【Dify】如何使用Dify

彬彬侠

已于 2025-07-10 18:52:25 修改

阅读量1k

点赞数 27

CC 4.0 BY-SA版权

分类专栏： Dify | Bisheng | Sophon LLMOps 文章标签： Dify 大模型应用开发平台大模型平台

于 2025-07-10 18:50:06 首次发布

本文链接：https://blog.csdn.net/u013172930/article/details/149256556

Dify | Bisheng | Sophon LLMOps 专栏收录该内容

8 篇文章

订阅专栏

使用 Dify 开发大模型应用是一个相对直观的过程，适合从初学者到高级开发者。以下是详细的 Dify 使用指南，以条例清晰的方式，涵盖从安装到创建、优化和部署应用的完整流程。内容包括环境搭建、应用创建、核心功能使用（提示词、知识库、工具、工作流等）、API 集成以及常见问题处理。无论是想快速上手还是深入开发，都可以参考以下步骤。

1. 前期准备

在开始使用 Dify 之前，需要了解目标和环境要求。Dify 支持两种使用方式：云服务（无需部署，适合快速体验）和 本地部署（适合开发和私有化需求）。

1.1 选择使用方式

云服务：
- 访问 https://cloud.dify.ai/，注册账号。
- 优点：无需配置环境，快速创建应用。
- 缺点：功能可能受限，需付费解锁高级功能。
本地部署：
- 需要自行安装和配置，适合开发者和企业。
- 提供完全控制，支持自定义和私有化。
- 要求一定的技术基础（Docker、数据库等）。

1.2 系统要求（本地部署）

硬件：
- 最低配置：4 核 CPU，8GB 内存，50GB 存储。
- 推荐配置：8 核 CPU，16GB+ 内存（运行大模型或大规模知识库需更高配置，如 GPU）。
软件：
- Docker（版本 20.10+）和 Docker Compose。
- MySQL（5.7+）或 PostgreSQL（12+）。
- Redis（6.0+）。
- Python 3.8+（用于某些脚本或自定义开发）。
- Node.js（16+，用于前端构建）。
操作系统：Linux、Windows（WSL2）、macOS。

2. 本地部署 Dify

如果你选择云服务，可以跳过此步骤，直接登录 Dify 云平台。如果需要本地部署，请按照以下步骤操作。

2.1 安装依赖

安装 Docker 和 Docker Compose：
- Linux：sudo apt-get install docker.io docker-compose
- macOS：安装 Docker Desktop。
- Windows：安装 Docker Desktop 并启用 WSL2。
- 验证：运行 docker --version 和 docker-compose --version。
安装数据库和 Redis：
- MySQL：sudo apt-get install mysql-server 或使用 Docker 镜像。
- Redis：sudo apt-get install redis-server 或 Docker 镜像。
安装 Node.js 和 Python（可选，用于开发或调试）：
- Node.js：sudo apt-get install nodejs npm
- Python：sudo apt-get install python3 python3-pip

2.2 克隆 Dify 仓库

克隆代码：

git clone https://github.com/langgenius/dify.git
cd dify

检查目录结构，确认包含 docker-compose.yml 和 .env.example 文件。

2.3 配置环境

复制环境文件：
```
cp .env.example .env
```

编辑 .env 文件，设置关键参数：

数据库：配置 MySQL/PostgreSQL 连接，例如：

DB_HOST=localhost
DB_PORT=3306
DB_USERNAME=root
DB_PASSWORD=your_password
DB_DATABASE=dify

Redis：

REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_PASSWORD=your_redis_password

API 密钥（如使用 OpenAI 等商业模型）：
```
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
```
其他：根据需要设置端口、SSL 等。

2.4 启动 Dify

运行 Docker Compose：
```
docker-compose up -d
```
检查容器状态：
```
docker ps
```
确认 api、web、worker 等服务正常运行。
访问 Dify：
- 打开浏览器，访问 http://localhost:3000。
- 默认端口为 3000，可在 .env 中修改。

2.5 常见部署问题

端口占用：检查 3000、3306、6379 等端口是否被占用（sudo netstat -tuln）。
数据库连接失败：确认 MySQL/Redis 服务已启动，用户名和密码正确。

3. 创建第一个 Dify 应用

Dify 支持多种应用类型，以下以创建 对话机器人（Chatbot） 为例，介绍核心步骤。

3.1 登录 Dify

云服务：登录 https://cloud.dify.ai/。
本地部署：访问 http://localhost:3000，注册管理员账号。

3.2 创建应用

点击 “创建应用”，选择类型：
- Chatbot：适合对话场景，如客服、问答。
- Text Generation：适合生成文章、摘要。
- Agent：适合复杂任务分解。
选择模板（可选）或从空白开始。
命名应用，例如 “MyChatBot”。

3.3 配置模型

在 “模型” 页面选择模型：
- 商业模型：输入 API 密钥（如 OpenAI GPT-4）。
- 开源模型：需本地部署（如 Llama，参考 Dify 文档）。
调整参数：
- Temperature：控制输出随机性（0.0-1.0，建议 0.7）。
- Max Tokens：限制输出长度。
- Top-k/Top-p：控制生成多样性。

3.4 编写提示词（Prompt）

进入 “Prompt 工程” 页面，编写提示词。例如：

你是一个友好的客服助手，回答用户问题时语气专业且简洁。基于以下上下文回答：
{{context}}
用户问题：{{question}}

使用变量（如 {{question}}）动态嵌入用户输入。
测试提示词：输入示例问题，检查模型输出，优化措辞。

3.5 测试与调试

在 “预览” 页面输入测试问题。
查看模型输出，调整提示词或模型参数直到满意。

3.6 发布应用

点击 “发布”，生成应用链接或嵌入代码。
可通过 Web 界面、API 或嵌入到网站使用。

4. 使用核心功能

Dify 的核心功能包括知识库、工具集成和工作流，以下是详细使用方法。

4.1 知识库与 RAG

知识库允许上传文档并结合 RAG（检索增强生成）提高回答准确性。

创建知识库：
- 导航到 “知识库” 模块，点击 “新建知识库”。
- 命名知识库，例如 “公司文档”。
上传文档：
- 支持 PDF、TXT、Markdown、CSV 等格式。
- 上传文件或通过 API 导入。
配置 RAG：
- 设置分片大小（建议 500-1000 字符）。
- 选择嵌入模型（如 OpenAI text-embedding-ada-002）。
- 启用知识库检索，在提示词中添加 {{context}}。
测试：
- 输入问题，检查是否正确引用知识库内容。
- 优化：调整分片策略或清理无关文档。

4.2 工具集成

Dify 支持连接外部工具，扩展应用功能。

添加工具：
- 在 “工具” 页面选择预置工具（如 SerpAPI）或自定义工具。
- 自定义工具需提供 API 端点和参数。
配置工具调用：
- 在提示词或工作流中添加工具调用逻辑。
- 示例：调用搜索 API 获取实时信息。
测试：确保工具返回正确数据并与模型输出结合。

4.3 工作流编排

工作流适合设计复杂逻辑，如多步骤任务或条件分支。

创建工作流：
- 在 “工作流” 页面，拖拽节点创建流程。
- 节点类型：输入、模型调用、工具调用、条件分支、循环等。
示例工作流：
- 输入用户问题 → 调用知识库检索 → 调用模型生成回答 → 返回结果。
调试：
- 使用 “日志” 查看每一步执行情况。
- 优化节点参数或逻辑。

5. API 集成

Dify 提供 RESTful API，方便将应用集成到其他系统。

获取 API 密钥：
- 在 “设置” > “API 密钥” 中生成。

调用 API：

示例（Python）：

import requests

url = "http://localhost:3000/v1/chat-messages"
headers = {"Authorization": "Bearer your_api_key"}
data = {
    "inputs": {"question": "What is AI?"},
    "response_mode": "streaming"
}
response = requests.post(url, json=data, headers=headers)
print(response.json())