使用 Dify 快速建構 AI 應用，支援 RAG、Agent、Workflow，提供視覺化開發介面
專案簡介
Dify 是一個開源的 LLM 應用開發平台，提供視覺化的介面來建構 AI 應用。支援 RAG、Agent、Workflow 等功能，讓非技術人員也能快速打造 AI 產品。
GitHub Stars: 129K+
主要功能
- 視覺化 Workflow - 拖拉式建構複雜 AI 流程
- RAG Pipeline - 內建知識庫管理
- Agent 模式 - 自動選擇工具完成任務
- 多模型支援 - OpenAI、Anthropic、本地模型
- API 發布 - 一鍵將應用轉為 API
部署
Docker Compose（推薦）
1
2
3
4
| git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d
|
訪問 http://localhost/install 完成初始設定。
環境變數設定
1
2
3
4
5
6
7
8
9
10
11
12
13
| # .env
# 資料庫
DB_USERNAME=postgres
DB_PASSWORD=your-password
DB_HOST=db
DB_PORT=5432
# Redis
REDIS_HOST=redis
REDIS_PORT=6379
# 向量資料庫
VECTOR_STORE=weaviate
|
建立應用
1. 聊天助手
- 進入「工作室」→「建立應用」
- 選擇「聊天助手」
- 設定系統提示詞
- 選擇 LLM 模型
- 發布應用
2. 知識庫 RAG
- 進入「知識庫」→「建立知識庫」
- 上傳文件（PDF、Word、Markdown）
- 設定切割和索引策略
- 在應用中啟用知識庫
3. Workflow
視覺化建構複雜流程：
1
2
3
| 開始 → LLM → 條件判斷 → 知識檢索 → LLM → 結束
↓
HTTP 請求
|
API 使用
對話 API
1
2
3
4
5
6
7
8
9
| curl -X POST 'https://api.dify.ai/v1/chat-messages' \
-H 'Authorization: Bearer {api_key}' \
-H 'Content-Type: application/json' \
-d '{
"inputs": {},
"query": "什麼是 OWASP Top 10？",
"user": "user-123",
"response_mode": "blocking"
}'
|
串流回應
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
| import requests
response = requests.post(
'https://api.dify.ai/v1/chat-messages',
headers={
'Authorization': 'Bearer {api_key}',
'Content-Type': 'application/json'
},
json={
'inputs': {},
'query': '解釋 SQL Injection',
'user': 'user-123',
'response_mode': 'streaming'
},
stream=True
)
for line in response.iter_lines():
if line:
print(line.decode('utf-8'))
|
進階功能
變數設定
在 Workflow 中使用變數：
1
2
3
| {{#context#}} - 知識庫檢索結果
{{#query#}} - 使用者輸入
{{#files#}} - 上傳的檔案
|
自訂工具
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| openapi: 3.0.0
info:
title: Security Scanner API
version: 1.0.0
paths:
/scan:
post:
summary: 掃描目標網站
requestBody:
content:
application/json:
schema:
type: object
properties:
url:
type: string
responses:
'200':
description: 掃描結果
|
Webhook 整合
1
2
3
4
5
6
7
8
9
| from flask import Flask, request
app = Flask(__name__)
@app.route('/webhook', methods=['POST'])
def webhook():
data = request.json
# 處理 Dify 回呼
return {'status': 'ok'}
|
整合本地模型
Ollama
- 設定 → 模型供應商 → 新增
- 選擇 Ollama
- 輸入 API 端點：
http://host.docker.internal:11434 - 選擇模型
LocalAI
1
2
3
4
5
6
7
8
| # docker-compose.yml 新增
services:
localai:
image: localai/localai
ports:
- "8080:8080"
volumes:
- ./models:/models
|
生產部署
Kubernetes
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
| apiVersion: apps/v1
kind: Deployment
metadata:
name: dify-api
spec:
replicas: 3
selector:
matchLabels:
app: dify-api
template:
spec:
containers:
- name: api
image: langgenius/dify-api
resources:
limits:
memory: "2Gi"
cpu: "1000m"
|
負載平衡
1
2
3
4
5
6
7
8
9
10
11
| upstream dify {
server dify-api-1:5001;
server dify-api-2:5001;
server dify-api-3:5001;
}
server {
location /v1 {
proxy_pass http://dify;
}
}
|
相關連結
延伸閱讀