如何使用 Dify：快速构建 AI 应用和代理的实用指南
如果你一直希望能够构建一个生产级别的 AI 聊天机器人、一个检索增强的问答系统或一个自动代理，而无需与复杂的代码作斗争，那么 Dify 就是为你而生的。它将可视化工作流构建器、提示管理、RAG（检索增强生成）和工具集成到一个简化的平台中。在本实用的、以解决方案为导向的指南中，你将准确地了解如何使用 Dify——从首次登录到部署完善的 AI 应用。
值得注意的是：Dify 将自己定位为一个领先的 agentic AI 开发平台，具有拖放工作流和应用模板，可显著加快价值实现速度。如果你更喜欢动手演练，那么有一些可靠的、适合初学者的教程，展示了聊天应用和数据集支持的助手的端到端构建，以及社区策划的指南，以掌握 HTTP 节点和 JSON 处理等核心模块。对于结构化的演示项目体验，还可以找到一个逐步教程。
在本指南中，我们将介绍：
我们还将融入实用的技巧、常见的陷阱和节省时间的模式——以便你可以更有信心地更快地交付产品。
什么是 Dify，为什么要使用它？
Dify 是一个低/无代码平台，用于通过可视化画布组合 AI 应用程序，内置提示编排、状态处理、RAG 和代理功能。它极大地减少了底层工作，并帮助你：
- 集成工具（Web 搜索、API、数据库），无需自定义粘合代码
Dify 的可视化工作流和应用模板使其对于需要快速原型设计并向生产环境演进的团队特别有吸引力。第三方教程和演示可以帮助你快速从零开始构建可用的应用程序，它通常用于具有数据检索的 agentic 模式。当你准备好评估和扩展时，还可以使用可观测性集成。
快速入门：账户、模型和密钥
- 选择云（最快），或者如果你需要完全控制，请准备好稍后进行自托管。
- 在“设置”中，连接到你首选的 LLM（例如，OpenAI、Anthropic 等）。
- 安全地添加 API 密钥。使用小提示进行测试以确认连接。
- 创建一个新的“应用”或“工作流”。清楚地命名它（例如，“客户支持 RAG”或“潜在客户资格认证代理”）。
- 确定你的第一个可交付成果：聊天应用、内部工具或代理。
提示：从基线模型开始以进行快速迭代，然后稍后换成高级模型。
在几分钟内构建你的第一个聊天应用
这是一个构建有用的聊天助手的简单方法。
- 在“应用库”中，选择一个“聊天”模板。这提供了开箱即用的消息传递支架。
- 定义角色、语气、边界和输出格式。示例：
“你是一个简洁友好的产品助手。始终引用来源，使用项目符号列出步骤，如果用户的请求含糊不清，请提出一个澄清问题。”
边做边学是最快的——视频演练可以帮助你可视化每次点击。
将其变成 RAG 助手（知识感知聊天）
RAG 让你的助手可以使用你的私人文档、常见问题解答或 wiki 内容进行回答。
- 选择嵌入模型和分块大小。较大的块保留上下文；较小的块提高粒度。从 400-800 个令牌开始。
- 选择 top-k 结果（例如，4-8）、相关性阈值和可选的重新排序。
- 使用工作流画布或应用程序的 RAG 切换来将检索到的上下文注入到提示中。在最终答案模板中包含引文。
如果你使用的是像 Milvus 这样的向量数据库，那么有关于集成 Dify 以实现强大的 RAG 管道的分步演练。
可视化工作流：自动化多步骤逻辑
Dify 的画布让你能够链接步骤、分支逻辑和调用工具。
常用模块：
- HTTP 节点：调用外部 API（搜索、CRM、内部服务）。
示例：Web 研究助手
- 检测意图 → 如果“研究”，则调用 HTTP 节点进行搜索 → 使用 LLM 总结结果 → 返回带有来源的项目符号调查结果。
有关连接 HTTP 节点和解析 JSON 响应的具体操作方法，社区教程很有帮助。
代理：工具使用、多步骤推理
Dify 中的代理结合了计划、工具选择和迭代推理来完成目标。
何时使用代理：
- 任务需要多步骤计划（“研究 → 比较 → 总结”）。
- 助手必须调用工具：Web 搜索、数据库、计算器、内部 API。
构建代理：
- 注册工具（HTTP、搜索、数据检索、自定义函数）。
如果你的用例需要准确的 Web 数据检索，你可以将 Dify 与专门的数据插件配对，以丰富代理功能。
连接器和工具：引入你的技术栈
Dify 通过连接器和 HTTP 节点与外部服务集成：
- CRM 和帮助台（例如，Salesforce、Zendesk）
最佳实践：
Dify 中的提示工程
使提示模块化和可测试：
- 使用变量来表示用户输入、检索到的上下文和工具输出。
- 使用 JSON 或项目符号列表标准化输出格式，以便进行下游解析。
- 提供逐步评分标准（例如，“以编号的步骤思考”）以减少错误。
迭代循环：
可观测性、测试和优化
当你从原型转向试验阶段时，可观测性和跟踪非常重要。你可以添加跟踪来查看令牌使用情况、延迟以及逐步决策，以调试和提高质量。
启动前的关键检查：
部署给用户
Dify 支持多种部署路径：
操作技巧：
团队协作和治理
随着你的应用程序的增长：
接下来要尝试的高级模式
- 使用严格的 JSON 模式进行函数调用以获得结构化输出
故障排除：常见陷阱和修复
- 调整分块，添加元数据过滤器，尝试重新排序，调整 top-k。
- 加强系统约束，始终引用来源，首选 RAG 和验证步骤。
顺便说一句：加速内容工作流
如果你的目标是内容构思、起草和研究综合，值得注意的是，使用 Dify 构建的助手可以与 Sider.AI 等生产力工具很好地配合，以进行日常写作和总结。 Sider 可以与你的浏览器并排运行，以帮助快速起草、翻译和分析内容；当与 Dify 驱动的 RAG 后端结合使用时，你将获得准确的领域上下文和流畅的创作体验 (https://sider.ai/). 主要收获
- 从一个简单的聊天模板开始，然后在 RAG 和工具中分层。
其他资源
常见问题解答
Q1: Dify 用于什么？
Dify 是一个使用可视化工作流、提示编排和 RAG 构建 AI 应用和代理的平台。它可以帮助团队快速创建聊天机器人、知识助手和自动化。
Q2: 如何在 Dify 中创建一个 RAG 聊天机器人？
创建一个数据集，配置嵌入和检索，然后通过工作流将检索到的上下文注入到你的提示中。测试 top-k、分块大小和重新排序以优化准确性。
Q3: Dify 可以连接到我的 API 和工具吗？
是的。使用 HTTP 节点和连接器来调用 Web 服务、数据库和搜索 API。将响应保存在 JSON 中并定义清晰的工具描述，以便代理正确使用它们。
Q4: 如何阻止我的代理循环？
减少最大步骤数，添加终止条件，并收紧工具说明。可观测性和跟踪有助于识别循环发生的位置，以便你可以调整提示和工具逻辑。
Q5: 评估我的 Dify 工作流的最佳方法是什么？
创建一个测试集，运行批量评估，并检查跟踪的延迟和成本。跟踪幻觉，强制执行结构化输出，并使用示例迭代提示。
