Dify 是一个开源的 AI 应用开发平台，它让开发者能够通过可视化的工作流编排，快速构建和部署基于大语言模型的智能应用。对于想要涉足 AI 应用开发，但又不想陷入复杂底层代码和基础设施搭建的开发者或团队来说，Dify 提供了一个从创意到上线的完整解决方案。它集成了 RAG、Agent、模型管理、工具集成等核心能力，目标是降低 AI 应用开发的门槛。
本文将带你从零开始，完成 Dify 的本地部署，并深入理解其核心概念——工作流。我们将通过一个具体的实战案例，从环境准备、服务启动、模型配置，到构建一个能处理复杂逻辑的智能工作流，一步步拆解。无论你是想快速验证一个 AI 想法，还是希望为团队搭建一个内部 AI 工具平台，掌握 Dify 的部署和工作流构建都是关键的第一步。学习完成后，你将能够独立在本地或服务器上运行 Dify，并利用其强大的工作流引擎，设计出满足特定业务需求的 AI 应用。
1. 理解 Dify 的核心价值与工作流机制
在动手部署和编码之前，我们需要先理解 Dify 解决了什么问题，以及它的核心组件“工作流”是如何运作的。这能帮助我们在后续的实践中做出更合理的设计决策。
1.1 Dify 是什么：从 AI 应用开发的痛点说起
传统的 AI 应用开发，尤其是基于大语言模型的，往往面临几个典型痛点：模型接入复杂、Prompt 工程繁琐、RAG 管道搭建困难、Agent 逻辑难以编排、应用部署和运维成本高。开发者需要分别处理模型 API 调用、向量数据库、工具函数、状态管理、前端界面等一系列问题。
Dify 将这些分散的组件整合到一个统一的平台中。你可以把它看作是一个“AI 应用的操作系统”或“后端即服务”平台。它提供了：
- 可视化工作流编排：通过拖拽节点的方式，定义 AI 应用的逻辑流，无需编写复杂的控制代码。
- 统一的模型管理：支持 OpenAI、Azure OpenAI、Anthropic、Cohere 等云端模型，也支持通过 OpenAI 兼容 API 接入本地模型（如 Ollama、vLLM 部署的模型）。
- 开箱即用的 RAG：提供从文档解析、文本分割、向量化到检索的完整管道，支持多种向量数据库。
- 工具与 Agent 能力：可以集成外部 API、函数作为工具，并基于工具使用能力构建智能体。
- 应用发布与监控：构建的应用可以一键发布为 Web API 或聊天界面，并提供对话日志、性能监控等功能。
1.2 工作流：Dify 的“编程语言”
如果说 Dify 平台是计算机，那么“工作流”就是你在上面运行的程序。工作流是一种将复杂 AI 任务分解为一系列可执行步骤（节点）的图形化表示。
每个节点代表一个特定的操作，例如：
- 开始节点：定义用户输入。
- LLM 节点：调用大语言模型进行文本生成或推理。
- 知识库检索节点：从已上传的文档中查找相关信息。
- 代码执行节点：运行 Python 代码片段。
- HTTP 请求节点：调用外部 API。
- 条件判断节点：根据变量值决定执行路径。
- 变量赋值节点：设置或修改变量。
节点之间通过连线连接，数据（变量）沿着连线流动。这种设计使得构建复杂的、多步骤的 AI 逻辑变得直观。例如，一个智能客服工作流可能包含“理解用户意图 -> 检索知识库 -> 根据检索结果生成回答 -> 如果回答不满足要求则转人工”等多个节点。
1.3 部署形态选择：云服务 vs. 本地/自托管
Dify 提供了两种主要的使用方式：
- 云服务：直接使用 Dify 官方提供的托管服务，无需关心服务器和运维，适合快速入门和个人项目。
- 自托管：将 Dify 部署在自己的服务器或本地电脑上。这种方式数据完全自主可控，可以深度定制，并且能接入内网模型或服务，适合企业级应用和对数据隐私有要求的场景。
本教程将聚焦于自托管部署，因为这是掌握 Dify 技术栈、进行定制化开发以及在生产环境中使用的必经之路。我们将使用 Docker Compose 进行部署，这是官方推荐且最便捷的方式。
2. 环境准备与 Docker 部署 Dify
我们将在一个干净的 Linux 环境（以 Ubuntu 22.04 为例）下完成部署。Windows 和 macOS 用户也可以通过 Docker Desktop 进行类似操作，核心命令和原理相通。
2.1 基础环境检查与安装
首先，确保你的系统已经安装了必要的软件：Docker 和 Docker Compose。
# 1. 更新系统包列表 sudo apt-get update # 2. 安装 Docker 所需依赖 sudo apt-get install -y ca-certificates curl gnupg lsb-release # 3. 添加 Docker 官方 GPG 密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 4. 设置 Docker 仓库 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 5. 安装 Docker Engine 和 Docker Compose Plugin sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin # 6. 验证安装 docker --version docker compose version如果命令成功输出版本号，说明 Docker 和 Docker Compose 已就绪。
注意：如果你使用的是非 root 用户，需要将用户加入
docker组才能免sudo执行 Docker 命令：sudo usermod -aG docker $USER。执行后需要退出当前终端并重新登录生效。
2.2 获取并配置 Dify Docker Compose 文件
Dify 官方在 GitHub 仓库提供了标准的docker-compose.yaml文件。我们直接下载并稍作调整。
# 创建一个专门目录存放 Dify 相关文件 mkdir -p ~/dify && cd ~/dify # 下载官方 docker-compose.yaml 文件 curl -o docker-compose.yaml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml # 下载环境变量配置文件模板 curl -o .env https://raw.githubusercontent.com/langgenius/dify/main/docker/.env.example现在你的~/dify目录下应该有两个文件：docker-compose.yaml和.env。
docker-compose.yaml定义了多个服务：
api：Dify 的后端 API 服务。worker：处理异步任务（如知识库文档处理）的 worker 服务。web：Dify 的前端界面。postgresql：关系型数据库，存储应用配置、用户信息等。redis：缓存和消息队列。weaviate：默认的向量数据库，用于存储和检索文档的嵌入向量。你也可以在.env中配置为qdrant或milvus。
.env文件是核心配置文件。我们需要根据实际情况修改它
