Dify 从入门到进阶：低代码构建 Agent、RAG 和工作流应用

Yung原创2026/7/20大约 7 分钟

Dify 从入门到进阶：低代码构建 Agent、RAG 和工作流应用

Dify 是一个面向 AI 原生应用开发的平台，提供模型接入、Prompt 编排、知识库、RAG、工作流、Agent、工具调用、应用发布和观测等能力。

如果你想快速搭建企业知识库问答、客服助手、内部 Copilot、流程自动化助手，Dify 可以帮助你用较少代码完成原型和初步生产应用。

Dify 解决什么问题

从零开发 AI 应用，需要处理很多基础设施：

模型供应商接入。
Prompt 管理。
对话状态。
文档上传和切分。
Embedding 和向量库。
RAG 检索。
工具调用。
工作流编排。
API 发布。
日志和调试。

Dify 把这些能力做成平台。开发者可以通过可视化界面配置应用，也可以通过 API 集成到自己的系统中。

Dify 适合什么场景

适合：

快速验证 AI 应用想法。
企业知识库问答。
客服问答。
文档总结和内容生成。
低代码工作流。
内部工具型 Agent。
需要接入多模型供应商的项目。

不适合：

极度定制化的复杂后端逻辑。
对每一步执行都需要完全自研控制的系统。
高风险操作没有后端权限系统兜底的场景。
只需要一个简单模型 API 调用的极小项目。

核心概念

Dify 常见核心模块：

应用：最终对用户提供能力的 AI 应用。
模型供应商：OpenAI、Anthropic、本地模型等。
Prompt：模型指令和上下文模板。
知识库：上传文档并构建检索索引。
Workflow：用节点编排流程。
Agent：让模型根据任务选择工具和步骤。
Tool：外部 API、搜索、数据库等能力。
API Access：把应用作为接口提供给业务系统。
日志：查看模型输入输出、检索结果和调用轨迹。

理解这些模块之间的关系，是用好 Dify 的基础。

应用类型

Dify 中常见应用形态包括：

聊天助手。
文本生成应用。
Agent 应用。
Workflow 应用。

聊天助手适合多轮对话和知识库问答。

文本生成适合固定输入生成固定输出，例如生成标题、摘要、邮件、报告。

Workflow 适合步骤明确的流程，例如“提取字段 -> 查询接口 -> 生成结果”。

Agent 适合步骤不固定、需要工具选择的场景。

初学建议先从聊天助手和知识库问答开始，再学习 Workflow，最后再做 Agent。

模型接入

使用 Dify 的第一步通常是配置模型供应商。

你需要准备：

模型 API Key。
模型名称。
Embedding 模型。
rerank 模型。
调用额度和限流策略。

模型分工：

LLM：负责理解、推理和生成
Embedding：负责文档和问题向量化
Rerank：负责检索结果重排序

不要把所有能力都理解成“聊天模型”。RAG 应用至少需要 LLM 和 Embedding。

知识库与 RAG

Dify 的知识库用于上传文档并构建检索能力。

常见流程：

创建知识库。
上传 PDF、Markdown、Word、文本等文档。
选择切分方式。
选择 Embedding 模型。
构建索引。
在应用中关联知识库。
用户提问时检索相关片段。
模型基于片段回答。

使用知识库时要关注：

文档质量。
chunk 大小。
chunk overlap。
文档标题和来源。
权限隔离。
文档更新策略。
检索命中率。

知识库不是上传文件就结束。高质量 RAG 需要持续调试。

Prompt 设计

知识库问答 Prompt 可以这样设计：

你是公司内部知识库助手。

请只根据检索到的知识回答用户问题。

规则：
1. 如果知识库没有相关内容，请回答“根据现有资料无法确认”。
2. 不要编造政策、链接、日期或数字。
3. 回答要简洁，必要时分点说明。
4. 最后列出引用来源。

Prompt 要明确：

模型角色。
资料边界。
不知道时怎么处理。
输出格式。
是否要引用。

Workflow

Workflow 是 Dify 很重要的能力。它适合确定性流程。

例如“合同风险摘要”：

上传合同
  -> 文本提取
  -> 条款分类
  -> 风险识别
  -> 生成摘要
  -> 输出报告

常见节点：

开始节点
LLM 节点
知识检索节点
条件分支
HTTP 请求
代码节点
模板转换
结束节点

Workflow 的优势是可控、可视化、容易排错。流程明确的业务优先用 Workflow，而不是 Agent。

Agent

Agent 允许模型根据任务选择工具和步骤。

例如“帮我查订单并判断是否需要创建工单”：

工具：

查询订单状态
查询售后政策
创建工单

Agent 可能执行：

调用订单查询工具。
根据状态检索售后政策。
判断是否需要人工处理。
创建工单前询问用户确认。

Agent 使用时要设置：

工具白名单。
最大执行步数。
超时时间。
高风险操作确认。
日志审计。

不要把生产系统的写权限直接交给 Agent。

工具调用

Dify 可以接入外部工具，例如 HTTP API。

设计工具时要注意：

名称清晰。
描述明确。
参数 schema 精确。
返回值简洁。
后端做权限校验。
错误信息可理解。

工具示例：

get_order_status(order_id)

{
  "order_id": "1001",
  "paid": true,
  "shipping_status": "not_shipped",
  "reason": "库存不足"
}

不要返回上百个数据库字段，模型只需要决策所需信息。

发布与集成

Dify 应用可以通过页面或 API 方式提供能力。

常见集成：

嵌入网站聊天窗口。
接入企业 IM。
后端通过 API 调用 Dify 应用。
内部系统调用 Workflow。

生产集成要关注：

API Key 管理。
用户身份透传。
权限过滤。
日志脱敏。
请求超时。
错误降级。
调用成本。

评估与调试

Dify 提供日志和调试能力，但你仍然需要自己的评估集。

评估知识库问答：

检索是否命中文档。
答案是否忠实于资料。
是否引用正确。
无答案时是否拒答。
是否出现幻觉。

评估 Agent：

是否选择正确工具。
参数是否正确。
是否遵守确认规则。
是否陷入循环。
最终结果是否可用。

不要只看单次演示效果。AI 应用需要用真实问题持续测试。

从入门到进阶路线

创建聊天助手。
配置模型供应商。
写基础 Prompt。
创建知识库。
做知识库问答。
调整文档切分和检索参数。
增加引用和拒答规则。
创建 Workflow。
接入外部 HTTP 工具。
创建受控 Agent。
发布 API 给业务系统。
建立评估集和日志分析。

生产 Checklist

模型 API Key 不暴露给前端。
知识库按权限隔离。
Prompt 明确拒答规则。
工具调用由后端做权限校验。
高风险操作需要用户确认。
设置最大执行步数和超时。
记录检索、模型调用和工具调用日志。
建立测试问题集。
监控 token 成本和延迟。
准备降级方案。

参考资料

总结

Dify 的价值是把 AI 应用常见能力平台化：模型、Prompt、知识库、RAG、Workflow、Agent、工具调用和发布集成。

入门阶段用它快速搭建知识库问答。进阶阶段要掌握 Workflow、工具调用、Agent 和评估。生产阶段必须补齐权限、日志、成本、超时、确认和安全治理。Dify 能加快开发，但不能替代你的业务边界和工程治理。