Dify（迪飞）是什么？能自己搭 RAG 和 Agent 的开源 LLM 应用平台基础介绍
导语
后台一直有人问：我不想每次都对着一大段提示词手搓，想有自己的「知识库问答」「自建 Agent」，有没有一个东西能把我这些零零碎碎的想法串起来，还别被某一家的模型绑架？
有，而且开源界做得最像一回事的，就是 Dify（迪飞）。GitHub 上已经 154.4k star、24.4k fork，Apache 2.0 系许可证，能白嫖自部署。这篇就把它拆开给你看看——它到底是什么、怎么上手、以及哪些坑你迟早会踩。
项目介绍
Dify 是开源 LLM 应用开发平台，官方一句话定位是：Build Agentic workflows, RAG pipelines——把工作流（Workflow）、RAG 知识库、Agent 能力、模型管理、观测（可接 Opik/Langfuse）揉进一个界面里，让你从一个原型加速直接怼到生产。
一句话理解它：它是「AI 应用的操作系统」，不是某个模型，也不是某条 API。 模型你随便换，OpenAI、Anthropic、Gemini、Azure、Cohere、Mistral，国内的智谱、月之暗面 Moonshot，全支持；本地模型更是直接接 Ollama、LM Studio。你今天用 GPT，明天想省钱切 DeepSeek，在 Dify 里改个模型配置就行，应用逻辑一行不动。
它的四个核心卖点：
- 可视化工作流：把多个 LLM 调用、条件分支、工具调用、数据处理串成一条流水线，节点拖一拖连一连，不用写编排样板代码。
- 内置 RAG 引擎：把知识库文档喂进去，做检索增强，问答会引用你的私有资料，而不是模型瞎编。
- Agent 能力：带工具调用（Tool/Function Call），能接对外 API、能调数据库、能跑脚本。
- 模型多开 + 可观测：一套平台管多家模型，日志、反馈、可观测面板都在里面。
官方目标用户写得很清楚——开发者要快速上线，业务也能用可视化界面参与。Dify 自己声称已经跑到 100 万+ 部署应用的量级（2026 年的说法）。
上手
自部署很轻，最低要求 2 核 CPU + 4G 内存，几乎是个树莓派/迷你主机跑 Armbian 都能带起来。官方推荐 Docker Compose 一条命令起全家桶（api / worker / web / 各种中间件）：
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env # 改端口、密码、模型 key
docker compose up -d
起来之后浏览器进后台，流程基本是四步：
- 连模型：设置里填一家 LLM 的 API key（或本地 Ollama 地址）。
- 搭工作流：新建应用，选 Chatflow / Workflow / Agent，节点拖出来连上。
- 喂知识库：上传文档建 RAG 索引。
- 发布：导出 API 或网页应用，甩给别人用。
真上手过你会感觉：它把「从 0 到能用的 AI 应用」这条路的脚手架全给你搭好了，你专注的是业务逻辑，不是 Python 编排胶水。
实话
说点不够好听但有用的：
优点是它是最不挑人的那款——自部署轻、模型随便换、知识库/Agent/工作流一套齐活，社区大资料多，中文文档也全。
缺点/坑也很实在：
- 功能多 = 配置重。新手容易在「聊天流 / 工作流 / Agent」和一堆权限、知识库召回参数里迷路，前期学习曲线比刷几个 demo 想象的要陡。
- 它是应用编排层，不是推理引擎、不是模型本身。跑得顺不顺，上限取决于你塞进去的模型和知识库质量。
- 开源版和企业版有功能差（企业版才带 SSO、审计、GPU 优化推理等），团队要用高级的得花钱。
- Docker 全家桶里中间件不少，长期跑占资源，卡在小主机上要想清楚哪些能精简。
一句话总结：想快速把 LLM 变成能落地用的产品/工具、又不想被单家云厂商锁死，Dify 值得先摸熟；但别指望它替你解决模型能力和业务逻辑本身。
by 数码罗记 · godsun.pro
