Dify
用可视化工作流、RAG 与工具调用构建并运营 LLM 应用。
按维度查看评分与理由
证据显示：README 提到安全披露流程（SECURITY.md），但未详细说明权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响、回滚或来源归属。因此各标准得分较低，仅因存在安全政策而给1分。扣分原因：缺乏具体实现细节。
证据显示：存在单元测试和集成测试（如 api-tests.yml），但未提供失败消息的详细说明。自洽性、依赖可用性和失败消息均得到部分支持，但未达到充分处理的程度。扣分原因：测试覆盖有限，失败消息未明确。
证据显示：README 描述了多种使用场景（云、自托管、企业），并提供了部署选项（Docker、Kubernetes、Terraform）。能力边界和触发精度未明确，但环境适配性较好。扣分原因：能力边界和触发精度缺乏明确文档。
证据显示：README 提供了安装说明、示例和社区链接，信息架构清晰。许可证为自定义开源许可证，但版本变更日志未明确。已知限制未详细说明。扣分原因：版本变更日志和已知限制不足。
证据显示：README 描述了输出可用性（API、可视化界面）和边际价值（快速原型到生产）。成本效益未明确，但整体有效。扣分原因：成本效益缺乏具体数据。
证据显示：README 中的声明有文档链接支持，但未提供独立验证。跨来源佐证有限，事实与推断未明确分离。扣分原因：缺乏独立验证和明确的事实/推断分离。
- 该仓库的许可证为自定义开源许可证，包含额外条件，可能影响商业使用。
- 安全政策存在，但未提供详细的权限模型和数据流透明性说明。
- 版本变更日志未明确，用户需自行跟踪更新。
这个 Agent 能做什么，适合哪些场景？
Dify 是一个开源 LLM 应用开发平台，提供可视化 AI 工作流、RAG 管道、智能体能力、模型管理和可观测性功能。用户可在其工作流画布中构建和测试 AI 流程，并通过 Prompt IDE 编写提示词、比较模型表现及为聊天应用加入文本转语音等功能。其 RAG 管道覆盖文档摄取到检索，并支持从 PDF、PPT 等常见文档格式中提取文本。智能体可基于 LLM Function Calling 或 ReAct 定义，并可使用预置或自定义工具。产品可通过浏览器仪表盘与对应 API 使用，支持 Dify Cloud、Docker Compose 自托管及面向企业的部署路径。
Dify 在可视化画布中让用户构建和测试 Workflow，并在 Prompt IDE 中编辑提示词和比较模型表现。它可接入数百个来自数十家推理提供商的专有或开源 LLM，以及自托管方案和 OpenAI API-compatible models。RAG Pipeline 接收文档并执行检索，README 明确列出 PDF、PPT 等常见格式的文本提取支持。用户可定义采用 LLM Function Calling 或 ReAct 的 Agent，为其添加预置或自定义工具；README 列举了 Google Search、DALL·E、Stable Diffusion 和 WolframAlpha 等 50+ 内置工具。它还提供应用日志与性能监控，并为其功能提供对应 API；自托管实例通过 docker compose up -d 启动后，在 http://localhost/install 完成初始化。
- 产品团队需要在上线前通过可视化画布设计、测试多步骤 AI Workflow。
- 知识库应用团队需要摄取 PDF、PPT 等常见文档，并将检索能力接入 LLM 应用。
- 需要在 LLM Function Calling 或 ReAct 方式之间选择，并为智能体组合预置或自定义工具的开发者。
- 需要在 GPT、Mistral、Llama3 或 OpenAI API-compatible models 等模型路径间选择的应用团队。
- 需要通过应用日志、性能数据和标注持续调整提示词、数据集与模型的运营团队。
- 希望以 Docker Compose 在自身环境运行平台，并通过 API 接入既有业务逻辑的组织。
这个 Agent 有哪些优点和局限？
- 将 Workflow、Prompt IDE、RAG Pipeline、Agent、模型管理与 LLMOps 集中在同一平台。
- RAG 明确覆盖文档摄取与检索，并列出 PDF、PPT 等常见格式的开箱文本提取支持。
- 模型支持范围明确包含数十家推理提供商、专有与开源 LLM、自托管方案及 OpenAI API-compatible models。
- 同时提供托管云服务、Docker Compose 自托管和企业部署路径，并为功能提供对应 API。
- 自托管至少需要 2 核 CPU、4 GiB RAM、Docker 和 Docker Compose v2.24.0 或更高版本。
- 提供的快速启动仅覆盖 Docker Compose；高可用 Kubernetes、Helm、Terraform 与 CDK 部署链接均为社区贡献。
- 所给材料没有提供 API 端点、认证流程、模型密钥配置或生产部署细节。
- 许可证信息存在需核实之处：仓库元数据标为 NOASSERTION，而 README 称采用带附加条件、基于 Apache 2.0 的 Dify Open Source License。
如何安装或部署这个 Agent？
最低要求为 2 核 CPU 和 4 GiB RAM。安装 Docker 与 Docker Compose v2.24.0 或更高版本后，在仓库目录执行：
cd dify
cd docker
cp .env.example .env
docker compose up -d启动后访问 http://localhost/install 完成初始化。README 未提供模型提供商凭据的具体配置步骤；如需修改配置，编辑 docker/.env，随后在 docker 目录重新执行 docker compose up -d。
如何使用这个 Agent？
在浏览器打开 http://localhost/install 并完成初始化后，使用 Workflow 画布构建和测试 AI 流程。可在 Prompt IDE 编写提示词、比较模型表现，或配置 RAG Pipeline 进行文档摄取和检索；也可定义 Function Calling 或 ReAct Agent 并添加工具。平台为其功能提供对应 API，但所给材料没有列出 API 端点、认证方式或请求示例。
常见问题
可以完全自托管吗？
docker/.env 配置。