Dify搭建AI智能体

什么是Dify

Dify是一款面向开发者的开源大语言模型（LLM）应用开发平台，定位为“生成式AI应用创新引擎”。其核心目标是通过低代码/无代码方式，提供从模型集成、工作流编排到应用部署的全流程管理，降低企业级AI应用开发门槛。

Dify的核心特点

• 拖拽式工作流编排
  支持Prompt设计、Agent构建等非技术人员快速定义AI应用逻辑，无需深入底层代码。

• 内置Prompt IDE
  可调试提示词、对比模型性能，并集成文本转语音等扩展功能。

• 强大的模型兼容性
  支持数百种主流模型（如GPT-4、DeepSeek、Llama3、通义千问），兼容OpenAI API协议，可灵活切换云端或本地私有模型。
  通过OneAPI协议动态路由请求，优化模型调用成本。

• 企业级RAG引擎
  支持长文档解析（PDF/PPT等），结合向量数据库（如Milvus）和混合检索（关键词+语义），提升知识库问答准确性。
  支持引用溯源和人工干预，减少模型“幻觉”。

• 灵活的Agent框架
  基于ReAct策略（推理+行动），可调用50+内置工具（如谷歌搜索、DALL·E），或自定义API扩展复杂任务处理能力。

• 全链路LLMOps支持
  提供模型监控、日志分析、A/B测试等功能，支持Kubernetes私有化部署，满足金融、医疗等高合规场景。

---

Dify的版本

• 云版本：可直接在线使用，无需部署。
• 私有化部署版本：支持本地化部署，保障数据安全。

---

Dify vs Coze：核心优势对比

维度	Dify	Coze
定位	面向开发者/企业，支持复杂AI应用开发	面向普通用户，侧重快速搭建对话机器人
模型支持	多模型混合调用 + 私有化部署	主要依赖字节系模型（豆包），不支持自定义
知识库能力	长文本处理、RAG优化、高精度检索	单文件仅支持6000 Token，需手动分割
数据安全	全链路私有化部署，数据本地化	依赖云端服务，存在隐私风险
扩展性	自定义工具/代码节点，复杂工作流编排	模块简化，高级定制受限
适用场景	企业级应用（客服/BI/合规分析）	C端场景（抖音/飞书聊天机器人）

---

场景选型建议

• 选Dify：需复杂工作流（如合同分析 + 多模型调度）、数据隐私要求高、长期企业级应用。
• 选Coze：快速嵌入字节生态（抖音/飞书）、轻量级对话机器人开发、无代码需求。

---

Dify的私有化部署

部署步骤

1. 克隆Dify社区版源码到本地

   git clone https://github.com/langgenius/dify.git
   

2. 进入Dify源代码的Docker目录

   cd dify/docker
   

3. 复制环境配置文件

   cp .env.example .env
   # Windows命令：copy .env.example .env
   

4. 启动Docker Compose

   docker compose up
   

   注意：初始启动时不建议使用-d参数（后台执行），避免因网络超时中断镜像拉取。国内网络环境不稳定，建议先拉取完镜像后再使用-d后台运行。

5. 检查容器运行状态

   docker compose ps
   

管理界面和配置

1. 浏览器访问：http://localhost/install，配置登录邮箱、账号名和密码。
2. 登录后打开主界面：http://localhost。

大模型供应商配置

• 接入DeepSeek
  在设置中选择安装DeepSeek，配置API Key，即可在工作流节点中使用。

• 接入本地Ollama模型
  配置本地Ollama的基础URL，注意IP不能使用localhost，需使用局域网IP（如http://192.168.3.202:11434），端口默认为11434。这是因为Dify通过Docker启动，localhost指向容器内部而非宿主机。

---

搭建AI智能体：以OA行政小助手为例

下面以OA行政小助手为例，搭建一个AI智能体，用于使用自然语言查询公司员工手册、用户信息以及公司部门信息等，支持RAG和工具调用。

创建应用

创建空白应用，应用类型选择“Chatflow”。Chatflow基于工作流编排，适用于定义复杂流程的多轮对话场景，具有记忆功能。

准备工作

1. 创建知识库

• 导入《员工手册》等文本到知识库。
• 设置文本分段长度和重叠长度，使用本地Ollama部署的bge-3模型作为Embedding模型。

2. 创建知识库查询工作流

• 工作流编排完成后，点击“发布为工具”，将工作流发布为工具。
  Dify无官方知识库检索插件，因此通过自定义工作流实现查询功能，并将其发布为插件供智能体调用。

3. 安装数据库查询工具

• 在插件市场中搜索“数据库查询”，安装该工具。

4. 安装Agent策略

• 在插件市场中搜索“Dify Agent策略”，安装该插件，为智能体提供策略处理支持。

编排流程

工作流包含三个节点：开始、Agent、直接回复。

开始节点

• 配置sys.query字段，接收用户聊天输入消息。

Agent节点

• Agent策略：选择ReAct，支持多轮迭代调用工具处理。
• 工具列表：
  1. 查询知识库（自定义工作流发布为工具）
  2. SQL查询（数据库查询工具）
• 指令（系统提示词）：
  设定智能体角色、处理步骤、输出格式及注意事项，包括数据库表结构信息。

直接回复节点

• 配置回复内容为Agent节点的输出结果。

预览与测试

• 点击预览按钮，弹出聊天界面，输入消息测试智能体功能。
• 示例查询：
  • 查询“小明的员工资料”：智能体自动调用数据库查询工具，经过多轮步骤（查询员工表、部门表、结果总结）输出最终结果。
  • 查询“公司的考勤制度”：智能体使用知识库查询工具检索知识库，并总结输出。

发布运行

• 将智能体聊天界面发布为Web站点，方便外部访问。
• 点击“发布更新”后，通过“运行”打开Web站点。

---

通过以上步骤，即可基于Dify搭建一个功能完整的AI智能体，实现自然语言查询、知识库检索和数据库操作等复杂任务。