Dify 低代码 AI 应用开发实战：使用可视化编排快速构建企业级 RAG 与 Agent 工作流

Dify 支持云端版和社区版两种部署方式。推荐使用云端版快速开始，或使用 Docker 本地部署获得完全控制。

# 克隆 Dify 仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制配置文件
cp .env.example .env

# 启动服务（首次启动约 5 分钟）
docker compose up -d

# 访问 http://localhost:3000 完成初始化

部署完成后，首次访问会进入初始化向导，设置管理员账号和默认工作区。

进入「设置」→「模型供应商」，添加你的大模型 API 凭证。Dify 支持以下主流供应商：

• OpenAI：GPT-4o、GPT-4.5、o1 系列
• Anthropic：Claude 3.5/3.7 Sonnet、Opus 4.6
• 智谱 AI：GLM-4、GLM-4V 多模态
• Ollama：本地部署的 Llama 3、Qwen2.5 等开源模型

# 本地 Ollama 配置示例
OLLAMA_HOST=127.0.0.1:11434
OLLAMA_MODEL=llama3.1:8b

这是 Dify 最经典的应用场景：上传企业文档，构建智能问答机器人。

Step 3.1 - 创建知识库

• 进入「知识库」→「创建知识库」
• 上传 PDF/Word/Markdown 文档（支持批量上传）
• 选择分段方式：自动分段 或 自定义规则
• 选择向量化模型（推荐 text-embedding-3-large）

# 自动分段配置示例
分段长度：500 tokens
重叠长度：100 tokens
向量化：text-embedding-3-large

Step 3.2 - 创建应用

• 进入「工作室」→「创建应用」→「对话型助手」
• 在「上下文」中关联已创建的知识库
• 配置系统提示词：「你是一个专业的客服助手，请基于知识库内容回答用户问题」
• 点击「运行」测试效果

Dify 的工作流（Workflow）功能允许你编排复杂的多步骤任务。我们构建一个「内容创作 Agent」，自动完成「选题调研 → 大纲生成 → 正文撰写」全流程。

Step 4.1 - 创建工作流

• 进入「工作室」→「创建应用」→「工作流」
• 添加「开始」节点，定义输入变量：topic（选题）

Step 4.2 - 编排节点

# 节点 1：联网搜索调研
节点类型：HTTP 请求
URL：https://api.example.com/search
参数：query={{topic}} 2026 最新

# 节点 2：大纲生成
节点类型：LLM
模型：Claude 3.7 Sonnet
提示词：基于搜索结果，生成文章大纲

# 节点 3：正文撰写
节点类型：LLM
模型：GPT-4o
提示词：根据大纲撰写完整文章

Step 4.3 - 调试与发布

• 点击「运行」测试整个工作流
• 查看每个节点的输入输出
• 发布为 API 或嵌入到网站

Dify 支持将任意工作流发布为标准 MCP（Model Context Protocol）服务器，使 Claude Code、Cursor 等工具可以直接调用你的 AI 能力。

# 在工作流设置中开启 MCP 发布
发布设置：
  - 启用 MCP 服务器：是
  - 访问凭证：Bearer Token
  - 端点：https://api.dify.ai/v1/mcp/{workflow_id}

在 Claude Code 中配置：

# ~/.claude/settings.json
{
  "mcpServers": {
    "dify-workflow": {
      "url": "https://api.dify.ai/v1/mcp/xxx",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

进入「日志与标注」查看所有请求日志，包含：

• Token 消耗统计
• 响应延迟分析
• 用户反馈标注
• 失败请求追踪

基于日志数据，可以针对性优化提示词、调整模型参数或切换供应商。