Dify.AI:46,558 行代码,完全开源

Dify.AICloud版上线受到开发者热烈反响,现将其46,558行代码开源在GitHub。该平台提供可视化Prompt编排、数据集接入和API开发等功能,旨在简化AI应用构建。未来规划包括插件能力、数据集导入、应用模板和数据监控等,旨在促进AI创新和开发者参与。
部署运行你感兴趣的模型镜像

自 5 月 9 日 Cloud 版正式上线,Dify.AI 受到广大开发者们的喜爱与分享传播。在不到一周时间内,创建的应用数已超过 4000+,甚至在只有一个 README 的情况下,GitHub Star 数已超过 700+,这让我们深切感受到社区力量的强大!同时,也为 Dify 能给开发者们带来如此强大的创造力而感到无比荣幸和激动。

现在,万众期待的开源版本来了!3 月 1 日写下第一行代码至今 2 个多月,共计 46,558 行代码,已完全开源在 GitHub。(值得一提的是,其中大约 30% 的代码是由 GPT 生产。)

GitHub 项目地址:https://github.com/langgenius/dify

(Dify.AI 采用 Apache 2.0+MIT 混合开源协议)

2-1.png

Dify.AI 核心能力

01 可视化编排 Prompt

通过界面化编写 prompt 并调试,只需几分钟即可发布一个 AI 应用。

02 接入长上下文(数据集)

全自动完成文本预处理,使用您的数据作为上下文,无需理解晦涩的概念和技术处理。

03 基于 API 开发

后端即服务。您可以直接访问网页应用,也可以接入 API 集成到您的应用中,无需关注复杂的后端架构和部署过程。

04 数据标注与改进

可视化查阅 AI 日志并对数据进行改进标注,观测 AI 的推理过程,不断提高其性能。

2-2.png

规划中的能力

Dify 将以大语言模型的快速进步和社区反馈为动力,不断提升产品体验和能力边界,完善 Ops(持续运营)端平台功能。我们长期规划以下产品功能:

  • 插件能力

将插件纳入 App 编排之中,通过一个 API 或 WebApp 访问具备插件能力的 AI 应用。兼容 ChatGPT Plugins 标准插件。

  • 数据集从 Web/Notion 导入

将支持更丰富的数据格式与导入来源。

  • 更丰富的应用模版

提供开箱即用的应用模版,基于模版来迭代 prompt,增强应用能力。

  • 数据监控

从运营成本、性能指标、用户留存指标等维度提供数据监测。未来将会逐步规划更丰富的监控维度。

  • 开源模型支持

积极拥抱开源社区与项目,为开发者提供更丰富、开放的模型支持。

关于 Dify.AI

Dify.AI 是一款开源且易用的 LLMOps 平台,帮助开发者更简单、更快速地构建 AI 应用。Dify 提供了可视化的 Prompt 编排、运营、数据集管理等功能。你能在几分钟内创建一个 AI 应用,或将 LLM 快速集成到现有应用中,进行持续运营和改进,创造一个真正有价值的 AI 应用。

期待你的参与

开源,是 Dify 走向 AI 开放生态的第一步。我们相信,借助开源社区的力量,能为 Dify 注入强大的创新动力,同时也能为广大开发者提供 AI 创新的培育平台。释放大型语言模型的全部潜力,与全球创新者一起探索 AI 新世界。

我们欢迎每一位开发者的参与和贡献,如果你对 Dify 有任何想法,可通过 GitHub issue 、PR 或 Dify 社区参与讨论、贡献你的代码与想法。

喜欢 Dify,就点击前往 Dify GitHub 代码仓库,为它点亮 Star ⭐️。

您可能感兴趣的与本文相关的镜像

ComfyUI

ComfyUI

AI应用
ComfyUI

ComfyUI是一款易于上手的工作流设计工具,具有以下特点:基于工作流节点设计,可视化工作流搭建,快速切换工作流,对显存占用小,速度快,支持多种插件,如ADetailer、Controlnet和AnimateDIFF等

<think>嗯,用户想了解如何使用Dify.AI这个低代码平台来定制数字人,包括具体方案和操作流程。我需要先回忆一下Dify.AI的功能和特性。根据之前的引用,Dify是一个结合了后端即服务和LLMOps的开源平台,适合快速开发生成式AI应用,甚至非技术人员也能参与。用户提到的数字人定制可能涉及对话逻辑、工作流编排、知识库集成等方面。 首先,用户可能需要了解整体流程。Dify的工作流编排是关键部分,引用[2]提到有各种节点,比如大模型节点、知识检索、条件分支等,这些应该能用在数字人的对话逻辑设计中。我需要分步骤解释,从创建应用开始,到工作流设计、对话逻辑处理、知识库集成、测试部署等。然后,具体方案部分,可能需要结合数字人的应用场景,比如客服、教育等,给出不同的配置建议。比如客服可能需要多轮对话和问题分类,而教育可能需要知识库的深度整合。要确保每个步骤都具体,比如如何设置触发条件,如何使用代码节点处理外部数据。操作流程需要详细,比如在Dify平台上点击哪里,如何添加节点,如何连接节点之间的逻辑。可能还需要提到API集成,因为数字人可能需要接入外部系统,比如CRM或直播平台。测试和优化也是重要环节,要说明如何通过日志分析来调整模型参数或流程。 用户可能还关心性能优化,比如响应速度或准确性,但问题中没有直接提到,但作为相关问题可以生成。需要确保回答结构清晰,步骤明确,并且引用平台的相关功能,比如引用[1]和[2]提到的节点和平台特性。 最后,生成的相关问题要围绕数字人定制的扩展,比如多模态集成、性能优化、数据安全等,帮助用户进一步探索。需要检查是否符合所有系统指令,比如使用正确的LaTeX格式,虽然这里可能用不上数学公式,但如果有变量或代码示例要正确。确保用中文,引用标识正确添加,比如在提到工作流节点时加上[^2]。</think>### Dify.AI 数字人定制方案与操作流程 #### 一、核心实现逻辑 数字人定制基于$Agent = LLM + Workflow + Knowledge$的公式构建[^1],其中: 1. **LLM**:通过大模型节点定义对话基座(如GPT-4/Claude) 2. **Workflow**:使用可视化编排工具实现多轮对话逻辑 3. **Knowledge**:集成结构化知识库实现领域专业化 #### 二、具体实施方案 ```mermaid graph TD A[用户输入] --> B{意图识别节点} B -->|常规问题| C[知识库检索] B -->|复杂任务| D[多步工作流] C --> E[生成回答] D --> F[条件分支判断] F --> G[外部API调用] G --> E ``` #### 三、操作流程详解 1. **创建智能体应用** - 在Dify控制台选择"创建智能体" - 配置基础信息:数字人名称、应用场景(客服/教育/营销等) 2. **工作流编排(关键步骤)** ```python # 示例:对话逻辑条件判断 def handle_user_input(text): if "预约" in text: return trigger_booking_flow() elif "产品咨询" in text: return start_knowledge_search() else: return general_response() ``` - 使用**条件分支节点**设置对话触发规则 - 添加**代码节点**处理业务逻辑(如对接CRM系统) 3. **对话逻辑设计 - **多轮对话管理**:通过上下文记忆节点保持对话连贯性 - **情感识别**:集成情感分析模型(可调用HuggingFace模型) 4. **知识库集成 - 上传领域文档(PDF/Excel/数据库) - 配置检索策略:混合搜索(语义+关键词) $$ R = \alpha \cdot S_{semantic} + (1-\alpha) \cdot S_{keyword} $$ 5. **测试与部署 - 使用调试面板模拟对话场景 - 通过AB测试优化响应策略 - 发布到微信/网站/APP等渠道 #### 四、典型应用场景配置 | 场景类型 | 核心节点配置 | 特殊处理 | |---------|-------------|---------| | 智能客服 | 工单生成节点 + 问题分类器 | 人工接管机制 | | 教育助手 | 知识点关联图谱 + 习题生成器 | 学习进度跟踪 | | 直播互动 | 实时弹幕分析 + 商品推荐 | 低延迟优化 | [^1]: 引用Dify官方文档的智能体构建方法论 [^2]: 参考Dify工作流编排最佳实践指南
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值