--- layout: single title: "Dify：开源 LLM 应用开发平台" date: 2025-06-10 10:00:00 +0800 categories: [AI 与大模型, 操作系统] tags: [Dify, LLMOps, 工作流, SiliconFlow, LLM, macOS] --- Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。 ## 安装 ### 克隆代码仓库 ```bash git clone https://github.com/langgenius/dify ``` ### Docker 部署 Dify 提供了 Docker 部署方式，您可以通过以下步骤快速部署： ```bash cd dify cd docker cp .env.example .env docker compose up -d ``` 运行后，可以在浏览器上访问 [http://localhost/install](http://localhost/install) 进入 Dify 控制台并开始初始化安装操作。 ![](/images/2025/Dify/install.png) ### 自定义配置 如果您需要自定义配置，请参考 [.env.example](https://github.com/langgenius/dify/blob/main/docker/.env.example) 文件中的注释，并更新 `.env` 文件中对应的值。此外，您可能需要根据您的具体部署环境和需求对 `docker-compose.yaml` 文件本身进行调整，例如更改镜像版本、端口映射或卷挂载。完成任何更改后，请重新运行 `docker-compose up -d`。您可以在[此处](https://docs.dify.ai/getting-started/install-self-hosted/environments)找到可用环境变量的完整列表。 ### 服务镜像 #### 核心镜像（必需） ```bash # 核心服务 docker pull langgenius/dify-api:1.4.1 # API 服务 docker pull langgenius/dify-web:1.4.1 # 前端 Web 服务 docker pull postgres:15-alpine # PostgreSQL 数据库 docker pull redis:6-alpine # Redis 缓存 docker pull langgenius/dify-sandbox:0.2.12 # 代码沙盒环境 docker pull langgenius/dify-plugin-daemon:0.1.1-local # 插件守护进程 docker pull ubuntu/squid:latest # SSRF 代理 docker pull nginx:latest # Nginx 反向代理 docker pull semitechnologies/weaviate:1.19.0 # 默认向量数据库 (Weaviate) ``` #### 完整镜像 ```bash #!/bin/bash # 最小化安装镜像（必需组件） docker pull langgenius/dify-api:1.4.1 docker pull langgenius/dify-web:1.4.1 docker pull postgres:15-alpine docker pull redis:6-alpine docker pull langgenius/dify-sandbox:0.2.12 docker pull langgenius/dify-plugin-daemon:0.1.1-local docker pull ubuntu/squid:latest docker pull nginx:latest docker pull semitechnologies/weaviate:1.19.0 # ---------------------------- # 可选组件（按需下载） # ---------------------------- # 向量数据库备选方案 docker pull langgenius/qdrant:v1.7.3 # Qdrant docker pull pgvector/pgvector:pg16 # PGVector docker pull tensorchord/pgvecto-rs:pg16-v0.3.0 # PGVector.rs docker pull ghcr.io/chroma-core/chroma:0.5.20 # Chroma docker pull milvusdb/milvus:v2.5.0-beta # Milvus docker pull opensearchproject/opensearch:latest # OpenSearch docker pull opensearchproject/opensearch-dashboards:latest docker pull opengauss/opengauss:7.0.0-RC1 # OpenGauss docker pull myscale/myscaledb:1.6.4 # MyScale docker pull docker.elastic.co/elasticsearch/elasticsearch:8.14.3 docker pull docker.elastic.co/kibana/kibana:8.14.3 # 其他数据库 docker pull oceanbase/oceanbase-ce:4.3.5.1-101000042025031818 # OceanBase docker pull container-registry.oracle.com/database/free:latest # Oracle # 文件处理 docker pull downloads.unstructured.io/unstructured-io/unstructured-api:latest # Unstructured # 基础设施 docker pull quay.io/coreos/etcd:v3.5.5 # Milvus 依赖 docker pull minio/minio:RELEASE.2023-03-20T20-16-18Z # Milvus 依赖 docker pull certbot/certbot # SSL 证书管理 ``` 将此脚本保存为 `pull-dify-images.sh`，运行 `chmod +x pull-dify-images.sh && ./pull-dify-images.sh` 即可下载所有镜像。 ### 导出和导入镜像 #### 方法一 - 将镜像导出为 tar 文件 ```bash docker save -o dify-images.tar langgenius/dify-api:1.4.1 langgenius/dify-web:1.4.1 postgres:15-alpine redis:6-alpine langgenius/dify-sandbox:0.2.12 langgenius/dify-plugin-daemon:0.1.1-local ubuntu/squid:latest nginx:latest semitechnologies/weaviate:1.19.0 ``` - 在目标服务器上导入镜像 ```bash docker load -i dify-images.tar ``` #### 方法二 - 将镜像导出为 tar 文件 ```bash docker save -o dify-api_1.4.1.tar langgenius/dify-api:1.4.1 docker save -o dify-web_1.4.1.tar langgenius/dify-web:1.4.1 docker save -o postgres_15-alpine.tar postgres:15-alpine docker save -o redis_6-alpine.tar redis:6-alpine docker save -o dify-sandbox_0.2.12.tar langgenius/dify-sandbox:0.2.12 docker save -o dify-plugin-daemon_0.1.1-local.tar langgenius/dify-plugin-daemon:0.1.1-local docker save -o ubuntu-squid_latest.tar ubuntu/squid:latest docker save -o nginx_latest.tar nginx:latest docker save -o weaviate_1.19.0.tar semitechnologies/weaviate:1.19.0 ``` - 在目标服务器上导入镜像 ```bash docker load -i dify-api_1.4.1.tar docker load -i dify-web_1.4.1.tar docker load -i postgres_15-alpine.tar docker load -i redis_6-alpine.tar docker load -i dify-sandbox_0.2.12.tar docker load -i dify-plugin-daemon_0.1.1-local.tar docker load -i ubuntu-squid_latest.tar docker load -i nginx_latest.tar docker load -i weaviate_1.19.0.tar ``` ### 访问 Dify 控制台 在浏览器中访问 [http://localhost](http://localhost) 即可进入 Dify 控制台。 ![](/images/2025/Dify/workspace.png) ## 设置 ![](/images/2025/Dify/setting.png) ### 模型提供商 - 安装`硅基流动`插件 ![](/images/2025/Dify/setting-model-provider-siliconflow.png) - 设置 API Key ![](/images/2025/Dify/setting-model-provider-siliconflow-apikey.png) - 设置系统模型 ![](/images/2025/Dify/setting-model-provider-system-model-setting.png) ## 工作室 ### Chatbot ![](/images/2025/Dify/chatbot-create.png) ![](/images/2025/Dify/chatbot-setting.png) ![](/images/2025/Dify/chatbot-preview.png) ### 语音助手 #### 创建工作流 ![](/images/2025/Dify/SpeechAssistant-create.png) ![](/images/2025/Dify/SpeechAssistant-workflow.png) ![](/images/2025/Dify/SpeechAssistant-setting.png) #### 工作流设置 ![](/images/2025/Dify/SpeechAssistant-workflow-1-start-setting.png) ![](/images/2025/Dify/SpeechAssistant-workflow-2-SpeechToText-setting.png) ![](/images/2025/Dify/SpeechAssistant-workflow-3-LLM-setting.png) ![](/images/2025/Dify/SpeechAssistant-workflow-4-TextToSpeech-setting.png) ![](/images/2025/Dify/SpeechAssistant-workflow-5-end-setting.png) #### 预览 ![](/images/2025/Dify/SpeechAssistant-preview1.png) ![](/images/2025/Dify/SpeechAssistant-preview2.png) ![](/images/2025/Dify/SpeechAssistant-preview3.png) #### 发布 ![](/images/2025/Dify/SpeechAssistant-publish.png) ## 知识库 ![](/images/2025/Dify/KnowledgeBase.png) ## 工具 ![](/images/2025/Dify/tools.png) ## 插件 ![](/images/2025/Dify/plugins.png) ## Dify 🏆 RAGFlow | **维度** | **Dify** | **RAGFlow** | |--------------------|--------------------------------------------------------------------------|-----------------------------------------------------------------------------| | **核心定位** | 低代码/零代码 AI 应用开发平台，支持多模型接入，适合快速构建 AI 应用（如智能客服、文案生成） | 专注于检索增强生成（RAG），擅长处理复杂文档（如 PDF、扫描件、表格），优化检索精度以减少 AI 幻觉 | | **易用性** | 低代码开发，适合新手快速上手 | 学习曲线较陡，适合技术团队 | | **RAG 能力** | 依赖外部插件，提供基础 RAG 支持 | 深度集成 RAG，支持多级检索优化（向量+全文+关键词），减少幻觉率 35% | | **模型支持** | 支持多模型（GPT、Claude、本地模型） | 侧重本地模型（如 DeepSeek），可灵活配置 LLM 和向量模型 | | **流程编排** | 可视化工作流（线性逻辑） | 流程图式复杂逻辑（支持循环/并行） | | **文档解析能力** | 支持基础文档格式（PDF、Word），OCR 准确率较低（扫描件仅 78%） | 支持 20+ 格式（含扫描件、表格），智能分块策略，解析准确率 >95% | | **企业级功能** | 开源社区版 + 企业扩展功能 | 内置安全审计、权限控制，支持千亿级 Token 知识库 | | **部署与成本** | 部署简单，适合云服务或小型私有化部署，成本较低 | 需要较高配置（推荐 4 核 16GB 内存），适合企业级高负载场景 | | **适用场景** | 快速搭建 AI 应用（如客服机器人、营销文案生成） | 高精度文档处理（如法律合同解析、医疗报告分析） | | **检索优化** | 依赖第三方向量数据库（如 Pinecone） | 多路召回 + 重排序（如 bge-reranker），准确率提升 40% | ### **总结** - **选择 Dify**：适用于快速验证 AI 应用、低代码开发、多模型混合编排的场景。 - **选择 RAGFlow**：适用于专业文档处理、高精度检索需求、企业级安全合规的场景。 ## 参考资料 - [Dify README 中文](https://github.com/langgenius/dify/blob/main/README_CN.md) - [Dify](https://docs.dify.ai/zh-hans/introduction) - [Dify 环境变量说明](https://docs.dify.ai/zh-hans/getting-started/install-self-hosted/environments)