Dify 零代码 AI 应用开发：快速入门与实战

一、Dify 介绍

Dify 是一个开源的大语言模型 (LLM) 应用开发平台。它结合了后端即服务 (Backend-as-a-Service) 和 LLMOps (LLMOps) 的概念，使开发人员能够快速构建生产级生成式 AI (Generative AI) 应用。即使是非技术人员也可以参与 AI 应用的定义和数据操作。

通过集成构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的提示词编排界面、高质量的检索增强生成 (RAG) 引擎以及灵活的 Agent (Agent) 框架，同时提供了一组易于使用的界面和 API，Dify 为开发人员节省了大量时间避免重复造轮子，让他们可以专注于创新和业务需求。

Dify 由 Define 和 Modify 两个词组合而成，寓意着用户可以定义并不断改进自己的 AI 应用。

1.1、为什么使用 Dify？

你可以将 LangChain (LangChain) 之类的库想象成带有锤子、钉子等的工具库。相比之下，Dify 提供了一个更加接近生产环境、开箱即用的完整解决方案 —— 例如，可以将 Dify 想象成一个经过精心工程设计和软件测试的脚手架系统，可以帮助开发者快速搭建 AI 应用。

重要的是，Dify 是开源的，由专业的全职团队和社区共同创建。您可以基于任何模型自主部署类似于 Assistants API 和 GPT 的功能，通过灵活的安全措施保持对数据的完全控制，所有这些都在一个易于使用的界面上完成。

1.2、Dify 能做什么？

• 工作流：Dify 提供了一个可视化的画布来构建和测试强大的 AI 工作流。此功能使用户能够利用 Dify 的全部功能，包括模型集成和提示词设计。
• 全面的模型支持：该平台支持与数百个专有和开源 LLM 无缝集成，包括 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型等热门选项。这种广泛支持的模型确保了开发人员的灵活性和选择性。
• 提示词 IDE：Dify 包括一个直观的提示词 IDE，允许用户制作提示词、比较模型性能，并使用文本转语音等附加功能增强应用。
• RAG 管道：Dify 的检索增强生成 (RAG) 功能涵盖了从文档提取到检索的所有内容。它包括对从各种文档格式（如 PDF 和 PPT）中提取文本的开箱即用支持。
• AI 智能体功能：用户可以使用 LLM 函数调用或 ReAct (ReAct) 定义 AI 智能体，并集成预构建或自定义工具。Dify 为 AI 智能体提供了 50 多种内置工具，包括 Google 搜索、DALL·E (DALL·E)、Stable Diffusion (Stable Diffusion) 和 WolframAlpha (WolframAlpha)。
• LLMOps：该平台包括可观察性功能，用于监控和分析应用程序日志和性能随时间的变化。这允许根据真实数据和注释不断改进提示词、数据集和模型。
• 后端即服务：Dify 为其所有功能提供相应的 API，可轻松集成到现有业务逻辑中。
• 云服务：Dify 提供零设置的云服务，包括自托管版本的所有功能。沙盒计划提供 200 次免费的 GPT-4 调用以供试验。
• 自托管：Dify 的社区版本可以在任何环境中快速设置，并提供详细的文档以进行更深入的定制。
• 企业解决方案：Dify 提供以企业为中心的功能，例如单点登录 (SSO) 和访问控制。它还在 AWS Marketplace (AWS 市场) 上提供 Dify Premium 选项，其中包括应用程序的自定义品牌和徽标。

二、Dify 使用方式

2.1、云服务：在线体验

Dify 为每个人提供云服务，因此您无需自行部署即可使用 Dify 的全部功能。

从免费计划开始，其中包括 200 次 OpenAI 调用的免费试用。要使用云版本的免费计划，您需要一个 GitHub 或 Google 帐户和一个 OpenAI API 密钥。以下是开始使用的方法：

1. 注册 Dify Cloud 并创建一个新的 Workspace 或加入现有的 Workspace。
2. 配置您的模型提供者或使用托管模型提供者。
3. 您现在就可以创建一个应用程序了！

只有两种登录选项：GitHub 和 Google。您可以选择任意一种登录。

登录后，您将看到 Studio 界面。您可以跳过下一部分，直接进入“模型 (Models)” 章节。

2.2、部署社区版本：本地运行

如果想在本地运行 Dify，您可以选择部署 Dify 社区版本，它是开源版本。您可以通过 Docker Compose (Docker Compose) 或本地源代码进行部署。本文将演示使用 Docker Compose 在 Windows 上本地部署 Dify 的更便捷方法。

首先，安装并运行 Docker Desktop 并启用 WSL 2 (Windows Subsystem for Linux 2)。您可以从以下链接下载它；详细的安装过程不在本文中介绍：

https://www.docker.com/products/docker-desktop/

在要存储 Dify 的目录中打开命令提示符，然后输入：

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

您将看到以下输出：

D:\Workspace\Dify>git clone https://github.com/langgenius/dify.git
Cloning into 'dify'...
remote: Enumerating objects: 66122, done.
remote: Counting objects: 100% (10553/10553), done.
remote: Compressing objects: 100% (1540/1540), done.
remote: Total 66122 (delta 9611), reused 9196 (delta 9008), pack-reused 55569
Receiving objects: 100% (66122/66122), 38.65 MiB | 11.63 MiB/s, done.
Resolving deltas: 100% (47189/47189), done.
Updating files: 100% (5109/5109), done.

如果尚未安装 Git，则可以从 Dify 的 GitHub 仓库下载整个项目并将其解压缩，然后再继续执行以下步骤。但是，此方法对于以后的更新不太方便。

导航到 Dify 源代码的 docker 目录并执行一键启动的命令：

# 导航到 docker 目录
cd dify/docker
# 复制并重命名配置文件
cp .env.example .env
# 如果您使用的是 Windows cmd，请使用 copy 命令而不是 cp
copy .env.example .env
# 启动 docker compose
docker compose up -d

部署输出：

D:\Workspace\Dify\dify\docker>docker compose up -d
[+] Running 75/9
 ✔ weaviate Pulled                                                                                                27.0s
 ✔ web Pulled                                                                                                     61.1s
 ✔ ssrf_proxy Pulled                                                                                              26.9s
 ✔ api Pulled                                                                                                     51.3s
 ✔ redis Pulled                                                                                                   27.3s
 ✔ sandbox Pulled                                                                                                 40.4s
 ✔ db Pulled                                                                                                      30.1s
 ✔ nginx Pulled                                                                                                   27.1s
 ✔ worker Pulled                                                                                                  51.3s
[+] Running 11/11
 ✔ Network docker_default             Created                                                                      0.0s
 ✔ Network docker_ssrf_proxy_network  Created                                                                      0.1s
 ✔ Container docker-sandbox-1         Started                                                                      2.1s
 ✔ Container docker-weaviate-1        Started                                                                      2.7s
 ✔ Container docker-db-1              Started                                                                      2.7s
 ✔ Container docker-ssrf_proxy-1      Started                                                                      2.7s
 ✔ Container docker-redis-1