入门
基于 Dify 官方文档（docs.dify.ai）编写，对照 v1.16.0 稳定版（2026-07-17 发布）行为
速查
- 应用类型 4 种：Workflow（一次性、Output 结束、支持 Trigger）/ Chatflow（每轮触发、必需 Answer 节点、Memory + 对话变量）/ Agent（v1.16.0 Beta，Linux 沙箱，Capability/Task 分离）/ legacy Chatbot · Text Generator
- Start 节点两种：User Input（可发布为 webapp / MCP server / backend API / Tool）与 Trigger（Schedule / Webhook / Integration）
- RAG 索引：High Quality（Embedding 向量化）vs Economical（倒排索引），创建后不可互换；Economical 只支持倒排检索
- RAG 检索 4 种：Vector / Full-Text / Hybrid / Inverted；Top K 默认 3、Score Threshold 默认 0.5（仅 Rerank 阶段生效）
- Hybrid 二选一：Weight Settings 与 Rerank Model 不可同时启用；Semantic=1 或 Keyword=1 退化为单路
- LLM 节点：Temperature 0-1，Prompt 支持
与 Jinja2，Context 关联 Knowledge Retrieval 实现 RAG，Structured Output 支持 JSON Schema，Memory 仅 Chatflow 节点级 - 变量系统 4 种：Inputs / Outputs / Environment Variables（与 DSL 解耦存密钥）/ Conversation Variables（仅 Chatflow 跨轮持久化）
- 系统变量：
sys.user_id/sys.app_id/sys.workflow_id/sys.workflow_run_id/sys.timestamp；Chatflow 额外sys.conversation_id/sys.dialogue_count - DSL：所有应用可导出 YAML 跨实例迁移 / 版本控制；密钥应放 Environment Variables
- REST API：Base URL 云端
https://api.dify.ai/v1，Bearer Token 认证；App Key 单应用范围、Knowledge Base Key 全知识库范围；用user字段标识终端用户 - Agent 策略：Function Calling（须模型原生 FC 支持）vs ReAct（Thought→Action→Observation 提示工程，适用无 FC 模型）
- 部署：Docker Compose（≥2 核 / ≥4 GiB、Docker Compose 2.24.0+），生产改 SECRET_KEY、配 SSRF 代理与 sandbox 隔离
- 关键端点：
/info、/chat-messages、/workflows/run、/completion-messages、/agents/chat、knowledge documents / chunks / metadata 系列、/workflow-runs
Dify 是什么
Dify 是开源 AI 应用编排 / LLMOps 平台（Apache 2.0），把「调用 LLM、做 RAG、跑 Agent、连工具、对外发 API」封装成可视化 Workflow + 多租户运营 + 多 Provider 模型管理。它的核心定位有三：
- 应用编排器：Workflow / Chatflow / Agent 可视化节点编排，从「Prompt 脚本」升级为「可运营产品」
- LLMOps 平台：模型管理、知识库、调用监控、版本控制、密钥管理、可观测性（Langfuse / LangSmith / Arize / Phoenix 等）
- 多形态发布：Web App、REST API、MCP Server、Marketplace、difyctl CLI，从本地调试到对外服务全链路
Dify ≠ 底层 LLM。它编排模型调用、RAG、Agent、工具，但本身不训练模型；向量库依赖 Weaviate / 外接、关系库依赖 PostgreSQL、缓存依赖 Redis（自托管默认 docker-compose 全家桶）。
应用类型与差异
| 类型 | 触发模式 | 结束节点 | Memory | 对话变量 | 典型场景 |
|---|---|---|---|---|---|
| Workflow | 一次性 / Trigger 自动触发 | Output | 无 | 无 | 批处理、定时、Webhook、文档解析 |
| Chatflow | 每轮对话触发 | Answer（必需） | 有（节点级） | 有 | 多轮对话、客服、Agent 对话 |
| Agent（Beta v1.16.0） | Workflow Agent 节点 / 独立 chat | 默认 text/files/json | 无（each message from scratch） | 通过 Capability 配 | 复杂研究、工具编排 |
| Chatbot（legacy） | chat 模式 | — | 有 | — | 旧版多轮对话 |
| Text Generator（legacy） | completion 模式 | — | 无 | — | 旧版一次性生成 |
选错会导致：Chatflow 无对话上下文、Workflow 无法被定时触发、Chatflow 中期待新版 Agent 自动保留记忆却「每条消息从零开始」。选型第一问：是否多轮？多轮 → Chatflow；批处理 / 触发 → Workflow。
Start 节点两种模式
| 模式 | 用途 | 可发布形态 |
|---|---|---|
| User Input | 用户主动发起 | webapp / MCP server / backend API / Tool |
| Trigger | 自动触发 | Schedule Trigger（定时）/ Webhook Trigger / Integration Trigger |
只有 User Input 模式才能发布为 webapp / MCP server / backend API / Tool；要定时跑数据清洗 / Webhook 接 GitHub PR / Integration 接外部系统，必须用 Workflow + Trigger。
节点速览
| 节点 | 作用 |
|---|---|
| Start | 入口，定义 Inputs / 触发方式 |
| LLM | 调模型，Prompt 支持 |
| Knowledge Retrieval | RAG 检索，关联知识库与查询变量 |
| Agent | Function Calling / ReAct，配工具与 Maximum Iterations |
| Code | Python / JS 沙箱执行 |
| Template（Jinja2） | 模板渲染 |
| IF/ELSE | 条件路由 |
| Iteration | 数组遍历，支持 Parallel Mode（最大并行度 10） |
| Loop | 循环 |
| Parameter Extractor | 抽结构化参数 |
| Question Classifier | 问题分类 |
| Variable Aggregator / Assigner | 变量合并 / 赋值 |
| HTTP Request | 调外部 API |
| Tool | 调内置 / 自定义工具 |
| Doc Extractor | 文档解析 |
| List Operator | 列表操作 |
| Answer（Chatflow 必需） | 对话回复 |
| Output（Workflow 必需） | 输出结果 |
| Human Input（v1.13.0+） | Human-in-the-Loop，工作流暂停 / 恢复 / 审批 |
| Trigger | Schedule / Webhook / Integration 自动触发 |
变量系统
| 类型 | 范围 | 典型用途 |
|---|---|---|
| Inputs | Start 节点设定 | 用户输入参数 |
| Outputs | 节点产出供下游引用 | 节点间数据传递 |
| Environment Variables | 应用级常量、与 DSL 解耦 | 存 API Key / Secret |
| Conversation Variables | 仅 Chatflow，跨轮持久化 | todo 列表、token 计数、上下文累计 |
系统变量：Workflow 提供
sys.user_id/sys.app_id/sys.workflow_id/sys.workflow_run_id/sys.timestamp；Chatflow 额外含sys.conversation_id/sys.dialogue_count。引用方式：dropdown 选择或输入/触发选择器。
模型管理
模型类型 5 种：
| 类型 | 用途 |
|---|---|
| System Reasoning Model（LLM） | 主推理 |
| Embedding Model | 向量化（RAG High Quality） |
| Rerank Model | 重排序（RAG 提精度） |
| Speech-to-Text | 语音转文字 |
| Text-to-Speech | 文字转语音 |
接入方式：Integrations > Model Provider 或 Marketplace；支持 AI Credits 与自带 API Key 双轨（Usage Priority 配置优先级），Professional / Team 支持多 Key 负载均衡与限流回退。
注意：GPT-5.6 兼容性需将 API 类型从 Chat Completions 切到 Responses。
发布渠道
| 渠道 | 用途 |
|---|---|
| Web App | chatflow-webapp / workflow-webapp，可嵌入网站 |
| REST API | Bearer Token 认证，App Key / Knowledge Base Key |
| MCP Server | v1.16.0 升级到 MCP 2025-06-18 协议（版本协商 + 结构化工具输出） |
| Marketplace | 发布到应用市场 |
| difyctl CLI | 命令行调用（v1.15.0 推出） |
自托管速跑（Docker Compose）
# 克隆仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker
# 复制环境变量
cp .env.example .env
# 启动全家桶（含 Weaviate / PostgreSQL / Redis / sandbox 等）
docker compose up -d
# 访问 http://localhost/apps最低配置：≥2 核 CPU、≥4 GiB 内存、Docker Compose 2.24.0+。生产场景务必改 SECRET_KEY（v1.14.1 已加固，不再依赖默认值）、配置 SSRF 代理与 sandbox 隔离。
社区版沙箱非硬化安全边界，高合规需求选 Cloud 或 Enterprise。
REST API 速跑
# Workflow 执行（streaming 模式）
curl -X POST 'https://api.dify.ai/v1/workflows/run' \
-H 'Authorization: Bearer {api_key}' \
-H 'Content-Type: application/json' \
-d '{
"inputs": {"query": "Dify 是什么"},
"response_mode": "streaming",
"user": "user-123"
}'
# Chatflow 对话
curl -X POST 'https://api.dify.ai/v1/chat-messages' \
-H 'Authorization: Bearer {api_key}' \
-H 'Content-Type: application/json' \
-d '{
"inputs": {},
"query": "你好",
"response_mode": "streaming",
"conversation_id": "",
"user": "user-123"
}'
# 应用元信息
curl 'https://api.dify.ai/v1/info' \
-H 'Authorization: Bearer {api_key}'
user字段标识终端用户（不为每用户发 Key）；自托管把https://api.dify.ai/v1换成本机 URL。
下一步
- 核心概念与 Workflow 编排：应用类型差异、节点深度、Agent 策略、变量系统、API 端点、反模式
- 参考：节点速查表、API 端点清单、版本演进、官方资源