Dify 教程：开源 AI 应用开发平台入门与接国产模型（2026）

Dify 是目前 GitHub 上最火的开源 AI 应用开发平台之一——136K+ Star，背后是 LangGenius 团队维护。它让你不用写代码（或只写很少代码），通过可视化拖拽就能搭出聊天机器人、知识库问答、工作流自动化和 AI Agent，底层可以接任何大模型。对于想用 DeepSeek、GLM、Kimi 等国产模型快速做出 AI 应用的开发者来说，Dify 是目前上手最快的选择之一。这篇 Dify 教程从 Docker 部署、模型配置，到发布第一个 AI 应用，一步一步讲清楚。

Dify 是什么？能做什么？

Dify 是一个开源的 LLM 应用开发平台，把「后端即服务」和「LLMOps」两个概念揉在了一起。核心思路是：你不用管数据库、向量存储、API 网关这些底层设施，在网页界面上拖拖拽拽就能完成从原型到上线的全过程。它支持三大类应用：聊天助手（Chatbot）、工作流（Workflow）、智能体（Agent），每个都自带 RAG 知识库管道、模型管理、可观测性面板。对个人开发者、小团队、想快速验证 AI 产品原型的产品经理都很友好。

安装部署：Docker 一把梭

Dify 推荐 Docker Compose 部署，一条命令拉起来就能用。社区版免费、功能基本没限制（只是不能拿去做多租户 SaaS 卖给别人）。硬件最低 2 核 4GB 内存 + 30GB 硬盘，生产建议 4 核 8GB 以上。如果你还打算本地跑 Ollama 模型，内存建议 16GB+。

# 1. 克隆仓库（当前稳定版 v1.14.x，2026 年 5 月）
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 2. 复制环境变量模板
cp .env.example .env

# 3. 生成密钥（填入 .env 的 SECRET_KEY）
openssl rand -base64 42

# 4. 启动所有服务（首次拉镜像约 2-4 GB）
docker compose up -d

# 5. 等 1-2 分钟，确认容器都健康
docker compose ps

# 6. 浏览器打开 http://localhost，完成初始化设置

配置模型：接 DeepSeek、GLM、Kimi

Dify 部署好后第一件事是配置模型。右上角头像 → 设置 → 模型供应商，在列表里找到你要接的模型，填 API Key 就行。Dify 原生支持 300+ 模型，国产主流几乎全有：

特别提醒：如果你用的是 Docker 部署的 Dify，要接本机 Ollama，地址不能填 localhost（那指向容器内部），要填 host.docker.internal:11434（Mac/Windows）或 172.17.0.1:11434（Linux）。系统需要配置的系统模型有四个——推理模型（必须）、嵌入模型（做知识库必须）、重排序模型（可选，提升检索精度）、语音转文本（可选）。日常开发至少配好推理 + 嵌入两个。

第一个应用：5 分钟搭一个聊天助手

配好模型后到「工作室」→「创建空白应用」→ 选「聊天助手」。填个名字，进入编辑界面，核心配置三项：提示词（定义 AI 角色和行为）、上下文（关联知识库，没有先跳过）、功能开关（对话开场白、敏感词过滤等可选）。写好提示词点右上角「发布」，马上得到一个可用的聊天页面。

# 一个简单的「文章摘要助手」提示词示例：
# 你是一个专业的文章摘要助手。请按以下格式输出：
# 📌 一句话总结：[核心观点]
# 📊 关键要点：
# 1. [要点 1]
# 2. [要点 2]
# 3. [要点 3]
# 💡 适合人群：[读者画像]
# ⏱️ 阅读时间：[预估分钟数]

进阶：工作流编排与 RAG 知识库

聊天助手是 Dify 最简单的玩法，真正拉开差距的是工作流和知识库。工作流通过可视化拖拽连接节点来编排复杂 AI 任务：开始节点 → LLM 推理 → 条件判断 → HTTP 请求（调外部 API）→ 代码执行 → 文本处理 → 结束节点。典型场景比如「智能天气助手」：用户输入城市 → LLM 提取地名 → HTTP 调天气 API → 条件判断数据有效性 → 格式化回复。发布后生成 RESTful API 端点，可以直接被你的网站或 App 调用。

知识库（RAG）是另一大杀器：上传 PDF、Markdown、TXT 等文档 → Dify 自动分段向量化 → 在应用里勾选该知识库即可实现「基于你的文档回答」。切分策略支持固定长度、段落、语义三种，语义切分效果最好但速度稍慢。有了知识库，搭企业知识问答、客服机器人、内部文档检索都只要几分钟。

Dify 怎么选：云端 vs 自部署

个人和小团队最推荐自部署：买个 $5/月的 VPS（Hetzner 之类的），Docker 一把梭，消息不限量、应用不限数、数据在自己手里，还能接本地 Ollama 模型省 API 费。唯一代价是自己做备份和升级。不想折腾运维就 Cloud Professional $59/月起步。

Dify 和扣子、GPTs 怎么比

简单说：要自由度和私有化部署选 Dify；要零代码 + 国内生态（微信/飞书/抖音发布）选扣子；随便玩玩简单场景选 GPTs。三个并不互斥，学一个通吃不太现实，但 Dify 的上限最高——因为它是开源的、模型自由的、能深度定制的。

Dify 把「搭一个能用的 AI 应用」的门槛拉到了历史最低——有 Docker 就能跑、有 API Key 就能接模型、拖拖拽拽就能出活。但工具只是开始，真正拉开差距的是你怎么设计工作流、怎么调优 RAG、怎么把 AI 稳定地嵌入真实业务场景。想系统掌握用 AI 工具做出可交付产品的方法，欢迎来 IMAI 看看我们的体系化实战课程。