Dify：可视化搭建生产级 AI 应用

用可视化画布把提示词、检索、工具调用拼成可上线的 AI 应用。

项目名称：Dify
编程语言：Python（后端）+ TypeScript / Next.js（前端控制台）
开源许可证：Dify Open Source License（基于 Apache-2.0 加附加条件；自托管 Community 版免费，多租户 SaaS 转售需商业许可）
GitHub 地址：https://github.com/langgenius/dify
官网或 Demo：https://dify.ai（Dify Cloud 托管 / 社区版自托管）

构建 LLM 应用，过去意味着自己拼编排框架、接检索、写工具调用、再做发布和监控，工程量大且难协作。Dify 把这个链条收敛到一个可视化平台：Workflow Studio 用节点把提示词、检索、工具、条件分支串成可运行的应用，Knowledge Pipeline 负责文档摄取与向量索引，Agent 能调用内置 50+ 工具或任意 MCP server。每个应用都能一键发布为 Web App、REST API、可嵌入组件或兼容 MCP 的工具，并自带日志与反馈用于调优。它由 LangGenius 维护，GitHub 星标以官网/仓库为准（公开数据约 15–16 万），是开源 LLMOps 里采用度最高的项目之一。

核心能力

可视化工作流编排：Workflow Studio 是基于节点的可视化构建器，把提示词、检索步骤、工具调用和条件逻辑连成可运行应用，逻辑全程可见，便于测试、调试和交接。场景：把“用户提问→检索知识库→拼提示词→调用模型→返回”整条链路画成一张图，非工程师也能改。
RAG 知识流水线：Knowledge Pipeline 对 PDF、PPT、网页、在线文档做摄取、分块、嵌入与索引，在接到 Agent 或工作流前先完成检索准备。场景：把公司制度文档灌进知识库，让客服机器人只基于这些文档回答。
Agent 与工具 / MCP 调用：通过对话或手动配置构建 Agent，可作为独立应用、嵌入网站，或作为更大工作流里的一个节点；内置 50+ 工具，并可通过市场与 MCP 扩展。场景：让 Agent 自己决定下一步调用网页搜索还是代码执行。
模型管理与多供应商接入：连接数十家推理供应商的数百个专有与开源 LLM，包括任何兼容 OpenAI API 的端点，集中管理密钥与路由。场景：同一套工作流在 GPT、Llama3、Mistral 之间切换对比效果。
多渠道发布与可观测：应用可发布为 Web 应用、REST API、可嵌入聊天组件或兼容 MCP 的工具，并用日志、反馈、延迟与用量数据持续优化。场景：先把原型发成内部 API 给业务系统调用，再据真实流量调提示词。

使用上手

准备环境：一台具备 Docker 与 Docker Compose v2.24.0+ 的机器，建议至少 2 核 CPU、4 GiB 内存（无需 GPU）。
获取代码：git clone https://github.com/langgenius/dify 并进入目录。
启动服务：复制 .env.example 为 .env，执行 docker compose up -d，等待容器起来。
访问控制台：浏览器打开部署主机的 80 端口，按引导注册管理员账号并接入第一个模型供应商的 API Key。
创建应用：在 Studio 里新建 Workflow 或 Agent，连好知识库与工具，点发布生成 Web App 或 API 端点。

优点与不足

优点：可视化编排 + RAG + Agent + 发布一体化，降低 LLM 应用落地门槛；应用即 API，便于作为后端服务复用；支持数百模型与任意 OpenAI 兼容端点；社区庞大、文档完善。
不足：许可证为 Dify Open Source License（Apache-2.0 衍生 + 附加条件），多租户 SaaS 转售需商业许可；SSO、RBAC、支持 SLA 在企业版；自托管需 Docker 基础与一定运维；可观测依赖 Langfuse、Arize 等外部工具。

适合谁

想快速搭建并自托管 LLM 应用、RAG 与 Agent 工作流的团队。
需要把 AI 能力以 API / 嵌入形式交付给业务系统的开发者。
做 AI 原型验证、希望从 demo 平滑走到生产的公民开发者与初创团队。

下载与访问

GitHub 仓库：https://github.com/langgenius/dify
官方网站：https://dify.ai
文档与云版：https://docs.dify.ai
部署命令：git clone https://github.com/langgenius/dify && cd dify && cp .env.example .env && docker compose up -d

许可证与部署

项目	说明
源码部署	`git clone https://github.com/langgenius/dify` 后 `docker compose up -d`（需 Docker Compose v2.24.0+，≥4GB RAM）
托管版本	Dify Cloud（免费 Sandbox 起）与 Dify Enterprise（SSO/RBAC/审计）
编程语言	Python（后端）+ TypeScript / Next.js（前端）
开源许可证	Dify Open Source License（Apache-2.0 衍生 + 附加条件，自托管 Community 免费）
星标	以 GitHub 为准（公开数据约 15–16 万）

本文属于「项目」分类的 AI 资源专栏，更多评测见分类页。