Dify 是什么：概念介绍
一、Dify 是什么：概念介绍
Dify 是一个开源的 LLM 应用开发平台（LLMOps），由 LangGenius 团队维护。它把「提示词编排、知识库检索、工具调用、流程编排、日志标注、API 发布」这些做大模型应用必须做的事，收进了一个可视化控制台。它要解决的问题很具体：如果直接用代码框架从零搭一个客服问答或内容生成应用，工程团队要自己写提示词管理、自己接向量库、自己实现会话存储与多轮上下文、自己搭一套调试与日志后台，等应用上线后还要再补一套标注与迭代流程。这些工作重复、琐碎，和大模型本身的能力无关，Dify 把它们做成了标准件。
用一句话概括：Dify 是「大模型应用的装配车间加运营后台」。装配车间负责把模型、知识库、工具、流程拼成一个应用；运营后台负责看日志、看用量、做标注、迭代提示词。它既可以当成内部工具给不写代码的运营同学用，也可以当成后端服务，通过 API 把能力嵌进自有系统。
需要先划清的边界是：Dify 不训练模型，也不托管模型权重。它通过「模型供应商」配置去调用外部模型（OpenAI、Anthropic、通义千问、DeepSeek、Ollama 本地模型等），因此模型的限流、计费、可用性仍然由模型服务方决定。Dify 的价值在于编排与运营，不在于模型本身。也正因为如此，任何「换个平台就能让模型变聪明」的期待都不成立，真正决定效果的是知识库质量、提示词结构与流程设计。
与 Coze、n8n、LangChain 的边界
| 维度 | Dify | Coze（扣子） | n8n | LangChain / LlamaIndex |
|---|---|---|---|---|
| 产品形态 | 开源平台，可自托管，也有云服务版 | 闭源 SaaS | 开源自动化平台 | 代码框架库 |
| 核心场景 | LLM 应用编排与运营（RAG、Agent、工作流） | 快速搭 Bot 并发布到社交与办公渠道 | 跨系统自动化、iPaaS 集成 | 用代码实现任意 LLM 逻辑 |
| 知识库与 RAG | 内置，分段、索引、召回、重排全可视化 | 内置知识库 | 需自己接向量库节点 | 需自己组装 retriever |
| 提示词运营 | 调试、日志、标注、版本对比一体化 | 有调试与发布流程 | 无 | 无，需自建 |
| 流程编排 | Chatflow / Workflow 可视化 | 可视化 | 可视化，通用节点为主 | 代码 |
| 私有化部署 | 支持 | 不支持 | 支持 | 本身就是代码，随你部署 |
| 对外输出 | 每个应用自带 API、WebApp 与嵌入组件 | 以渠道发布为主 | Webhook 与 API | 自己写服务 |
结论式的选型口径：要私有化、要数据不出内网、要把能力以 API 输出给自有系统，选 Dify；只想快速做个小助手并发布到社交渠道、不介意托管在别人云上，Coze 更省事；需求主体是「把 CRM、邮件、数据库串起来」而 AI 只是其中一步，n8n 更合适；要极致的定制与非标准流程、团队有工程能力，用 LangChain 写代码更自由。四者并非互斥，常见做法是用 n8n 做外围系统集成，用 Dify 做 LLM 编排，两者通过 HTTP 节点互调。
核心术语表
| 术语 | 含义 |
|---|---|
| 应用（App） | 一个可发布的 AI 应用单元，有独立的提示词、模型、知识库与 API Key |
| 应用类型 | 聊天助手、文本生成、Agent、Chatflow、Workflow 五种形态 |
| 编排（Orchestrate） | 在可视化画布上配置节点与连线，定义一次请求的执行路径 |
| 节点（Node） | 工作流的最小执行单元，如 LLM、知识检索、代码执行、条件分支 |
| 变量（Variable） | 节点之间传递数据的载体，分系统变量、环境变量、会话变量、节点输出变量 |
| 知识库（Knowledge） | 存放文档并完成分段、向量化、可被检索的集合 |
| 分段（Chunk） | 文档切分后的最小检索单位，分段策略直接决定召回质量 |
| 索引方式 | 经济（关键词倒排索引）与高质量（向量索引，可配重排）两条路线 |
| 重排（Rerank） | 对初步召回结果做二次精排，把最相关的片段顶到前面 |
| 工具与插件（Tool / Plugin） | 可被模型调用的外部能力，如搜索、绘图、自建 API |
| Agent | 由模型自主决定调用哪个工具、调用几轮的应用形态 |
| Chatflow | 面向多轮对话的工作流，带会话变量与会话记忆 |
| Workflow | 面向一次性任务的工作流，输入输出明确，无多轮状态 |
| WebApp | 应用自带的托管网页，可直接分享给非技术同学使用 |
