Come usare Dify: Una guida pratica per creare rapidamente app e agenti AI
Se hai mai desiderato poter creare un chatbot AI pronto per la produzione, un sistema di QA con retrieval-augmented o un agente automatizzato senza dover lottare con codice complesso, Dify è stato creato per te. Combina un generatore di workflow visivo, la gestione dei prompt, il RAG (retrieval-augmented generation) e le integrazioni di strumenti in un'unica piattaforma semplificata. In questa guida pratica e orientata alle soluzioni, imparerai esattamente come usare Dify, dal primo accesso alla distribuzione di un'app AI rifinita.
Vale la pena notare: Dify si posiziona come una piattaforma di sviluppo AI agentica leader con workflow drag-and-drop e modelli di app che accelerano notevolmente il time-to-value. Se preferisci una guida pratica, ci sono solidi tutorial per principianti che mostrano build end-to-end per app di chat e assistenti supportati da dataset, oltre a guide curate dalla comunità per padroneggiare blocchi fondamentali come i nodi HTTP e la gestione di JSON. Per un'esperienza di progetto demo strutturata, è disponibile anche un tutorial passo-passo.
In questa guida, tratteremo:
- Cos'è Dify e dove eccelle
- Configurazione del tuo workspace e delle chiavi
- Creazione della tua prima app (chatbot e assistente RAG)
- Workflow visivi, strumenti e connettori
- Agenti e ragionamento multi-step
- Valutazione, osservabilità e iterazione
- Best practice di deployment e workflow di team
Inoltre, integreremo suggerimenti pratici, insidie comuni e pattern per risparmiare tempo, così potrai rilasciare più velocemente con sicurezza.
Cos'è Dify e perché usarlo?
Dify è una piattaforma low/no-code per la composizione di applicazioni AI attraverso un canvas visivo, con orchestrazione dei prompt, gestione dello stato, RAG e funzionalità di agenti integrate. Riduce drasticamente il lavoro di implementazione e ti aiuta a:
- Creare chatbot, assistenti e automazioni multi-step
- Implementare la Retrieval-Augmented Generation (RAG) con la tua knowledge base
- Integrare strumenti (ricerca web, API, database) senza codice glue personalizzato
- Iterare i prompt, monitorare le prestazioni e osservare le tracce end-to-end
I workflow visivi e i modelli di app di Dify lo rendono particolarmente interessante per i team che hanno bisogno di prototipare rapidamente ed evolvere verso la produzione. Tutorial e demo di terze parti possono aiutarti a passare rapidamente da zero a un'app funzionante, ed è spesso utilizzato per pattern agentici con recupero di dati. Le integrazioni di osservabilità sono disponibili anche quando sei pronto per valutare e scalare.
Quick Start: Account, Modelli e Chiavi
- Crea il tuo workspace Dify
- Iscriviti e crea un nuovo workspace.
- Scegli il cloud (più veloce) o preparati per l'auto-hosting in un secondo momento se hai bisogno di un controllo completo.
- Aggiungi provider di modelli
- In Impostazioni, connettiti ai tuoi LLM preferiti (ad es. OpenAI, Anthropic, ecc.).
- Aggiungi le chiavi API in modo sicuro. Esegui dei test con piccoli prompt per confermare la connettività.
- Organizza il tuo progetto
- Crea una nuova App o Workflow. Assegna un nome chiaro (ad es. "Customer Support RAG" o "Lead Qualifier Agent").
- Decidi il tuo primo deliverable: chat app, strumento interno o agente.
Suggerimento: inizia con un modello di base per un'iterazione rapida, quindi sostituisci con modelli avanzati in un secondo momento.
Crea la tua prima Chat App in pochi minuti
Ecco un modo semplice per creare un assistente di chat utile.
- Nella App Gallery, scegli un template "Chat". Questo fornisce uno scaffolding di messaggistica out-of-the-box.
- Scrivi il tuo system prompt
- Definisci ruolo, tono, limiti e formato di output. Esempio:
"Sei un assistente di prodotto conciso e amichevole. Cita sempre le fonti, usa elenchi puntati per i passaggi e poni una domanda chiarificatrice se la richiesta dell'utente è vaga."
- Aggiungi turni di esempio (few-shot prompting)
- Mostra coppie di domande e risposte esemplari per incoraggiare un comportamento coerente.
- Mantienile brevi e rappresentative.
- Usa il chat tester integrato per provare query reali.
- Regola il system prompt per lo stile e la temperatura per la creatività.
- Definisci stop sequence, max token e filtri di contenuto come necessario.
- Abilita il link di condivisione dell'app o incorpora tramite widget.
Imparare facendo è il modo più veloce: i video walk-through possono aiutarti a visualizzare ogni click.
Trasformalo in un assistente RAG (Chat Knowledge-Aware)
RAG consente al tuo assistente di rispondere con i tuoi documenti privati, FAQ o contenuti wiki.
- Crea un Dataset (Knowledge Base)
- Carica PDF, markdown o connettiti a una data source.
- Dify eseguirà il chunking, l'embedding e l'indicizzazione dei tuoi contenuti.
- Ottimizza il chunking e gli embedding
- Scegli il modello di embedding e le dimensioni dei chunk. Chunk più grandi preservano il contesto; chunk più piccoli migliorano la granularità. Inizia con 400–800 token.
- Seleziona i risultati top-k (ad es. 4–8), la soglia di rilevanza e il reranking opzionale.
- Aggiungi filtri (ad es. per tag o tipo di documento) per la precisione.
- Collega il retrieval all'app
- Usa il workflow canvas o il toggle RAG dell'app per iniettare il contesto recuperato nel prompt. Includi le citazioni nel template di risposta finale.
- Prova query sia semplici che complesse. Valida citazioni, formattazione e latenza.
Se stai utilizzando un database vettoriale come Milvus, ci sono walkthrough passo-passo per integrare Dify per pipeline RAG robuste.
Workflow visivi: automatizza la logica multi-step
Il canvas di Dify ti consente di concatenare passaggi, diramare la logica e chiamare strumenti.
Blocchi comuni:
- Input/Output: definisci lo schema per i dati utente in entrata e la risposta finale.
- Nodo LLM: crea prompt, imposta modelli, controlla la temperatura.
- Nodo Retrieval: interroga i tuoi dataset.
- Nodo HTTP: chiama API esterne (ricerca, CRM, servizi interni).
- Nodo Codice: esegui trasformazioni leggere, parsing o validazione.
- Condizione/Branch: instrada i percorsi in base all'intento dell'utente o ai dati.
Esempio: assistente di ricerca web
- Rileva l'intento → Se "ricerca", chiama il nodo HTTP per la ricerca → Riassumi i risultati con un LLM → Restituisci risultati puntati con le fonti.
Per guide pratiche concrete su come collegare i nodi HTTP e analizzare le risposte JSON, i tutorial della community sono utili.
Agenti: ragionamento multi-step che utilizza strumenti
Gli agenti in Dify combinano pianificazione, selezione degli strumenti e ragionamento iterativo per completare gli obiettivi.
Quando usare gli agenti:
- Le attività necessitano di piani multi-step ("ricerca → confronta → riassumi").
- L'assistente deve chiamare strumenti: ricerca web, database, calcolatrici, API interne.
- Vuoi che il modello decida le azioni successive in modo dinamico.
Crea un agente:
- Definisci l'obiettivo e i vincoli nel system prompt.
- Registra gli strumenti (HTTP, ricerca, recupero dati, funzioni personalizzate).
- Abilita la pianificazione: lascia che il modello proponga passaggi e critichi il suo lavoro.
- Imposta max step, timeout e budget degli strumenti.
- Testa con attività varie e osserva le tracce per diagnosticare i loop.
Se il tuo caso d'uso richiede un recupero accurato dei dati web, puoi abbinare Dify con plugin di dati specializzati per arricchire le capacità dell'agente.
Connettori e strumenti: porta il tuo stack
Dify si integra con servizi esterni tramite connettori e nodi HTTP:
- Ricerca web, scraping o API di knowledge
- CRM e help desk (ad es. Salesforce, Zendesk)
- Endpoint REST/GraphQL interni
- Vector store e data warehouse
Best practice:
- Normalizza le risposte in JSON e valida gli schemi.
- Mantieni le descrizioni degli strumenti concise in modo che il modello sappia quando usarli.
- Aggiungi limiti di frequenza e tentativi.
Prompt Engineering in Dify
Rendi i prompt modulari e testabili:
- Usa variabili per l'input dell'utente, il contesto recuperato e gli output degli strumenti.
- Standardizza il formato di output con JSON o elenchi puntati per il parsing a valle.
- Fornisci rubriche passo-passo (ad es. "Pensa in passaggi numerati") per ridurre gli errori.
- Includi policy di rifiuto e guide di stile nel system prompt.
Ciclo di iterazione:
- Aggiungi un test set di prompt rappresentativi.
- Esegui valutazioni batch e confronta le impostazioni del modello.
- Registra i casi di errore e crea nuovi esempi o branch.
Osservabilità, Testing e Ottimizzazione
Quando passi dal prototipo al pilot, l'osservabilità e il tracing sono importanti. Puoi aggiungere il tracing per visualizzare l'utilizzo dei token, le latenze e le decisioni passo-passo per eseguire il debug e migliorare la qualità.
Controlli chiave prima del lancio:
- Tasso di allucinazione con e senza RAG
- Budget di latenza per richiesta e per chiamata di strumento
- Casi limite: input vuoto, input lungo, query fuori tema
Deployment per gli utenti
Dify supporta più percorsi di deployment:
- Condividi una chat UI hosted per i test interni
- Incorpora un widget sul tuo sito web o prodotto
- Espone un endpoint API per la chiamata della tua applicazione
Suggerimenti operativi:
- Aggiungi analytics: sessioni, CSAT, tassi di fallback
- Memorizza nella cache le risposte frequenti e precarica il retrieval
- Imposta avvisi per timeout ed errori del modello upstream
Collaborazione di team e Governance
Man mano che la tua app cresce:
- Usa controlli di accesso basati sui ruoli e separa dev/staging/prod
- Versiona i prompt/workflow; tagga le release
- Crea un runbook per incidenti e interruzioni degli strumenti
- Documenta i contratti degli strumenti (input/output) e gli SLA
Pattern avanzati da provare in seguito
- Function calling con schemi JSON rigidi per output strutturati
- Ricerca ibrida (BM25 + embedding) per un miglior recall
- RAG multi-vector (titolo, corpo, embedding dei metadata)
- Reranking per migliorare la precisione degli snippet
- Loop di auto-riflessione per compiti complessi
- Guardrail con regex o validazione dello schema JSON
Risoluzione dei problemi: insidie comuni e correzioni
- L'agente va in loop o impiega troppo tempo
- Riduci i max step, stringi le descrizioni degli strumenti, aggiungi condizioni di stop.
- Snippet di retrieval irrilevanti
- Regola il chunking, aggiungi filtri di metadata, prova il reranking, modifica il top-k.
- Output disordinati o incoerenti
- Applica lo schema JSON, aggiungi esempi, riduci la temperatura.
- Memorizza nella cache il retrieval, parallelizza le chiamate agli strumenti, passa a modelli più veloci.
- Rafforza i vincoli del sistema, cita sempre le fonti, preferisci i passaggi di RAG e verifica.
A proposito: velocizzare i workflow di contenuti
Se il tuo obiettivo è l'ideazione di contenuti, la bozza e la sintesi della ricerca, vale la pena notare che gli assistenti creati con Dify si abbinano bene con strumenti di produttività come Sider.AI per la scrittura e la sintesi quotidiana. Sider può affiancare il tuo browser per aiutarti a redigere, tradurre e analizzare i contenuti rapidamente; quando combinato con un backend RAG basato su Dify, ottieni sia un contesto di dominio accurato che un'esperienza di authoring fluida (https://sider.ai/). Punti chiave
- Inizia in modo semplice con un template di chat, quindi aggiungi RAG e strumenti.
- Usa il workflow canvas per visualizzare la logica ed evitare codice fragile.
- Tratta i prompt come codice: versiona, testa e valuta.
- Osserva tutto: tracce, costi, latenze, per scalare con sicurezza.
- Gli agenti sono potenti, ma guardrail e budget li mantengono affidabili.
Risorse aggiuntive
- Panoramica e posizionamento di Dify.
- Video tutorial per principianti per la creazione di un'app AI.
- Guida della community ai nodi HTTP e alla gestione di JSON.
- Tutorial strutturato con un progetto demo.
- Creazione di agenti con plugin di recupero dati web.
- Osservabilità e tracing per le app Dify.
- RAG con Dify e walkthrough di Milvus.
FAQ
D1: A cosa serve Dify?
Dify è una piattaforma per la creazione di app e agenti AI utilizzando workflow visivi, orchestrazione di prompt e RAG. Aiuta i team a creare chatbot, assistenti della conoscenza e automazioni rapidamente.
D2: Come posso creare un chatbot RAG in Dify?
Crea un dataset, configura embedding e retrieval, quindi inietta il contesto recuperato nel prompt tramite il workflow. Testa top-k, dimensioni dei chunk e reranking per ottimizzare l'accuratezza.
D3: Dify può connettersi alle mie API e ai miei strumenti?
Sì. Usa nodi HTTP e connettori per chiamare servizi web, database e API di ricerca. Mantieni le risposte in JSON e definisci descrizioni chiare degli strumenti in modo che l'agente li utilizzi correttamente.
D4: Come posso impedire al mio agente di andare in loop?
Riduci i max step, aggiungi criteri di terminazione e stringi le istruzioni degli strumenti. L'osservabilità e il tracing aiutano a identificare dove si verifica il loop in modo da poter regolare i prompt e la logica degli strumenti.
D5: Qual è il modo migliore per valutare il mio workflow Dify?
Crea un test set, esegui valutazioni batch e ispeziona le tracce per latenza e costi. Tieni traccia delle allucinazioni, applica output strutturati e itera i prompt con esempi.
