Dify

Dify是什麼

Dify是一個面向開發者與業務團隊的生成式AI應用開發平台。使用者可以在視覺化介面中連接不同的巨型語言模型、設計提示詞、建立聊天助手與多步驟工作流程、導入企業資料以構建RAG知識庫，最後將應用程式發布為網頁或API。

它將模型調用、知識檢索、Agent工具、日誌監控、評估及運營分析整合在同一平台中，適合快速驗證AI產品，亦可透過社群版或企業版部署至自有基礎設施。

核心功能

• 多種應用類型：支援Chatbot、文字生成、Agent、Chatflow和Workflow，可根據是否需要對話記憶、工具選擇或確定性流程進行選擇。
• 可視化工作流程：用LLM、知識檢索、條件分支、迭代、代碼、HTTP、模板和輸出節點編排複雜邏輯，並可調試每一步結果。
• RAG知識庫：導入檔案或連接外部資料來源，完成解析、分段、向量化、檢索和重排；知識Pipeline可重複使用標準處理流程。
• 模型管理：透過插件連接OpenAI、Anthropic、Gemini、DeepSeek、通義及本地模型，配置推理、Embedding和Rerank服務，並支援多密鑰負載平衡。
• 代理人與工具：Agent可依據目標選擇插件工具、MCP Server、OpenAPI服務或已發布工作流，並根據結果繼續推理。
• 觸發器與自動化：外部事件、計劃或插件觸發器可啟動工作流，適合將AI處理接入業務系統。
• 發布與API：應用可發布為託管Web App、嵌入頁面或後端API，並提供對話、檔案、工作流程和日誌相關介面。
• 監控與運營：查看調用日誌、Token、延遲、回饋和異常，連接Langfuse、LangSmith等外部觀測平台。

Dify Cloud價格

消息積分用於官方提供的部分模型，不同模型每次回覆扣除數量不同；額度用盡後可改用自己的模型API Key。

模型供應商的Token費用、Embedding、Rerank、向量資料庫、對象儲存及伺服器成本可能另行產生。

Professional在達到儲存或席位上限時，通常需要升級，而不是隨意單買資源。

社區版、許可證與部署

Dify Community Edition可透過Docker自行託管，其主儲存庫採用帶有附加條件的Dify Open Source License，其基底則來自Apache 2.0。這些附加條款主要用於限制未經授權即使用其代碼來運營多租戶式的Dify類SaaS服務，以及禁止移除前端中的品牌標識。

因此「源碼可見、可免費內部部署」並不等於任何商業模式都可無條件使用；計劃向外部客戶提供平台化服務或修改品牌時，應閱讀現行的許可證並取得授權。

自託管需要維護Web、API、Worker、資料庫、Redis、向量儲存、插件Daemon以及檔案儲存等組件。免費軟體無法免除模型調用、GPU、備份、安全更新以及運維成本。

企業版增加商業授權、專業支援及更完整的治理。

Dify使用教學

完成一次基礎任務

1. 明確要在Dify中完成的代碼任務、倉庫範圍和驗收標準；
2. 連接或導入測試專案，並先備份當前分支；
3. 先使用多種應用類型生成計劃，再確認將修改的文件；
4. 使用可視化工作流執行小範圍改動；
5. 運行測試、靜態檢查和建構，不直接接受未驗證的代碼；
6. 人工檢查權限、金鑰、依賴與異常處理後再合併；

建立可重複使用的專業工作流

1. 選取一個低風險真實專案作為模板；
2. 固定多種應用類型、可視化工作流和RAG知識庫的使用順序；
3. 記錄環境、模型、提示和失敗條件；
4. 為寫入、部署和刪除動作設定人工審批；
5. 比較速度、成本、測試通過率及返工量；
6. 驗證穩定後再擴展到團隊或生產環境；

適合哪些用戶

• 快速開發企業問答、客服、內容及資料處理應用的團隊
• 需要切換多家模型並建立RAG知識庫的開發者
• 希望讓業務人員參與配置工作流的AI產品團隊
• 需要私有化、日誌與權限治理的企業

安全與限制

• 知識庫回答仍可能引用錯誤分段、遺漏資料或生成無依據結論，應評估召回率、重排、引用和拒答策略；
• 工作流中的代碼、HTTP、插件和MCP可訪問外部系統，必須使用最小權限密鑰、限制網路和工具，並對寫入、刪除、付款和外發設定審批；
• 插件可從Marketplace、GitHub或本地套件安裝，管理員應限制安裝與調試權限，鎖定版本並審查代碼；
• 自託管團隊需及時更新鏡像和依賴，做好資料庫與檔案備份，不應將預設部署直接暴露到公網；

常見問題

Dify免費嗎？

Cloud有Sandbox免費方案，Community Edition可免費自托管；模型、伺服器和運維並不免費。

Dify是完全開源的嗎？

源碼公開，但採用含商業限制的專用許可證，不屬於無附加條件的標準Apache 2.0專案。

Dify能接入本地模型嗎？

可以透過模型插件或相容的API連接Ollama、vLLM等服務，實際能力取決於所使用的模型和硬體。