Overview
Dify 是一个开源的 LLM 应用开发平台,直观界面把 AI 工作流、RAG 管道、Agent、模型管理和可观测性功能放在一起,目标是让人快速从原型走到生产。它提供了三条使用路径:云服务、自托管社区版、面向企业与组织的版本。对做教育工具的人而言,它的价值在于把「工作流编排 + 知识库检索 + 模型接入 + 日志观测」这些原本要自己拼的环节收进一个可视化界面里。
核心功能
README 列出七项核心能力:
- 工作流:在画布上构建和测试 AI 工作流程,可用上全部功能及更多。
- 全面的模型支持:与数百种专有/开源 LLM 以及数十种推理提供商和自托管方案无缝集成,涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。
- Prompt IDE:制作提示、比较模型性能,并给基于聊天的应用添加其他功能(如文本转语音)的直观界面。
- RAG 管道:覆盖从文档摄入到检索的全部环节,开箱支持从 PDF、PPT 等常见文档格式中提取文本。
- Agent 智能体:可以基于 LLM 函数调用或 ReAct 定义 Agent,并为 Agent 添加预构建或自定义工具;README 称 Dify 为 AI Agent 提供了 50 多种内置工具,如谷歌搜索、DALL·E、Stable Diffusion 和 WolframAlpha 等。
- LLMOps:持续监视和分析应用日志与性能,并依据生产数据和标注持续改进提示、数据集和模型。
- 后端即服务:所有功能都配有相应 API,便于集成进自己的业务逻辑。
对教师场景来说,RAG 管道与 Prompt IDE 是最常被用到的两块:前者把讲义、教材、习题 PDF 变成可检索的知识库,后者让提示词可以被版本化地比较效果。
三种使用路径
- Dify 云:无需管理服务器即可体验,最新套餐与用量额度见官方定价页。
- 自托管 Dify 社区版:按仓库入门指南在自己的环境里运行,可进一步参考官方文档。
- 面向企业与组织:提供额外的企业级功能,通过官方商务邮箱沟通需求。
自托管社区版:系统要求与快速启动
最低系统要求:CPU >= 2 Core,RAM >= 4 GiB。
依赖:Docker 及其守护进程,Docker Compose v2.35.0 或更高版本,以及 OpenSSL。
全新部署在仓库根目录下执行:
cd docker
cp .env.example .env
openssl rand -hex 32
随后打开 .env,把生成的值设置给 DIFY_AGENT_LOCAL_SANDBOX_AUTH_TOKEN;使用内置服务时保留默认的 COMPOSE_PROFILES 值,服务默认配置会自动加载,不需要额外的配置文件。
在同一个 docker 目录下启动并检查服务:
docker compose up -d
docker compose ps --all
服务启动后,在浏览器访问 http://localhost/install 完成初始化安装。这里有个容易误判的点:一次性的 init_permissions 服务以状态码 0 退出属于正常情况,不是安装失败。
升级已有部署时,要保留已有的 .env 文件并参阅仓库中的升级配置指南。可选设置与服务覆盖配置见 Docker 部署指南。
贡献与支持
README 把参与方式分成几类:读贡献指南并浏览适合新手的问题;发起或加入 GitHub Discussions;按国际化指南参与翻译;在社区里分享自己做的应用。
遇到安装问题先看官方常见问题,仍未解决可联系社区与支持。支持渠道按问题类型分工:GitHub Discussions 获取帮助、分享反馈与想法;GitHub Issues 报告可复现错误并跟踪工程工作;Discord 用于实时交流;X 用于关注版本新闻与项目更新。安全问题按安全政策通过 GitHub Security Advisories 私下报告,不要在公开 issue 或讨论中披露。
许可与仓库信息
本仓库遵循 Dify Open Source License,README 说明该许可证本质上是 Apache 2.0,但有一些额外限制。做二次开发或商用前,这一点必须先看清楚。
仓库元信息(取自 GitHub API):仓库 langgenius/dify,Star 161201,最后推送 2026-11-15,官方站点 https://dify.ai,README 有中文版本。