Hvordan bruke Dify: En praktisk guide til å bygge AI-apper og -agenter raskt
Hvis du noen gang har ønsket å bygge en produksjonsklar AI-chatbot, et gjenfinningsforsterket QA-system, eller en automatisert agent uten å slite med kompleks kode, er Dify bygget for deg. Den kombinerer en visuell arbeidsflytbygger, ledetekstadministrasjon, RAG (retrieval-augmented generation) og verktøyintegrasjoner i én strømlinjeformet plattform. I denne praktiske, løsningsorienterte guiden lærer du nøyaktig hvordan du bruker Dify – fra første innlogging til distribusjon av en polert AI-app.
Verdt å merke seg: Dify posisjonerer seg som en ledende agentisk AI-utviklingsplattform med dra-og-slipp-arbeidsflyter og appmaler som dramatisk akselererer time-to-value. Hvis du foretrekker en praktisk gjennomgang, finnes det solide nybegynnervennlige veiledninger som viser ende-til-ende-bygg for chat-apper og datasettstøttede assistenter, pluss fellesskapskurerte guider for å mestre kjerneblokker som HTTP-noder og JSON-håndtering. For en strukturert demo-prosjektopplevelse er en trinn-for-trinn-veiledning også tilgjengelig.
I denne guiden vil vi dekke:
- Hva Dify er og hvor den skinner
- Sette opp arbeidsområdet og nøkler
- Bygge din første app (chatbot og RAG-assistent)
- Visuelle arbeidsflyter, verktøy og koblinger
- Agenter og flertrinns resonnement
- Evaluering, observerbarhet og iterasjon
- Beste praksis for distribusjon og team-arbeidsflyter
Vi vil også flette inn praktiske tips, vanlige fallgruver og tidsbesparende mønstre – slik at du kan levere raskere med selvtillit.
Hva er Dify og hvorfor bruke det?
Dify er en lavkode-/kodefri plattform for å sette sammen AI-applikasjoner gjennom et visuelt lerret, med innebygd ledetekstorkestrering, statushåndtering, RAG og agentfunksjoner. Det reduserer dramatisk rørleggerarbeid og hjelper deg med å:
- Bygge chat-boter, assistenter og flertrinns automatiseringer
- Implementere Retrieval-Augmented Generation (RAG) med din egen kunnskapsbase
- Integrere verktøy (websøk, APIer, databaser) uten tilpasset limkode
- Iterere ledetekster, spore ytelse og observere spor ende-til-ende
Difys visuelle arbeidsflyter og appmaler gjør det spesielt overbevisende for team som trenger å lage prototyper raskt og utvikle seg mot produksjon. Tredjeparts veiledninger og demoer kan hjelpe deg med å gå fra null til fungerende app raskt, og det brukes ofte til agentiske mønstre med datahenting. Observerbarhetsintegrasjoner er også tilgjengelige når du er klar til å evaluere og skalere.
Hurtigstart: Konto, modeller og nøkler
- Opprett ditt Dify-arbeidsområde
- Registrer deg og opprett et nytt arbeidsområde.
- Velg sky (raskest) eller forbered deg på selv-hosting senere hvis du trenger full kontroll.
- Legg til modellleverandører
- I Innstillinger kobler du til dine foretrukne LLMer (f.eks. OpenAI, Anthropic, etc.).
- Legg til API-nøklene sikkert. Test med små ledetekster for å bekrefte tilkoblingen.
- Organiser prosjektet ditt
- Opprett en ny app eller arbeidsflyt. Navngi den tydelig (f.eks. "Kundesupport RAG" eller "Lead Qualifier Agent").
- Bestem ditt første leveranse: chat-app, internt verktøy eller agent.
Tips: Start med en basismodell for rask iterasjon, og bytt deretter inn avanserte modeller senere.
Bygg din første chat-app på få minutter
Her er en enkel måte å bygge en hjelpsom chat-assistent.
- I Appgalleriet velger du en "Chat"-mal. Dette gir meldingsstillaser ut av boksen.
- Utkast til systemledeteksten din
- Definer rolle, tone, grenser og utdataformat. Eksempel:
"Du er en kortfattet, vennlig produktassistent. Sitér alltid kilder, bruk punktlister for trinn, og still ett avklarende spørsmål hvis brukerens forespørsel er vag."
- Legg til eksempelrunder (few-shot prompting)
- Vis eksemplariske spørsmål og svar-par for å dytte konsistent oppførsel.
- Hold dem korte og representative.
- Bruk den innebygde chat-testeren til å prøve ekte spørsmål.
- Juster systemledeteksten for stil og temperaturen for kreativitet.
- Legg til sikkerhetsbarrierer
- Definer stoppsekvenser, maksimale tokens og innholdsfiltre etter behov.
- Aktiver appens delingslenke eller bygg inn via widget.
Å lære ved å gjøre er raskest – video-gjennomganger kan hjelpe deg med å visualisere hvert klikk.
Gjør det om til en RAG-assistent (kunnskapsbevisst chat)
RAG lar assistenten din svare med dine private dokumenter, FAQer eller wiki-innhold.
- Opprett et datasett (kunnskapsbase)
- Last opp PDF-filer, markdown eller koble til en datakilde.
- Dify vil dele opp, bygge inn og indeksere innholdet ditt.
- Finjuster oppdeling og innbygginger
- Velg innbyggingsmodell og oppdelingsstørrelser. Større deler bevarer kontekst; mindre deler forbedrer granulariteten. Start med 400–800 tokens.
- Velg topp-k-resultater (f.eks. 4–8), relevansterskel og valgfri omrangering.
- Legg til filtre (f.eks. etter tag eller dokumenttype) for presisjon.
- Koble gjenfinning inn i appen
- Bruk arbeidsflytlerretet eller appens RAG-bryter for å injisere hentet kontekst inn i ledeteksten. Inkluder sitater i den endelige svarmalen.
- Prøv både enkle og vanskelige spørsmål. Valider sitater, formatering og latens.
Hvis du bruker en vektor database som Milvus, er det trinnvise gjennomganger av integrering av Dify for robuste RAG-pipelines.
Visuelle arbeidsflyter: Automatiser flertrinnslogikk
Difys lerret lar deg kjede trinn, forgrene logikk og kalle verktøy.
Vanlige blokker:
- Input/Output: definer skjema for innkommende brukerdata og endelig respons.
- LLM Node: lag ledetekster, angi modeller, kontroller temperatur.
- Retrieval Node: spør datasett.
- HTTP Node: kall eksterne APIer (søk, CRM, interne tjenester).
- Code Node: kjør lette transformasjoner, parsing eller validering.
- Condition/Branch: rute stier basert på brukerintensjon eller data.
Eksempel: Web-research assistent
- Oppdag intensjon → Hvis "research", kall HTTP-node for søk → Oppsummer resultater med en LLM → Returner punktvise funn med kilder.
For konkrete veiledninger om kabling av HTTP-noder og parsing av JSON-responser, er fellesskapsveiledninger nyttige.
Agenter: Verktøy-brukende, flertrinns resonnement
Agenter i Dify kombinerer planlegging, verktøyvalg og iterativ resonnement for å fullføre mål.
Når du skal bruke agenter:
- Oppgaver trenger flertrinnsplaner ("research → sammenlign → oppsummer").
- Assistenten må kalle verktøy: websøk, databaser, kalkulatorer, interne APIer.
- Du vil at modellen skal bestemme neste handlinger dynamisk.
Bygg en agent:
- Definer målet og begrensningene i systemledeteksten.
- Registrer verktøy (HTTP, søk, datahenting, tilpassede funksjoner).
- Aktiver planlegging: la modellen foreslå trinn og kritisere sitt arbeid.
- Angi maks trinn, tidsavbrudd og verktøybudsjetter.
- Test med varierte oppgaver og se spor for å diagnostisere sløyfer.
Hvis bruksområdet ditt krever nøyaktig henting av webdata, kan du pare Dify med spesialiserte dataplugins for å berike agentfunksjonene.
Koblinger og verktøy: Ta med din stack
Dify integreres med eksterne tjenester gjennom koblinger og HTTP-noder:
- Websøk, skraping eller kunnskaps-APIer
- CRMer og helpdesker (f.eks. Salesforce, Zendesk)
- Interne REST/GraphQL-endepunkter
- Vektorlagre og datavarehus
Beste praksis:
- Normaliser svar til JSON og valider skjemaer.
- Hold verktøybeskrivelser korte slik at modellen vet når den skal bruke dem.
- Legg til frekvensgrenser og forsøk på nytt.
Ledetekst-engineering i Dify
Gjør ledetekster modulære og testbare:
- Bruk variabler for brukerinput, hentet kontekst og verktøyutdata.
- Standardiser utdataformat med JSON eller punktlister for nedstrøms parsing.
- Gi trinnvise rubrikker (f.eks. "Tenk i nummererte trinn") for å redusere feil.
- Inkluder avvisningspolicyer og stilguider i systemledeteksten.
Iterasjonsløkke:
- Legg til et testsett med representative ledetekster.
- Kjør batchevalueringer og sammenlign modellinnstillinger.
- Loggfør feiltilfeller og opprett nye eksempler eller grener.
Observerbarhet, testing og optimalisering
Når du går fra prototype til pilot, er observerbarhet og sporing viktig. Du kan legge til sporing for å se tokenbruk, latenser og trinnvise beslutninger for å feilsøke og forbedre kvaliteten.
Viktige kontroller før lansering:
- Hallusinasjonsrate med og uten RAG
- Latensbudsjett per forespørsel og per verktøyoppkall
- Kostnad per 100 forespørsler
- Grensetilfeller: tom input, lang input, irrelevante spørsmål
Distribusjon til brukere
Dify støtter flere distribusjonsveier:
- Del et hostet chat-UI for intern testing
- Bygg inn en widget på nettstedet eller produktet ditt
- Eksponer et API-endepunkt for applikasjonen din å kalle
Driftstips:
- Legg til analyse: sesjoner, CSAT, fallback-rater
- Cache hyppige svar og forhåndshent gjenfinning
- Angi varsler for tidsavbrudd og oppstrøms modellfeil
Teamsamarbeid og styring
Etter hvert som appen din vokser:
- Bruk rollebasert tilgangskontroll og separate dev/staging/prod
- Versjoner ledetekster/arbeidsflyter; tag utgivelser
- Opprett en kjørebok for hendelser og verktøystopp
- Dokumenter verktøykontrakter (inputs/outputs) og SLAer
Avanserte mønstre å prøve neste gang
- Funksjonskalling med strenge JSON-skjemaer for strukturerte utdata
- Hybrid søk (BM25 + innbygginger) for bedre tilbakekalling
- Multi-vektor RAG (tittel, kropp, metadata innbygginger)
- Omrangering for å forbedre snippet-presisjon
- Selvrefleksjonsløkker for komplekse oppgaver
- Sikkerhetsbarrierer med regex eller JSON-skjemavalidering
Feilsøking: Vanlige fallgruver og rettelser
- Agenten looper eller tar for lang tid
- Senk maks trinn, stram inn verktøybeskrivelser, legg til stoppbetingelser.
- Irrelevante gjenfinningssnutter
- Juster oppdeling, legg til metadatafiltre, prøv omrangering, finjuster topp-k.
- Rotete eller inkonsekvente utdata
- Tving JSON-skjema, legg til eksempler, reduser temperatur.
- Cache gjenfinning, parallelliser verktøyoppkall, bytt til raskere modeller.
- Styrk systembegrensninger, sitér alltid kilder, foretrekk RAG og verifiseringstrinn.
Forresten: Øke hastigheten på innholdsarbeidsflyter
Hvis målet ditt er innholdsidémyldring, utkast og forskningssyntese, er det verdt å merke seg at assistenter bygget med Dify passer godt sammen med produktivitetsverktøy som Sider.AI for daglig skriving og oppsummering. Sider kan sitte ved siden av nettleseren din for å hjelpe deg med å utforme, oversette og analysere innhold raskt; når kombinert med en Dify-drevet RAG-backend, får du både nøyaktig domenekontekst og en jevn forfatteropplevelse (https://sider.ai/). Viktige takeaways
- Start enkelt med en chat-mal, og legg deretter inn RAG og verktøy.
- Bruk arbeidsflytlerretet til å visualisere logikk og unngå skjør kode.
- Behandle ledetekster som kode: versjoner, test og evaluer.
- Observer alt – spor, kostnader, latenser – for å skalere trygt.
- Agenter er kraftige, men sikkerhetsbarrierer og budsjetter holder dem pålitelige.
Ytterligere ressurser
- Dify oversikt og posisjonering.
- Nybegynnervennlig videoopplæring for å bygge en AI-app.
- Fellesskapsguide til HTTP-noder og JSON-håndtering.
- Strukturert veiledning med et demoprosjekt.
- Bygge agenter med webdata-hentingsplugins.
- Observerbarhet og sporing for Dify-apper.
- RAG med Dify og Milvus gjennomgang.
FAQ
Q1: Hva brukes Dify til?
Dify er en plattform for å bygge AI-apper og -agenter ved hjelp av visuelle arbeidsflyter, ledetekstorkestrering og RAG. Det hjelper team med å lage chat-boter, kunnskapsassistenter og automatiseringer raskt.
Q2: Hvordan oppretter jeg en RAG-chatbot i Dify?
Opprett et datasett, konfigurer innbygginger og gjenfinning, og injiser deretter hentet kontekst inn i ledeteksten din via arbeidsflyten. Test topp-k, delstørrelser og omrangering for å optimalisere nøyaktigheten.
Q3: Kan Dify koble til mine APIer og verktøy?
Ja. Bruk HTTP-noder og koblinger for å kalle webtjenester, databaser og søke-APIer. Oppbevar svar i JSON og definer klare verktøybeskrivelser slik at agenten bruker dem riktig.
Q4: Hvordan stopper jeg agenten min fra å loope?
Reduser maks trinn, legg til termineringskriterier og stram inn verktøyinstruksjonene. Observerbarhet og sporing hjelper deg med å identifisere hvor loopen oppstår, slik at du kan justere ledetekster og verktøylogikk.
Q5: Hva er den beste måten å evaluere min Dify-arbeidsflyt?
Opprett et testsett, kjør batchevalueringer og inspiser spor for latens og kostnad. Spor hallusinasjoner, tving strukturerte utdata og iterer ledetekster med eksempler.
