AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
开源 LLM 应用开发平台,用可视化界面搭建智能体工作流和 RAG 管线。
Dify 是一个开源的 LLM 应用开发平台,把 AI 工作流、RAG 管线、智能体能力、模型管理和可观测性整合在一个协作工作空间里。它支持云端、VPC 和自托管部署,目标是让团队从原型直接走到生产,不用重建技术栈。
推荐指数
功能覆盖完整、社区规模大,是搭建 LLM 应用时值得优先评估的开源平台。
近 7 天
+481
新增 Star
总 Star 排名
#14
雷达追踪的 3,931 个 AI 仓库中
创建于
2023
2023年4月12日
核心亮点
1可视化编排
用界面组合工作流、智能体和 RAG 管线,减少手写胶水代码。
2模型与工具丰富
内置多种 AI 模型和工具支持,并覆盖 MCP 等集成方向。
3部署方式灵活
可选云端、VPC 或自托管,Docker Compose 即可启动。
4可观测性
README 提到可对接 Opik、Langfuse、Arize Phoenix 等观测工具。
5多语言文档
README 提供简体中文等十余种语言版本,上手门槛较低。
适用场景
企业内部知识库问答
例如:上传产品文档构建 RAG 管线,对外提供带引用的问答应用。
智能体流程自动化
例如:编排一个先检索资料、再调用工具、最后生成报告的智能体工作流。
原型快速验证
例如:在可视化界面里换模型、调提示词,快速验证一个 AI 应用想法。
私有化部署
例如:用 Docker Compose 在公司内网自托管,数据不出内网。
它是怎么工作的
第 1 步
部署服务
通过 Docker Compose 启动 Dify 的 Web 与后端服务。
第 2 步
配置模型
在平台中接入所需的 AI 模型供应商和密钥。
第 3 步
编排应用
用可视化界面搭建工作流、智能体或 RAG 管线。
第 4 步
接入观测
按需对接 Langfuse 等工具查看调用与效果。
第 5 步
发布使用
将应用发布为对外服务或 API 供团队使用。
快速上手
- 1
准备环境
确认 CPU ≥ 2 核、内存 ≥ 4 GiB,安装 Docker、Compose v2.35.0+ 和 OpenSSL。
- 2
初始化配置
进入 docker 目录复制环境变量文件并生成密钥。
cd docker && cp .env.example .env && openssl rand -hex 32 - 3
填写密钥
把生成的随机值填入 .env 的 DIFY_AGENT_LOCAL_SANDBOX_AUTH_TOKEN。
- 4
启动服务
启动容器并检查状态,然后访问安装页面完成初始化。
docker compose up -d && docker compose ps --all
适合谁
- 想快速搭建 LLM 应用的开发者
- 需要 RAG 或智能体工作流的团队
- 要求私有化部署的企业
- 希望低代码协作的产品与业务人员
不太适合
- 只需要调用单个模型 API 的轻量脚本场景
- 完全不想维护任何服务的个人用户
成熟度
- 活跃度最近一次推送在 2026 年 11 月,提交活跃。
- 文档有独立文档站和十余种语言的 README。
- 社区16 万以上 star、2.5 万 fork,Discord 等社区渠道齐全。
- 上手难度Docker Compose 几步可启动,但需自行准备环境和密钥。
同类项目怎么选
- Langflow同样提供可视化编排,但 Dify 更强调从原型到生产的完整平台能力。
- Flowise偏重低代码构建 LLM 流程,Dify 在模型管理和可观测性上覆盖更广。
- n8n通用自动化工具,Dify 更聚焦 LLM 应用与 RAG 场景。
使用前注意
- · 许可证为 NOASSERTION,商用前需确认具体授权条款。
- · 自托管最低要求 2 核 CPU、4 GiB 内存,生产环境需更高配置。
- · 需妥善保管模型 API 密钥和沙箱认证令牌。
- · 开源 issue 数量较多,遇到问题可能需要自行排查。
