วิธีใช้งาน Dify: คู่มือเชิงปฏิบัติสำหรับการสร้างแอปและเอเจนต์ AI อย่างรวดเร็ว
หากคุณเคยต้องการที่จะสร้างแชทบอท AI ที่พร้อมใช้งานจริง ระบบ QA ที่เพิ่มประสิทธิภาพการดึงข้อมูล หรือเอเจนต์อัตโนมัติ โดยไม่ต้องยุ่งยากกับโค้ดที่ซับซ้อน Dify ถูกสร้างมาเพื่อคุณโดยเฉพาะ มันรวมเอาตัวสร้างเวิร์กโฟลว์แบบเห็นภาพ การจัดการพรอมต์ RAG (การสร้างเสริมด้วยการดึงข้อมูล) และการผสานรวมเครื่องมือไว้ในแพลตฟอร์มเดียวที่คล่องตัว ในคู่มือเชิงปฏิบัติและเน้นการแก้ปัญหาฉบับนี้ คุณจะได้เรียนรู้วิธีการใช้งาน Dify อย่างละเอียด ตั้งแต่การล็อกอินครั้งแรกไปจนถึงการปรับใช้แอป AI ที่สวยงาม
สิ่งที่ควรทราบ: Dify วางตำแหน่งตัวเองเป็นแพลตฟอร์มพัฒนา AI แบบ Agentic ชั้นนำ พร้อมเวิร์กโฟลว์แบบลากและวาง และเทมเพลตแอปที่ช่วยเร่งระยะเวลาในการสร้างมูลค่าได้อย่างมาก หากคุณต้องการคำแนะนำแบบลงมือปฏิบัติจริง มีบทช่วยสอนที่เป็นมิตรกับผู้เริ่มต้นที่แสดงการสร้างแอปแชทและผู้ช่วยที่ขับเคลื่อนด้วยชุดข้อมูลแบบครบวงจร รวมถึงคำแนะนำที่ดูแลโดยชุมชนเพื่อควบคุมบล็อกหลัก เช่น โหนด HTTP และการจัดการ JSON สำหรับประสบการณ์โครงการสาธิตที่มีโครงสร้าง มีบทช่วยสอนทีละขั้นตอนให้ใช้งานด้วย
ในคู่มือนี้ เราจะครอบคลุมถึง:
- Dify คืออะไรและโดดเด่นในด้านใด
- การตั้งค่าพื้นที่ทำงานและคีย์ของคุณ
- การสร้างแอปแรกของคุณ (แชทบอทและผู้ช่วย RAG)
- เวิร์กโฟลว์ เครื่องมือ และตัวเชื่อมต่อแบบเห็นภาพ
- เอเจนต์และการให้เหตุผลแบบหลายขั้นตอน
- การประเมิน การสังเกต และการทำซ้ำ
- แนวทางปฏิบัติที่ดีที่สุดในการปรับใช้และเวิร์กโฟลว์ของทีม
เราจะสอดแทรกเคล็ดลับที่เป็นประโยชน์ ข้อผิดพลาดทั่วไป และรูปแบบการประหยัดเวลา เพื่อให้คุณสามารถเผยแพร่ได้เร็วขึ้นด้วยความมั่นใจ
Dify คืออะไรและทำไมต้องใช้
Dify เป็นแพลตฟอร์มแบบ low/no-code สำหรับการสร้างแอปพลิเคชัน AI ผ่านผืนผ้าใบแบบเห็นภาพ พร้อมด้วยการจัดระเบียบพรอมต์ การจัดการสถานะ RAG และความสามารถของเอเจนต์ในตัว มันช่วยลดงานด้านโครงสร้างพื้นฐานได้อย่างมาก และช่วยให้คุณ:
- สร้างแชทบอท ผู้ช่วย และระบบอัตโนมัติแบบหลายขั้นตอน
- ใช้งาน Retrieval-Augmented Generation (RAG) ด้วยฐานความรู้ของคุณเอง
- ผสานรวมเครื่องมือ (การค้นหาเว็บ, API, ฐานข้อมูล) โดยไม่ต้องใช้โค้ดเชื่อมต่อแบบกำหนดเอง
- ทำซ้ำพรอมต์ ติดตามประสิทธิภาพ และสังเกตร่องรอยแบบ end-to-end
เวิร์กโฟลว์แบบเห็นภาพและเทมเพลตแอปของ Dify ทำให้มันน่าสนใจเป็นพิเศษสำหรับทีมที่ต้องการสร้างต้นแบบอย่างรวดเร็วและพัฒนาไปสู่การผลิต บทช่วยสอนและเดโมจากบุคคลที่สามสามารถช่วยให้คุณเปลี่ยนจากศูนย์เป็นแอปที่ใช้งานได้จริงได้อย่างรวดเร็ว และมักใช้สำหรับรูปแบบ Agentic กับการดึงข้อมูล การผสานรวมการสังเกตยังมีให้ใช้งานเมื่อคุณพร้อมที่จะประเมินและปรับขนาด
เริ่มต้นอย่างรวดเร็ว: บัญชี โมเดล และคีย์
- สร้างพื้นที่ทำงาน Dify ของคุณ
- ลงทะเบียนและสร้างพื้นที่ทำงานใหม่
- เลือกระบบคลาวด์ (เร็วที่สุด) หรือเตรียมพร้อมสำหรับการโฮสต์ด้วยตนเองในภายหลัง หากคุณต้องการการควบคุมอย่างเต็มที่
- ในการตั้งค่า ให้เชื่อมต่อกับ LLM ที่คุณต้องการ (เช่น OpenAI, Anthropic และอื่นๆ)
- เพิ่มคีย์ API อย่างปลอดภัย ทดสอบด้วยพรอมต์ขนาดเล็กเพื่อยืนยันการเชื่อมต่อ
- สร้างแอปหรือเวิร์กโฟลว์ใหม่ ตั้งชื่อให้ชัดเจน (เช่น "Customer Support RAG" หรือ "Lead Qualifier Agent")
- ตัดสินใจเกี่ยวกับผลลัพธ์แรกของคุณ: แอปแชท เครื่องมือภายใน หรือเอเจนต์
เคล็ดลับ: เริ่มต้นด้วยโมเดลพื้นฐานเพื่อการทำซ้ำอย่างรวดเร็ว จากนั้นสลับไปใช้โมเดลขั้นสูงในภายหลัง
สร้างแอปแชทแรกของคุณในไม่กี่นาที
นี่เป็นวิธีง่ายๆ ในการสร้างผู้ช่วยแชทที่เป็นประโยชน์
- ใน App Gallery ให้เลือกเทมเพลต "Chat" ซึ่งจะให้โครงสร้างการส่งข้อความสำเร็จรูป
- กำหนดบทบาท น้ำเสียง ขอบเขต และรูปแบบเอาต์พุต ตัวอย่าง:
"คุณคือผู้ช่วยผลิตภัณฑ์ที่กระชับและเป็นมิตร อ้างอิงแหล่งที่มาเสมอ ใช้ bullet point สำหรับขั้นตอน และถามคำถามเพื่อชี้แจงหนึ่งข้อหากคำขอของผู้ใช้คลุมเครือ"
- เพิ่มตัวอย่าง (few-shot prompting)
- แสดงคู่ Q&A ที่เป็นตัวอย่างเพื่อกระตุ้นพฤติกรรมที่สอดคล้องกัน
- ใช้เครื่องมือทดสอบแชทในตัวเพื่อลองใช้คำค้นหาจริง
- ปรับพรอมต์ระบบสำหรับสไตล์และอุณหภูมิสำหรับความคิดสร้างสรรค์
- กำหนดลำดับการหยุด จำนวนโทเค็นสูงสุด และตัวกรองเนื้อหาตามต้องการ
- เปิดใช้งานลิงก์แชร์ของแอปหรือฝังผ่านวิดเจ็ต
การเรียนรู้จากการลงมือทำเป็นวิธีที่เร็วที่สุด วิดีโอแนะนำสามารถช่วยให้คุณเห็นภาพการคลิกแต่ละครั้ง
เปลี่ยนให้เป็นผู้ช่วย RAG (แชทที่รับรู้ความรู้)
RAG ช่วยให้ผู้ช่วยของคุณตอบคำถามด้วยเอกสารส่วนตัว คำถามที่พบบ่อย หรือเนื้อหา Wiki
- สร้างชุดข้อมูล (ฐานความรู้)
- อัปโหลด PDF, Markdown หรือเชื่อมต่อกับแหล่งข้อมูล
- Dify จะแบ่งส่วน ฝัง และจัดทำดัชนีเนื้อหาของคุณ
- ปรับแต่งการแบ่งส่วนและการฝัง
- เลือกรุ่นการฝังและขนาดส่วน เริ่มต้นด้วย 400–800 โทเค็น ส่วนที่ใหญ่กว่าจะรักษาบริบทไว้ ส่วนที่เล็กกว่าจะปรับปรุงความละเอียด เริ่มต้นด้วย 400–800 โทเค็น
- เลือกระดับบนสุด (top-k results) (เช่น 4–8), เกณฑ์ความเกี่ยวข้อง และการจัดอันดับใหม่ที่เป็นตัวเลือก
- เพิ่มตัวกรอง (เช่น ตามแท็กหรือประเภทเอกสาร) เพื่อความแม่นยำ
- เชื่อมต่อการดึงข้อมูลเข้ากับแอป
- ใช้ Canvas เวิร์กโฟลว์หรือสลับ RAG ของแอปเพื่อใส่บริบทที่ดึงมาลงในพรอมต์ รวมการอ้างอิงในเทมเพลตคำตอบสุดท้าย
- ลองใช้คำถามที่ง่ายและยาก ตรวจสอบการอ้างอิง การจัดรูปแบบ และเวลาแฝง
หากคุณกำลังใช้ฐานข้อมูลเวกเตอร์เช่น Milvus มีคำแนะนำทีละขั้นตอนสำหรับการรวม Dify สำหรับไปป์ไลน์ RAG ที่แข็งแกร่ง
เวิร์กโฟลว์แบบเห็นภาพ: สร้างระบบอัตโนมัติแบบหลายขั้นตอน
Canvas ของ Dify ช่วยให้คุณเชื่อมต่อขั้นตอน แยกตรรกะ และเรียกเครื่องมือ
บล็อกทั่วไป:
- Input/Output: กำหนด Schema สำหรับข้อมูลผู้ใช้ขาเข้าและการตอบสนองสุดท้าย
- LLM Node: สร้างพรอมต์ ตั้งค่าโมเดล ควบคุมอุณหภูมิ
- Retrieval Node: ค้นหาชุดข้อมูลของคุณ
- HTTP Node: เรียก API ภายนอก (ค้นหา, CRM, บริการภายใน)
- Code Node: เรียกใช้การแปลง การแยกวิเคราะห์ หรือการตรวจสอบความถูกต้องที่มีน้ำหนักเบา
- Condition/Branch: กำหนดเส้นทางตามความตั้งใจหรือข้อมูลของผู้ใช้
ตัวอย่าง: ผู้ช่วยค้นคว้าข้อมูลทางเว็บ
- ตรวจจับความตั้งใจ → หาก "research" ให้เรียกโหนด HTTP สำหรับการค้นหา → สรุปผลลัพธ์ด้วย LLM → ส่งคืนผลการค้นหาแบบ bullet-point พร้อมแหล่งที่มา
สำหรับวิธีการใช้งานที่เป็นรูปธรรมเกี่ยวกับการเชื่อมต่อโหนด HTTP และการแยกวิเคราะห์การตอบสนอง JSON บทช่วยสอนของชุมชนมีประโยชน์
เอเจนต์: การใช้เครื่องมือ การให้เหตุผลแบบหลายขั้นตอน
เอเจนต์ใน Dify รวมการวางแผน การเลือกเครื่องมือ และการให้เหตุผลแบบวนซ้ำเพื่อให้บรรลุเป้าหมาย
เมื่อใดควรใช้เอเจนต์:
- งานต้องใช้แผนหลายขั้นตอน ("research → compare → summarize")
- ผู้ช่วยต้องเรียกเครื่องมือ: การค้นหาเว็บ, ฐานข้อมูล, เครื่องคิดเลข, API ภายใน
- คุณต้องการให้โมเดลตัดสินใจการกระทำต่อไปแบบไดนามิก
สร้างเอเจนต์:
- กำหนดเป้าหมายและข้อจำกัดในพรอมต์ระบบ
- ลงทะเบียนเครื่องมือ (HTTP, การค้นหา, การดึงข้อมูล, ฟังก์ชันที่กำหนดเอง)
- เปิดใช้งานการวางแผน: ให้โมเดลเสนอขั้นตอนและวิจารณ์งานของตัวเอง
- ตั้งค่าขั้นตอนสูงสุด การหมดเวลา และงบประมาณเครื่องมือ
- ทดสอบกับงานที่หลากหลายและดูร่องรอยเพื่อวินิจฉัยวงจร
หากกรณีการใช้งานของคุณต้องการการดึงข้อมูลเว็บที่ถูกต้อง คุณสามารถจับคู่ Dify กับปลั๊กอินข้อมูลเฉพาะเพื่อเพิ่มขีดความสามารถของเอเจนต์
ตัวเชื่อมต่อและเครื่องมือ: นำ Stack ของคุณเข้ามา
Dify ผสานรวมกับบริการภายนอกผ่านตัวเชื่อมต่อและโหนด HTTP:
- การค้นหาเว็บ การขูด หรือ API ความรู้
- CRM และ Help desk (เช่น Salesforce, Zendesk)
- ปลายทาง REST/GraphQL ภายใน
- Vector Store และ Data Warehouse
แนวทางปฏิบัติที่ดีที่สุด:
- ปรับการตอบสนองให้เป็น JSON และตรวจสอบ Schema
- ทำให้คำอธิบายเครื่องมือกระชับเพื่อให้โมเดลรู้ว่าจะใช้งานเมื่อใด
- เพิ่มขีดจำกัดอัตราและการลองใหม่
Prompt Engineering ใน Dify
ทำให้พรอมต์เป็นแบบโมดูลาร์และทดสอบได้:
- ใช้ตัวแปรสำหรับ Input ของผู้ใช้ บริบทที่ดึงมา และ Output ของเครื่องมือ
- กำหนดรูปแบบ Output มาตรฐานด้วย JSON หรือ Bullet list สำหรับการแยกวิเคราะห์ปลายน้ำ
- จัดเตรียม Rubric ทีละขั้นตอน (เช่น "คิดเป็นขั้นตอนตามหมายเลข") เพื่อลดข้อผิดพลาด
- รวมนโยบายการปฏิเสธและคู่มือสไตล์ไว้ในพรอมต์ระบบ
Iteration Loop:
- เพิ่มชุดทดสอบของพรอมต์ที่เป็นตัวแทน
- เรียกใช้การประเมินเป็นชุดและเปรียบเทียบการตั้งค่าโมเดล
- บันทึกกรณีที่ล้มเหลวและสร้าง Exemplar หรือ Branch ใหม่
การสังเกต การทดสอบ และการเพิ่มประสิทธิภาพ
เมื่อคุณสำเร็จการศึกษาจากต้นแบบไปสู่รุ่นนำร่อง การสังเกตและการติดตามเป็นสิ่งสำคัญ คุณสามารถเพิ่มการติดตามเพื่อดูการใช้งานโทเค็น เวลาแฝง และการตัดสินใจทีละขั้นตอนเพื่อแก้ไขข้อบกพร่องและปรับปรุงคุณภาพ
การตรวจสอบที่สำคัญก่อนเปิดตัว:
- อัตราการสร้างข้อมูลเท็จที่มีและไม่มี RAG
- งบประมาณเวลาแฝงต่อคำขอและต่อการเรียกเครื่องมือ
- กรณี Edge: Input ว่างเปล่า Input ยาว คำค้นหาที่ไม่เกี่ยวข้อง
การปรับใช้กับผู้ใช้
Dify รองรับเส้นทางการปรับใช้หลายเส้นทาง:
- แชร์ UI แชทที่โฮสต์ไว้สำหรับการทดสอบภายใน
- ฝังวิดเจ็ตบนเว็บไซต์หรือผลิตภัณฑ์ของคุณ
- เปิดเผยปลายทาง API สำหรับแอปพลิเคชันของคุณเพื่อโทร
เคล็ดลับในการดำเนินงาน:
- เพิ่ม Analytics: เซสชัน CSAT อัตราการ Fallback
- แคชคำตอบที่พบบ่อยและดึงข้อมูลล่วงหน้า
- ตั้งค่าการแจ้งเตือนสำหรับการหมดเวลาและข้อผิดพลาดของโมเดลต้นน้ำ
การทำงานร่วมกันและการกำกับดูแลของทีม
เมื่อแอปของคุณเติบโตขึ้น:
- ใช้การควบคุมการเข้าถึงตามบทบาทและแยก dev/staging/prod
- พรอมต์/เวิร์กโฟลว์เวอร์ชัน แท็ก Release
- สร้าง Runbook สำหรับเหตุการณ์และเครื่องมือขัดข้อง
- เอกสารสัญญาเครื่องมือ (Input/Output) และ SLAs
รูปแบบขั้นสูงที่จะลองต่อไป
- การเรียกใช้ฟังก์ชันด้วย Schema JSON ที่เข้มงวดสำหรับ Output ที่มีโครงสร้าง
- การค้นหาแบบไฮบริด (BM25 + การฝัง) เพื่อการเรียกคืนที่ดีขึ้น
- Multi-Vector RAG (ชื่อ เรื่อง เนื้อหา การฝัง Metadata)
- การจัดอันดับใหม่เพื่อปรับปรุงความแม่นยำของ Snippet
- Self-Reflection Loops สำหรับงานที่ซับซ้อน
- Guardrails พร้อม Regex หรือการตรวจสอบ Schema JSON
การแก้ไขปัญหา: ข้อผิดพลาดทั่วไปและการแก้ไข
- เอเจนต์วนซ้ำหรือใช้เวลานานเกินไป
- ลดขั้นตอนสูงสุด กระชับคำอธิบายเครื่องมือ เพิ่มเงื่อนไขการหยุด
- Snippet การดึงข้อมูลที่ไม่เกี่ยวข้อง
- ปรับการแบ่งส่วน เพิ่มตัวกรอง Metadata ลองจัดอันดับใหม่ ปรับแต่ง Top-k
- Output ที่ยุ่งเหยิงหรือไม่สอดคล้องกัน
- บังคับใช้ Schema JSON เพิ่มตัวอย่าง ลดอุณหภูมิ
- แคชการดึงข้อมูล เรียกเครื่องมือแบบขนาน สลับไปใช้โมเดลที่เร็วกว่า
- เสริมสร้างข้อจำกัดของระบบ อ้างอิงแหล่งที่มาเสมอ ชอบ RAG และขั้นตอนการตรวจสอบ
By the Way: เร่งความเร็วเวิร์กโฟลว์เนื้อหา
หากเป้าหมายของคุณคือการสร้างสรรค์เนื้อหา การร่าง และการสังเคราะห์งานวิจัย สิ่งที่ควรทราบคือผู้ช่วยที่สร้างด้วย Dify ทำงานได้ดีกับเครื่องมือเพิ่มประสิทธิภาพการทำงาน เช่น Sider.AI สำหรับการเขียนและการสรุปในแต่ละวัน Sider สามารถอยู่ข้างๆ เบราว์เซอร์ของคุณเพื่อช่วยร่าง แปล และวิเคราะห์เนื้อหาได้อย่างรวดเร็ว เมื่อรวมกับแบ็กเอนด์ RAG ที่ขับเคลื่อนด้วย Dify คุณจะได้รับทั้งบริบทโดเมนที่ถูกต้องและประสบการณ์การเขียนที่ราบรื่น (https://sider.ai/) ประเด็นสำคัญ
- เริ่มต้นง่ายๆ ด้วยเทมเพลตแชท จากนั้นใส่ RAG และเครื่องมือ
- ใช้ Canvas เวิร์กโฟลว์เพื่อแสดงภาพตรรกะและหลีกเลี่ยงโค้ดที่เปราะบาง
- ปฏิบัติต่อพรอมต์เหมือนโค้ด: เวอร์ชัน ทดสอบ และประเมิน
- สังเกตทุกสิ่ง—ร่องรอย ค่าใช้จ่าย เวลาแฝง—เพื่อปรับขนาดด้วยความมั่นใจ
- เอเจนต์มีประสิทธิภาพ แต่ Guardrails และงบประมาณช่วยให้พวกเขามีความน่าเชื่อถือ
แหล่งข้อมูลเพิ่มเติม
- ภาพรวมและการวางตำแหน่งของ Dify
- วิดีโอแนะนำที่เป็นมิตรกับผู้เริ่มต้นสำหรับการสร้างแอป AI
- คู่มือชุมชนสำหรับโหนด HTTP และการจัดการ JSON
- บทช่วยสอนที่มีโครงสร้างพร้อมโครงการสาธิต
- การสร้างเอเจนต์ด้วยปลั๊กอินการดึงข้อมูลเว็บ
- การสังเกตและการติดตามสำหรับแอป Dify
- RAG พร้อมคำแนะนำ Dify และ Milvus
คำถามที่พบบ่อย
Q1:Dify ใช้ทำอะไร
Dify เป็นแพลตฟอร์มสำหรับสร้างแอปและเอเจนต์ AI โดยใช้เวิร์กโฟลว์แบบเห็นภาพ การจัดระเบียบพรอมต์ และ RAG ช่วยให้ทีมสร้างแชทบอท ผู้ช่วยความรู้ และระบบอัตโนมัติได้อย่างรวดเร็ว
Q2:ฉันจะสร้างแชทบอท RAG ใน Dify ได้อย่างไร
สร้างชุดข้อมูล กำหนดค่าการฝังและการดึงข้อมูล จากนั้นใส่บริบทที่ดึงมาลงในพรอมต์ของคุณผ่านเวิร์กโฟลว์ ทดสอบ Top-k ขนาดส่วน และการจัดอันดับใหม่เพื่อเพิ่มประสิทธิภาพความถูกต้อง
Q3:Dify สามารถเชื่อมต่อกับ API และเครื่องมือของฉันได้หรือไม่
ได้ ใช้โหนด HTTP และตัวเชื่อมต่อเพื่อเรียกใช้บริการเว็บ ฐานข้อมูล และ API การค้นหา เก็บบันทึกการตอบสนองใน JSON และกำหนดคำอธิบายเครื่องมือที่ชัดเจนเพื่อให้เอเจนต์ใช้งานได้อย่างถูกต้อง
Q4:ฉันจะหยุดเอเจนต์ของฉันจากการวนซ้ำได้อย่างไร
ลดขั้นตอนสูงสุด เพิ่มเกณฑ์การสิ้นสุด และกระชับคำแนะนำเครื่องมือ การสังเกตและการติดตามช่วยระบุตำแหน่งที่เกิดการวนซ้ำเพื่อให้คุณสามารถปรับพรอมต์และตรรกะเครื่องมือได้
Q5:วิธีที่ดีที่สุดในการประเมินเวิร์กโฟลว์ Dify ของฉันคืออะไร
สร้างชุดทดสอบ เรียกใช้การประเมินเป็นชุด และตรวจสอบร่องรอยสำหรับเวลาแฝงและค่าใช้จ่าย ติดตาม Hallucinations บังคับใช้ Output ที่มีโครงสร้าง และทำซ้ำพรอมต์ด้วยตัวอย่าง
