服务端2月18日 23:11
Dify 知识库是怎么检索的？如何提升召回和答案准确率？Dify 知识库的核心不是“把文档丢给大模型”，而是先把文档切成块、转成向量、存进检索系统，再在用户提问时找出最相关的片段交给模型生成回答。真正影响效果的通常有四件事：文档清洗是否干净、分块是否合适、Embedding 模型是否稳定、召回后的重排和提示词是否把边界说清楚。
一个常见流程是：上传 PDF、Markdown、网页或纯文本后，Dify 会抽取正文，按规则切分为多个 chunk；每个 chunk 通过 Embedding 模型转成向量；用户提问也会转成查询向量；系统根据相似度召回片段，再把片段作为上下文传给 LLM。这里的取舍很明显：块太大，召回内容容易夹带无关信息；块太小，上...
乐闻
服务端2月18日 23:11
Dify 工作流怎么设计？复杂 AI 流程如何拆节点？## Dify 工作流解决什么问题？
Dify 工作流适合处理一个 Prompt 很难讲清的 AI 流程。比如先判断用户意图，再检索知识库，再调用订单系统，最后生成回复并做安全校验。如果这些都塞进一个提示词，测试时可能能跑，上线后出错却不知道错在哪一步。工作流的价值是把复杂任务拆成可观察、可调试的节点。
## 核心节点怎么理解？
开始节点定义输入字段，比如用户问题、文件、客户 ID。LLM 节点负责分类、总结、改写和生成。知识库检索节点负责召回资料，条件判断节点负责分支，代码节点适合字段校验、JSON 解析和简单计算，HTTP 节点用来调用外部系统，结束节点定义对外输出。
取舍很...服务端2月18日 23:11
Dify API 怎么用？如何把 AI 应用集成到业务系统？## Dify API 适合怎么用？
Dify API 的作用，是把控制台里搭好的 AI 应用接到自己的业务系统里。客服系统自动生成回复、运营后台总结用户反馈、内部知识库问答、工单分类和报告生成，都可以通过 API 调用 Dify。关键不是背端点，而是先判断应用类型：对话用 Chat API，结构化流程用 Workflow API，知识库同步用 Dataset 相关接口。
## 认证和地址怎么配置？
Dify API 通常使用 Bearer Token。密钥在应用的 API Access 页面生成，请求时放到 Header：
```http
Authorization: Bear...服务端2月18日 23:11
Dify 如何私有化部署？企业落地要注意哪些坑？## Dify 私有化部署适合什么场景？
Dify 私有化部署解决的核心问题，是把 AI 应用、知识库、对话数据和权限控制放到企业自己可控的环境里。涉及合同、客户资料、工单、内部制度时，很多公司不能直接把数据交给外部平台，这时私有化就有价值。它还能接入本地模型、内部 SSO、审计系统和企业网络策略。
但私有化不等于省事。云服务替你维护的数据库、Redis、对象存储、向量库、日志和升级，都会变成自己的责任。部署前先判断是 PoC、部门级使用，还是企业级平台，方案会完全不同。
## 三种部署方式怎么选？
Docker Compose 最适合验证和小规模使用，启动很快：
```bas...服务端2月18日 23:12
Dify 提示词工程怎么做？如何写出稳定可控的 Prompt？## Dify 提示词工程先抓住什么？
Dify 里的提示词工程，重点不是把 Prompt 写得更玄，而是让应用在不同输入下稳定输出。一个可上线的 Prompt 至少要说清四件事：模型扮演什么角色、要完成什么任务、可以依据哪些上下文、输出必须长什么样。很多应用在测试时看着不错，上线后开始胡编，通常是边界没写清，而不是模型突然变差。
## 模板、变量和系统提示词怎么分工？
Dify 的 Prompt Template 支持 `{{query}}`、`{{context}}` 这类变量，也支持 Jinja2 风格的条件和循环。固定规则放在系统提示词里，动态内容通过变量传入，后续维护会清...服务端2月18日 23:12
Dify 企业权限管理应该怎么配置？Dify 的团队协作和权限管理，核心是用工作空间隔离资源，用角色控制操作范围，再用 API Key、日志和审计手段约束生产访问。回答这类问题时，不能只列 Owner、Admin、Editor、Viewer，还要说明企业里怎么分组、怎么管知识库、怎么防止误改生产应用。比较稳的配置思路是：按业务或环境划分工作空间，按职责分配最小权限，生产应用限制编辑入口，外部系统统一使用专用 API Key，不用个人账号长期集成。
## 追问
### Dify 常见角色应该怎么分配？
Owner 通常只给平台负责人或少数管理员，负责工作空间生命周期、关键配置和最终兜底。Admin 可以管理成员、模型、应...服务端2月18日 23:12
Dify、LangChain 和 Flowise 该怎么选？Dify、LangChain、Flowise 不是简单的谁更强，而是抽象层级不同。Dify 更像面向团队交付的 AI 应用平台，提供可视化编排、知识库、模型接入、API 发布、日志和权限能力；LangChain 更像开发框架，适合写代码做深度定制；Flowise 更偏可视化链路编排，适合把 LangChain 类能力拖拽出来快速验证。面试回答时，关键不是背功能清单，而是能根据团队技术能力、上线速度、可控性和运维成本做取舍。
## 追问
### Dify 相比 LangChain 的核心优势是什么？
Dify 的优势是开箱即用和团队协作成本低，产品、运营或解决方案同学也能参与调提示词、...服务端2月18日 23:13
如何用 Dify 监控和日志定位应用性能问题？Dify 的监控和日志主要用来回答三个问题：应用有没有被正常调用、慢在哪里、钱花在了哪里。面试里不要只背“有调用统计、对话日志、Token 统计”，更要说清楚怎么用这些数据定位问题。一般先看应用层监控里的请求量、成功率、平均响应时间和 Token 消耗，再回到具体会话日志检查用户输入、模型输出、上下文长度、工作流节点耗时和错误信息。真正做优化时，监控看趋势，日志看现场，成本统计看取舍，三者要一起看。
## 追问
### Dify 里哪些指标最值得优先看？
优先看请求量、错误率、响应时间和 Token 用量，因为它们分别对应稳定性、体验和成本。平均响应时间只能看大概，排查体验问题时更建...服务端2月18日 23:13
Dify 插件系统如何工作？开发插件时要注意哪些边界？Dify 插件系统的作用，是把模型、工具、数据源和外部服务封装成可安装、可配置、可复用的能力，而不是把所有逻辑写死在某个工作流节点里。对开发者来说，插件至少包含三件事：声明自己提供什么能力，定义用户需要填写哪些参数，在运行时代码里执行调用并返回结构化结果。这样同一个搜索、工单、数据库或消息推送能力，可以被多个应用复用。
## 插件由清单、定义和运行时代码组成
插件清单描述名称、版本、作者、图标、权限和配置项；工具定义描述参数类型、是否必填、前端如何展示；运行时代码负责调用外部 API、处理文件或返回模型结果。以工具插件为例，如果要接入内部工单系统，可以把“查询工单”“创建工单”“追加...前端2月18日 23:20
Garfish 沙箱隔离如何实现？快照沙箱和 Proxy 沙箱怎么选？Garfish 沙箱隔离主要解决子应用污染全局环境的问题。微前端里，每个子应用都可能写 `window`、注册事件、启动定时器、插入样式或改写全局对象；如果没有隔离，A 应用卸载后的副作用会影响 B 应用。Garfish 的思路是运行时拦截全局访问，卸载时清理可追踪副作用，但它不是安全容器，不能替代鉴权、CSP 和代码审查。
## 快照沙箱：成本低，但更像事后恢复
快照沙箱会在子应用挂载前记录一份全局环境，运行后对比变化，卸载时恢复。它的好处是理解简单，对旧浏览器更友好，也适合一次只激活一个子应用的老系统改造。边界是它不阻止运行期间的污染；如果多个子应用同时活跃，某个应用写入的全局变...