Dify 是源码公开的 LLM 应用开发平台，把 AI 工作流、RAG 知识库、Agent 能力、模型管理和可观测性收进同一个可视化界面。它的定位介于"写代码调 API"和"纯低代码工具"之间：能用界面把原型搭出来，也给每项功能留了对应的 API，方便接进自家系统。
主要能力
- 工作流编排：把提问、检索、模型调用、条件分支和工具串成一条可视化流程。
- 知识库（RAG）：上传 PDF、PPT 等常见格式的文档后自动提取文本、切片、向量化和检索，作为回答的依据。
- Agent：让模型调用工具完成多步任务；新版本还提供在沙箱里执行命令、安装软件、管理文件的自主智能体能力。
- 工具生态：从 Dify 插件市场、MCP 服务或你自己的 API 接入工具。
- Prompt 管理：变量、条件、版本和多模型对照测试，团队可以协作改提示词。
- 模型接入：境外主流模型、国内厂商模型和本地部署的模型都能挂上去。
- 监控：记录应用运行情况，并能对接 Langfuse、Opik、Arize Phoenix 等可观测性平台。
为什么值得单独收一条
大部分团队做 AI 应用的第一版，做的其实是同一批脏活：切文档、存向量、拼提示词、记日志、给业务方一个能点的界面。Dify 把这套东西标准化了，省下的是从零搭框架的那两周，而不是模型本身的能力。
需要写代码的部分它并没有消灭：复杂逻辑最终仍要落到自定义节点或外部服务上，可视化编排的边界在流程一复杂就会显现。把它当"前 80% 的脚手架"比当"完整替代方案"更符合实际。
上手两种方式
云端版：在官网注册即可用，免费的 Sandbox 方案提供 200 次 GPT-4 调用额度，适合先摸清产品。
自托管：官方要求机器至少 2 核 CPU、4 GB 内存。克隆代码仓库后执行：
cd dify/docker
cp .env.example .env
docker compose up -d然后在浏览器打开 http://localhost/install 完成初始化，建立管理员账号。之后在「设置 → 模型供应商」里填入所用模型的 API key，就可以新建第一个应用。
许可要看清楚
社区版的许可不是 MIT，而是在 Apache 2.0 基础上附加了条件的 Dify 开源许可，主要有两条：
- 未经书面授权，不能用 Dify 源码运营多租户环境（一个工作空间算一个租户），也就是不能直接拿它做成对外售卖的多租户 SaaS。
- 不能删除或修改 Dify 控制台和应用前端里的 Logo 与版权信息。
企业内部自建使用基本不受影响；打算拿它做对外服务或贴牌的，先读完许可或联系官方。
部署与运维
社区版可以用 Docker 自托管，数据留在自己的基础设施里；官方另有云端版本与企业方案。对数据不能出内网的团队，自托管是它最实际的价值点，但 Docker、向量库和版本升级的运维成本要自己承担。升级前先备份数据卷，并看一遍版本说明。
国内使用
可以直接部署在国内服务器上，模型侧接国内厂商 API，就能做到全程国内可用。这也是它在国内团队里普及得比同类海外产品快的原因。
和同类怎么选
- 主要做跨系统的业务自动化（表单、CRM、消息通知），AI 只是其中一环：n8n。
- 需要完全用代码掌控每一步：直接用 LangChain 这类框架。
- 只想给本地模型配一个团队聊天界面：Open WebUI 更轻。