Dify：开源 LLM 应用开发、工作流与 RAG 平台

先给结论

如果你要给业务团队、运营团队或内部系统快速交付 AI 应用，Dify 是第一批应该评估的平台之一。它降低了从想法到可用应用的门槛。

如果你的团队已经有强工程能力，并且需要完全代码化的 Agent runtime，Dify 更适合作为应用层和运营层，而不是替代底层框架。

它解决的问题

很多 AI 应用不是缺模型，而是缺一套能让 Prompt、知识库、工具、工作流、发布和日志持续迭代的工程面板。

Dify 把这些能力组合成可视化平台，适合让非纯后端团队也能参与 AI 应用搭建和调优。

核心能力

核心能力包括 Workflow 画布、RAG Pipeline、Agent、模型供应商管理、Prompt 调试、应用发布、API 集成和日志/标注/观测类 LLMOps 能力。

它的价值不只在低代码，而是在把 AI 应用生命周期里的多个环节统一到同一个工作台。

怎么开始

最短路径是用 Cloud 或 Docker Compose 起一个实例，接入一个 OpenAI-compatible 模型供应商，再用知识库或 Workflow 做第一个问答/流程应用。

初次评估时建议先选一个真实的小业务流程，而不是只做聊天 Demo，这样更容易判断工作流、发布和调试体验是否匹配团队。

自托管提醒

Dify 支持自托管，但生产环境需要关注数据库、向量库、队列、文件存储、模型密钥、插件安全和版本升级。

如果团队把 Dify 暴露给业务用户使用，还要提前设计权限、应用审核、模型成本预算和数据边界。

同类对比

Coze Studio 更偏 Agent 低代码平台和生态化应用搭建；LangGraph 更偏代码优先的 Agent runtime；Open WebUI 更偏私有聊天入口和本地模型界面。

Dify 的优势是应用构建、RAG、工作流和发布链路结合得较完整，适合做业务 AI 应用中台的起点。

官方入口