Cara Menggunakan Dify: Panduan Praktikal untuk Membina Aplikasi dan Agen AI dengan Pantas
Jika anda pernah berhasrat untuk membina chatbot AI yang sedia untuk pengeluaran, sistem QA yang dipertingkatkan dengan perolehan semula (retrieval-augmented QA system), atau agen automatik tanpa bersusah payah dengan kod yang kompleks, Dify dibina untuk anda. Ia menggabungkan pembina aliran kerja visual, pengurusan gesaan (prompt management), RAG (retrieval-augmented generation), dan integrasi alat ke dalam satu platform yang diperkemas. Dalam panduan praktikal dan berorientasikan penyelesaian ini, anda akan belajar dengan tepat cara menggunakan Dify—dari log masuk pertama hingga menggunakan aplikasi AI yang digilap.
Perlu diingatkan: Dify memposisikan dirinya sebagai platform pembangunan AI agentik terkemuka dengan aliran kerja seret dan lepas serta templat aplikasi yang mempercepatkan masa untuk mendapatkan nilai (time-to-value) dengan ketara. Jika anda lebih suka panduan praktikal, terdapat tutorial mesra pemula yang kukuh yang menunjukkan binaan hujung ke hujung untuk aplikasi sembang dan pembantu berasaskan set data, serta panduan yang dikendalikan oleh komuniti untuk menguasai blok teras seperti nod HTTP dan pengendalian JSON. Untuk pengalaman projek demo berstruktur, tutorial langkah demi langkah juga tersedia.
Dalam panduan ini, kita akan meliputi:
- Apakah itu Dify dan di mana ia menyerlah
- Menyediakan ruang kerja dan kunci anda
- Membina aplikasi pertama anda (chatbot dan pembantu RAG)
- Aliran kerja visual, alat dan penyambung
- Agen dan penaakulan berbilang langkah
- Penilaian, kebolehan pemerhatian dan lelaran
- Amalan terbaik penggunaan dan aliran kerja pasukan
Kami juga akan menyelitkan tips praktikal, perangkap biasa, dan corak penjimatan masa—supaya anda boleh menghantar dengan lebih pantas dengan keyakinan.
Apakah Itu Dify dan Mengapa Menggunakannya?
Dify ialah platform low/no-code untuk menggubah aplikasi AI melalui kanvas visual, dengan orkestrasi gesaan terbina dalam, pengendalian keadaan, RAG, dan keupayaan agen. Ia mengurangkan kerja-kerja paip dengan ketara dan membantu anda:
- Membina chatbot, pembantu dan automasi berbilang langkah
- Melaksanakan Retrieval-Augmented Generation (RAG) dengan pangkalan pengetahuan anda sendiri
- Mengintegrasikan alat (carian web, API, pangkalan data) tanpa kod gam tersuai
- Mengulangi gesaan, menjejaki prestasi dan memerhati jejak dari hujung ke hujung
Aliran kerja visual dan templat aplikasi Dify menjadikannya sangat menarik untuk pasukan yang perlu membuat prototaip dengan cepat dan berkembang ke arah pengeluaran. Tutorial dan demo pihak ketiga boleh membantu anda pergi dari kosong hingga aplikasi yang berfungsi dengan cepat, dan ia sering digunakan untuk corak agentik dengan perolehan data. Integrasi kebolehan pemerhatian juga tersedia apabila anda bersedia untuk menilai dan menskala.
Permulaan Pantas: Akaun, Model dan Kunci
- Cipta ruang kerja Dify anda
- Daftar dan cipta ruang kerja baharu.
- Pilih awan (paling pantas) atau bersedia untuk hos sendiri kemudian jika anda memerlukan kawalan penuh.
- Dalam Tetapan, sambung ke LLM pilihan anda (contohnya, OpenAI, Anthropic, dll.).
- Tambah kunci API dengan selamat. Uji dengan gesaan kecil untuk mengesahkan sambungan.
- Cipta Aplikasi atau Aliran Kerja baharu. Namakannya dengan jelas (contohnya, "RAG Sokongan Pelanggan" atau "Agen Kelayakan Petunjuk").
- Tentukan hasil pertama anda: aplikasi sembang, alat dalaman atau agen.
Tip: Mulakan dengan model asas untuk lelaran pantas, kemudian tukar kepada model lanjutan kemudian.
Bina Aplikasi Sembang Pertama Anda dalam Beberapa Minit
Berikut ialah cara mudah untuk membina pembantu sembang yang berguna.
- Dalam Galeri Aplikasi, pilih templat "Sembang". Ini menyediakan perancah pemesejan di luar kotak.
- Tentukan peranan, nada, batasan dan format output. Contoh:
"Anda ialah pembantu produk yang ringkas dan mesra. Sentiasa memetik sumber, menggunakan titik-titik untuk langkah, dan bertanya satu soalan penjelasan jika permintaan pengguna adalah kabur."
- Tambah pusingan contoh (gesaan beberapa contoh)
- Tunjukkan pasangan Soal Jawab contoh untuk mendorong tingkah laku yang konsisten.
- Pastikan ia ringkas dan mewakili.
- Gunakan penguji sembang terbina dalam untuk mencuba pertanyaan sebenar.
- Laraskan gesaan sistem untuk gaya dan suhu untuk kreativiti.
- Tentukan urutan berhenti, token maksimum dan penapis kandungan seperti yang diperlukan.
- Dayakan pautan kongsi aplikasi atau benamkan melalui widget.
Belajar sambil melakukan adalah yang terpantas—panduan video boleh membantu anda menggambarkan setiap klik.
Jadikannya Pembantu RAG (Sembang Sedar Pengetahuan)
RAG membolehkan pembantu anda menjawab dengan dokumen peribadi anda, Soalan Lazim atau kandungan wiki.
- Cipta Set Data (Pangkalan Pengetahuan)
- Muat naik PDF, markdown atau sambung ke sumber data.
- Dify akan memecahkan, membenamkan dan mengindeks kandungan anda.
- Laras pemecahan dan pembenaman
- Pilih model pembenaman dan saiz pecahan. Pecahan yang lebih besar mengekalkan konteks; pecahan yang lebih kecil meningkatkan perincian. Mulakan dengan 400–800 token.
- Pilih keputusan top-k (contohnya, 4–8), ambang kerelevanan dan penyusunan semula pilihan.
- Tambah penapis (contohnya, mengikut tag atau jenis dokumen) untuk ketepatan.
- Sambungkan perolehan ke dalam aplikasi
- Gunakan kanvas aliran kerja atau togol RAG aplikasi untuk menyuntik konteks yang diperoleh ke dalam gesaan. Sertakan petikan dalam templat jawapan akhir.
- Uji dengan soalan sebenar
- Cuba kedua-dua pertanyaan mudah dan rumit. Sahkan petikan, pemformatan dan kependaman.
Jika anda menggunakan pangkalan data vektor seperti Milvus, terdapat panduan langkah demi langkah untuk mengintegrasikan Dify untuk saluran RAG yang teguh.
Aliran Kerja Visual: Automasi Logik Berbilang Langkah
Kanvas Dify membolehkan anda merantai langkah, mencabang logik dan memanggil alat.
Blok biasa:
- Input/Output: tentukan skema untuk data pengguna masuk dan respons akhir.
- Nod LLM: buat gesaan, tetapkan model, kawal suhu.
- Nod Perolehan: tanya set data anda.
- Nod HTTP: panggil API luaran (carian, CRM, perkhidmatan dalaman).
- Nod Kod: jalankan transformasi ringan, penghuraian atau pengesahan.
- Syarat/Cabang: laluan laluan berdasarkan niat atau data pengguna.
Contoh: Pembantu penyelidikan web
- Kesan niat → Jika "penyelidikan", panggil nod HTTP untuk carian → Ringkaskan keputusan dengan LLM → Kembalikan penemuan titik-titik dengan sumber.
Untuk cara-cara konkrit tentang menyambungkan nod HTTP dan menghuraikan respons JSON, tutorial komuniti adalah berguna.
Agen: Penggunaan Alat, Penaakulan Berbilang Langkah
Agen dalam Dify menggabungkan perancangan, pemilihan alat dan penaakulan berulang untuk menyelesaikan matlamat.
Bila hendak menggunakan agen:
- Tugas memerlukan pelan berbilang langkah ("penyelidikan → bandingkan → ringkaskan").
- Pembantu mesti memanggil alat: carian web, pangkalan data, kalkulator, API dalaman.
- Anda mahu model memutuskan tindakan seterusnya secara dinamik.
Bina agen:
- Tentukan matlamat dan batasan dalam gesaan sistem.
- Daftar alat (HTTP, carian, perolehan data, fungsi tersuai).
- Dayakan perancangan: biarkan model mencadangkan langkah dan mengkritik kerjanya.
- Tetapkan langkah maksimum, tamat masa dan belanjawan alat.
- Uji dengan tugas yang pelbagai dan tonton jejak untuk mendiagnosis gelung.
Jika kes penggunaan anda memerlukan perolehan data web yang tepat, anda boleh memasangkan Dify dengan pemalam data khusus untuk memperkaya keupayaan agen.
Penyambung dan Alat: Bawa Tindanan Anda Masuk
Dify berintegrasi dengan perkhidmatan luaran melalui penyambung dan nod HTTP:
- Carian web, pengikisan atau API pengetahuan
- CRM dan meja bantuan (contohnya, Salesforce, Zendesk)
- Titik akhir REST/GraphQL dalaman
- Kedai vektor dan gudang data
Amalan terbaik:
- Normalkan respons ke dalam JSON dan sahkan skema.
- Pastikan penerangan alat ringkas supaya model tahu bila hendak menggunakannya.
- Tambah had kadar dan percubaan semula.
Kejuruteraan Gesaan dalam Dify
Jadikan gesaan modular dan boleh diuji:
- Gunakan pembolehubah untuk input pengguna, konteks yang diperoleh dan output alat.
- Piawaikan format output dengan JSON atau senarai titik untuk penghuraian hiliran.
- Sediakan rubrik langkah demi langkah (contohnya, "Fikirkan dalam langkah bernombor") untuk mengurangkan ralat.
- Sertakan dasar penolakan dan panduan gaya dalam gesaan sistem.
Gelung lelaran:
- Tambah set ujian gesaan yang mewakili.
- Jalankan penilaian kelompok dan bandingkan tetapan model.
- Log kes kegagalan dan cipta contoh atau cabang baharu.
Kebolehan Pemerhatian, Pengujian dan Pengoptimuman
Apabila anda lulus dari prototaip ke perintis, kebolehan pemerhatian dan pengesanan adalah penting. Anda boleh menambah pengesanan untuk melihat penggunaan token, kependaman dan keputusan langkah demi langkah untuk menyahpepijat dan meningkatkan kualiti.
Semakan utama sebelum pelancaran:
- Kadar halusinasi dengan dan tanpa RAG
- Belanjawan kependaman setiap permintaan dan setiap panggilan alat
- Kos setiap 100 permintaan
- Kes pinggir: input kosong, input panjang, pertanyaan di luar topik
Menggunakan kepada Pengguna
Dify menyokong berbilang laluan penggunaan:
- Kongsi UI sembang yang dihoskan untuk ujian dalaman
- Benamkan widget di tapak web atau produk anda
- Dedahkan titik akhir API untuk aplikasi anda panggil
Tips operasi:
- Tambah analitik: sesi, CSAT, kadar sandaran
- Cache jawapan yang kerap dan dapatkan semula perolehan
- Tetapkan makluman untuk tamat masa dan ralat model huluan
Kerjasama dan Tadbir Urus Pasukan
Apabila aplikasi anda berkembang:
- Gunakan kawalan akses berasaskan peranan dan asingkan dev/staging/prod
- Versi gesaan/aliran kerja; tag keluaran
- Cipta buku panduan untuk insiden dan gangguan alat
- Dokumen kontrak alat (input/output) dan SLA
Corak Lanjutan untuk Dicuba Seterusnya
- Panggilan fungsi dengan skema JSON yang ketat untuk output berstruktur
- Carian hibrid (BM25 + pembenaman) untuk perolehan yang lebih baik
- RAG berbilang vektor (tajuk, badan, pembenaman metadata)
- Penyusunan semula untuk meningkatkan ketepatan coretan
- Gelung refleksi kendiri untuk tugas yang kompleks
- Rel panduan dengan regex atau pengesahan skema JSON
Penyelesaian Masalah: Perangkap dan Pembaikan Biasa
- Agen bergelung atau mengambil masa yang terlalu lama
- Rendahkan langkah maksimum, ketatkan penerangan alat, tambahkan syarat berhenti.
- Coretan perolehan yang tidak relevan
- Laraskan pemecahan, tambahkan penapis metadata, cuba menyusun semula, ubah suai top-k.
- Output yang tidak kemas atau tidak konsisten
- Kuatkuasakan skema JSON, tambahkan contoh, kurangkan suhu.
- Cache perolehan, selaraskan panggilan alat, tukar kepada model yang lebih pantas.
- Kukuhkan batasan sistem, sentiasa memetik sumber, lebih suka langkah RAG dan pengesahan.
Dengan Cara Ini: Mempercepatkan Aliran Kerja Kandungan
Jika matlamat anda adalah untuk mengideakan kandungan, membuat draf dan sintesis penyelidikan, perlu diingatkan bahawa pembantu yang dibina dengan Dify dipasangkan dengan baik dengan alat produktiviti seperti Sider.AI untuk penulisan dan ringkasan harian. Sider boleh berada di samping pelayar anda untuk membantu membuat draf, menterjemah dan menganalisis kandungan dengan cepat; apabila digabungkan dengan bahagian belakang RAG yang dikuasakan oleh Dify, anda mendapat kedua-dua konteks domain yang tepat dan pengalaman pengarangan yang lancar (https://sider.ai/). Pengajaran Utama
- Mulakan dengan mudah dengan templat sembang, kemudian lapiskan dalam RAG dan alatan.
- Gunakan kanvas aliran kerja untuk menggambarkan logik dan mengelakkan kod rapuh.
- Anggap gesaan seperti kod: versi, uji dan nilai.
- Perhatikan segala-galanya—jejak, kos, kependaman—untuk menskala dengan yakin.
- Agen berkuasa, tetapi rel panduan dan belanjawan memastikan ia boleh dipercayai.
Sumber Tambahan
- Gambaran keseluruhan dan kedudukan Dify.
- Tutorial video mesra pemula untuk membina aplikasi AI.
- Panduan komuniti untuk nod HTTP dan pengendalian JSON.
- Tutorial berstruktur dengan projek demo.
- Membina agen dengan pemalam perolehan data web.
- Kebolehan pemerhatian dan pengesanan untuk aplikasi Dify.
- RAG dengan panduan Dify dan Milvus.
Soalan Lazim
S1: Untuk apakah Dify digunakan?
Dify ialah platform untuk membina aplikasi dan agen AI menggunakan aliran kerja visual, orkestrasi gesaan dan RAG. Ia membantu pasukan mencipta chatbot, pembantu pengetahuan dan automasi dengan cepat.
S2: Bagaimanakah cara saya mencipta chatbot RAG dalam Dify?
Cipta set data, konfigurasikan pembenaman dan perolehan, kemudian suntik konteks yang diperoleh ke dalam gesaan anda melalui aliran kerja. Uji top-k, saiz pecahan dan penyusunan semula untuk mengoptimumkan ketepatan.
S3: Bolehkah Dify menyambung ke API dan alatan saya?
Ya. Gunakan nod HTTP dan penyambung untuk memanggil perkhidmatan web, pangkalan data dan API carian. Pastikan respons dalam JSON dan tentukan penerangan alat yang jelas supaya agen menggunakannya dengan betul.
S4: Bagaimanakah cara saya menghalang agen saya daripada bergelung?
Kurangkan langkah maksimum, tambahkan kriteria penamatan dan ketatkan arahan alat. Kebolehan pemerhatian dan pengesanan membantu mengenal pasti tempat gelung berlaku supaya anda boleh melaraskan gesaan dan logik alat.
S5: Apakah cara terbaik untuk menilai aliran kerja Dify saya?
Cipta set ujian, jalankan penilaian kelompok dan periksa jejak untuk kependaman dan kos. Jejaki halusinasi, kuatkan output berstruktur dan ulang gesaan dengan contoh.
