乐闻世界logo
5月28日 00:17

Dify 核心功能有哪些？主要解决什么场景？

Dify 是开源 LLM 应用开发平台（GitHub 10万+ Star），核心解决 AI 应用从原型到生产的工程化难题，将 LLM 能力封装为可视化低代码服务。

核心功能

模型管理：统一接入 OpenAI、Anthropic、Gemini、智谱、Mistral 等主流模型及 Ollama 本地模型，通过模型仓库实现版本控制和灰度发布。

工作流编排：拖拽式画布构建 AI 工作流，支持 LLM、条件分支、知识检索、代码执行、HTTP 请求等节点，条件路由实现动态分支，v1.14.0 新增多人实时协作编辑。

RAG 引擎：端到端检索增强管道，支持 PDF、Word、Markdown、CSV 等文档自动解析与向量化，Agentic RAG 将检索嵌入推理循环实现动态优化。

Agent 框架：支持 Function Calling 和 ReAct 两种模式，内置 50+ 工具，原生支持 MCP 双向集成，Agent 节点封装意图分析、工具编排和重试逻辑。

可观测性：日志追踪、Token 监控、TTFT 报表，集成 Langfuse，支持生产环境质量与成本双管控。

解决场景

智能客服：RAG 对接企业知识库，处理咨询和工单分类，响应从秒级降至亚秒级，支持 Human-in-the-Loop 人工审批。

内容生成：自动生成摘要和结构化输出（JSON），支持定时批量处理，减少人工编辑量。

流程自动化：工作流嵌入现有系统，Webhook 和 RESTful API 实现事件驱动自动化。

企业平台：SSO、访问控制、租户隔离、Docker + K8s 部署，Billing 系统追踪各团队用量。

代码示例

python
import os, requests

API_KEY = os.getenv("DIFY_API_KEY")

def call_dify_workflow(user_input: str, user_id: str = "user-001"):
    url = "https://api.dify.ai/v1/workflows/run"
    headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
    payload = {"inputs": {"query": user_input}, "response_mode": "blocking", "user": user_id}
    return requests.post(url, headers=headers, json=payload).json()

result = call_dify_workflow("查询最近7天的订单状态")
print(result)

追问

Q1: RAG 如何处理多格式文档？ 自动解析 PDF、Word、Markdown、CSV 等，分段加向量化建立索引，可配置相似度阈值。Agentic RAG 模式能在推理中动态调整检索策略。

Q2: 工作流和 LangChain 有什么区别？ Dify 提供可视化编排和内置 RAG、Agent、可观测性，偏平台化快速交付；LangChain 是代码级框架，灵活性高需更多编码，偏工具链定制。

Q3: MCP 支持意味着什么？ MCP 双向集成：既可作为 Client 调用外部工具服务，也可将工作流发布为 MCP Server 供其他客户端调用，v1.14.0 已原生支持无需插件中转。

Q4: Function Calling 和 ReAct 怎么选？ 工具调用明确且流程可预定义用 Function Calling，效率高消耗低；需多轮推理和动态决策的复杂任务用 ReAct。

Q5: 企业部署注意什么？ 租户隔离（v1.14.2 加固）、API Key 限流、HTTPS 加密、Docker 加 K8s 部署配合 Prometheus 监控，密钥通过环境变量管理。

标签：Dify