：开源的 LLM 应用开发平台。意思是它不只是一套 Agent 框架，而是一个「操作台」——你在浏览器里拖拖拽拽，就能把一个大模型从「裸模型」变成「能干活的应用」，再直接部署上线。

它的核心能力有五块：

• Workflow（可视化工作流）：在画布上把节点串起来，逻辑分支、条件判断、循环都能搭，不用写代码也能拼出复杂流程；
• Agent 能力：内置 Agent 节点，配合工具调用、多步推理，能跑「自主干活」的智能体，不是只会回话的聊天机器人；
• RAG 管道：把企业文档、网页、知识库喂进去，让模型回答时先检索再生成，答案有据可查；
• 模型管理：几百个专有 / 开源模型一揽子接入，GPT、Claude、Llama、DeepSeek……只要兼容 OpenAI API 的基本都能挂，自托管模型照样接；
• 可观测性：原生接 Opik、Langfuse、Arize Phoenix，Prompt 调得咋样、耗了多少 token，一目了然。

一句话总结：它是「开发平台」，不是「框架」。框架（比如 LangChain）要你写代码，Dify 让你搭积木。

上手

官方给的老实路径是 Docker Compose，最低要求很低：CPU ≥ 2 核、内存 ≥ 4 GiB，普通 VPS 就能扛：

cd dify
cd docker
cp .env.example .env
docker compose up -d

起来后浏览器打开 http://localhost/install 走初始化，登录进去就是工作台。想省事也可以直接注册官方 Cloud（dify.ai）跑在线版。

和同类比，它主打一个「全家桶」：如果只想快速把知识库 + Agent 跑起来做个小应用，Dify 是上手成本最低的选择。想更深入地搭可视化 Agent 工作流，可以顺带看下 Langflow 和 Flowise；如果偏好字节家的玩法，扣子 Coze 也是同类里的热门选手。

实话

说点掏心窝的：Dify 强在「全」和「快」，弱在「深」。

• 全能是优点也是包袱。项目东一块西一块，功能太多，新手头几次进去会被界面劝退；文档还算全，但中文社区教程质量参差不齐，得挑着看。
• 深度的坑在于：真要到生产环境,你大概率得碰它的 Docker 部署、API 网关这些工程细节，跟你从零写一套相比省了 70% 的活，但剩下 30% 一样得自己扛。
• 模型接入看着几百个，但底层大多是封装好的 provider 适配，遇到冷门自部署模型有时还要手动对 API 格式。

我个人判断：如果你是想要「一个工作台把 Agent + RAG + 模型全管起来」的个人开发或小团队，Dify 是当下性价比最高的开源选型之一。但如果你要的是极致可控的深度定制，光靠它的画布不够，还得配合写代码——它更像「发射平台」，不是「发动机」。

以上为笔者基于官方文档与公开资料的整理，部分功能未经本地深度实测，仅供选型参考。

by 数码罗记·godsun.pro