Dify 开源 AI 平台入门：从账号开通到核心界面与功能详解

30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度Dify 是一个开源的 AI 应用开发平台它让开发者、产品经理甚至业务人员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。对于刚接触 Dify 的用户来说第一步往往不是直接开始构建复杂的智能体而是需要先完成账号开通并熟悉其核心界面与功能模块。这一步看似简单却决定了后续能否高效地使用平台。一个清晰的界面导览能帮助你快速定位到“工作流”、“知识库”、“模型配置”等关键区域避免在后续开发中迷失方向。本文将带你从零开始完成 Dify 的账号开通并详细解析其管理后台的每一个核心界面与功能为你后续构建 RAG 应用、智能体工作流打下坚实基础。1. 开通 Dify 账号云端与本地部署的选择在开始使用 Dify 之前你需要先获得一个可访问的 Dify 实例。这通常有两种方式使用官方提供的云端 SaaS 服务或者在本地或自己的服务器上进行私有化部署。选择哪种方式取决于你的使用场景、数据安全要求和开发需求。1.1 云端 SaaS 服务快速开始体验对于大多数初次体验和快速原型验证的用户直接使用 Dify 官方提供的云端服务是最便捷的选择。它无需你准备服务器、安装 Docker 或配置环境注册即用。操作步骤访问 Dify 官方网站。在首页找到并点击 “Get Started” 或 “Sign Up” 按钮。通常支持使用 GitHub 账号、Google 账号或邮箱进行注册。选择你熟悉的方式完成注册流程。注册成功后系统会自动为你创建一个工作空间Workspace并引导你进入 Dify 的管理后台。云端服务的优势与局限优势开箱即用免运维自动升级可以快速体验 Dify 的全部功能。局限存在使用限制如 API 调用次数、知识库文档数量等数据存储在云端对于高度敏感的业务数据可能不够安全。高级功能和企业级支持可能需要付费订阅。注意使用云端服务时请务必仔细阅读其服务条款和隐私政策了解数据存储和处理的相关规定。1.2 本地/私有化部署掌握完全控制权如果你需要将 Dify 用于企业内网、处理敏感数据或者希望进行深度定制和集成私有化部署是更合适的选择。Dify 官方推荐使用 Docker Compose 进行部署这能最大程度地保证环境一致性。部署前环境准备在部署之前请确保你的服务器或本地开发机满足以下基本要求操作系统Linux (如 Ubuntu 20.04 CentOS 7) macOS 或 Windows (通过 WSL2 或 Docker Desktop)。Docker版本 20.10.0 或更高。Docker Compose版本 2.0.0 或更高。硬件资源建议至少 4GB 内存2核 CPU。运行知识库索引或复杂工作流时需要更多资源。网络能够访问 Docker Hub 或配置了国内镜像源以拉取必要的镜像。使用 Docker Compose 一键部署这是最常用的部署方式。首先创建一个项目目录并下载官方提供的docker-compose.yaml文件。# 创建一个目录用于存放 Dify 相关文件 mkdir dify cd dify # 从 GitHub 仓库下载最新的 docker-compose 配置文件 # 注意请始终从官方仓库获取最新版本以下链接仅为示例版本号可能变化 curl -o docker-compose.yaml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.yaml # 如果你在国内下载速度慢可以尝试使用代理或从 Gitee 镜像获取 # curl -o docker-compose.yaml https://gitee.com/langgenius/dify/raw/main/docker/docker-compose.yaml下载完成后你可以直接启动所有服务# 在后台启动所有容器 docker-compose up -d这个命令会拉取 PostgreSQL、Redis、Web 服务、API 服务等所有必需的 Docker 镜像并启动容器。首次启动可能需要几分钟时间。验证部署是否成功启动完成后在浏览器中访问http://你的服务器IP:3000默认前端端口是 3000。如果看到 Dify 的登录/注册界面说明部署成功。初始账号设置首次访问部署好的 Dify 实例你需要创建一个管理员账号。在登录界面点击“注册”。输入你的邮箱、用户名和密码完成管理员账号的注册。登录后你就进入了 Dify 的管理后台。这个环境完全由你掌控数据也存储在你自己的服务器上。2. Dify 管理后台核心界面导览成功登录 Dify 后你会进入其管理后台。整个界面可以划分为几个核心功能区顶部导航栏、左侧主菜单、中央工作区。理解每个区域的作用是高效使用 Dify 的关键。2.1 顶部导航栏全局控制与切换顶部导航栏通常包含以下元素工作空间切换器如果你有多个团队或项目可以在这里切换不同的工作空间。每个工作空间的应用、知识库、对话记录等数据是隔离的。用户菜单点击你的头像或用户名可以下拉菜单进行个人设置、查看系统状态、切换主题深色/浅色模式以及退出登录。系统状态/通知有时会显示系统消息或通知图标。2.2 左侧主菜单功能入口矩阵左侧菜单是 Dify 所有核心功能的入口也是我们重点讲解的部分。菜单项可能因版本略有不同但核心模块如下1. 应用Applications这是 Dify 的核心。你创建的所有 AI 应用智能体、聊天机器人、工作流应用都在这里管理。我的应用列出你创建的所有应用。你可以在这里创建新应用、编辑已有应用、查看应用的分析数据。创建应用点击后进入应用创建向导可以选择创建“对话型应用”基于提示词工程或“工作流应用”基于可视化编排。2. 工作流Workflow这是 Dify 最具特色的功能模块采用可视化、拖拽式的节点编排来构建复杂的 AI 处理逻辑。工作流画布进入后是一个空白的画布你可以从左侧的节点库中拖拽各种节点如 LLM、知识库检索、代码执行、条件判断、HTTP 请求等到画布上并用连线定义它们的执行顺序和数据流。工作流列表管理所有已创建的工作流可以复制、导出、导入或删除。3. 知识库Knowledge Base用于管理提供给 AI 模型进行检索增强生成RAG的文档数据。知识库列表显示所有已创建的知识库。每个知识库可以包含多个文档。创建/管理知识库可以上传文本、PDF、Word、Excel、PPT、TXT 等多种格式的文件。Dify 会自动进行文本提取、分块、向量化并存入向量数据库。文档处理状态上传后可以查看文档的索引状态处理中、成功、失败并支持重新索引或删除文档。4. 模型供应商Model Providers配置 Dify 可以调用的各种大语言模型。这是让 Dify “动起来”的关键配置。供应商列表显示已配置的模型供应商如 OpenAI、Azure OpenAI、Anthropic、Ollama本地模型、通义千问、DeepSeek 等。添加供应商点击后选择供应商类型然后填入对应的 API Key、Base URL如果需要等认证信息。例如配置 OpenAI 需要填入OPENAI_API_KEY。5. 插件Plugins与工具Tools用于扩展 AI 应用的能力使其能够执行特定操作如查询天气、搜索网页、操作数据库等。可用插件展示从 Dify 市场或社区获取的插件。自定义工具你可以通过编写 API 或配置 HTTP 请求来创建自己的工具供工作流中的“工具调用”节点使用。6. 日志与审计Logging Audit用于监控和调试应用运行情况。应用日志查看每个应用被调用时的详细输入、输出、所用模型、消耗的 Token 数以及耗时。这是排查“为什么 AI 回答不对”或“为什么响应慢”的首要位置。工作流运行记录对于工作流应用可以查看每一次执行的完整链路包括每个节点的输入输出便于调试复杂的流程逻辑。7. 数据集Datasets与标注Annotations部分版本中用于管理更结构化的训练或评估数据。8. 成员与权限Team Members在团队版或企业版中用于管理团队成员并分配不同的角色和权限如管理员、开发者、运营者。2.3 中央工作区核心操作面板根据你在左侧菜单选择的不同功能中央工作区会呈现不同的界面应用配置页当你创建或编辑一个“对话型应用”时这里会显示提示词编排、对话开场白、上下文长度、模型选择等配置项。工作流画布当你编辑工作流时这里就是进行拖拽编排的舞台。知识库详情页显示某个知识库中的所有文档支持上传、预览、设置检索参数等。数据表格/列表如应用列表、日志列表提供搜索、筛选和分页功能。3. 创建你的第一个应用从对话型应用开始为了将界面知识与实际操作结合我们通过创建一个最简单的“对话型应用”来串联核心功能。3.1 创建应用并配置基础信息在左侧菜单点击“应用”-“创建应用”。选择“对话型应用”。给它起一个名字例如“我的第一个助手”并选择一张图标。点击创建进入应用配置界面。3.2 配置提示词与模型这是对话型应用的核心。提示词编排在“提示词”选项卡中系统会提供一个默认的提示词模板。你可以修改它来定义 AI 的角色和行为。例如你是一个乐于助人的AI助手。请用中文以友好、清晰的方式回答用户的问题。如果问题涉及你不知道的信息请如实告知。模型选择在“模型”区域点击下拉框。如果你之前已经在“模型供应商”中配置了 OpenAI这里就能看到可选的模型如 gpt-3.5-turbo, gpt-4。选择一个模型。对话开场白你可以设置一段话在用户第一次进入对话时自动发送引导用户。例如“你好我是你的AI助手有什么可以帮你的”3.3 发布与测试应用完成基础配置后点击右上角的“发布”按钮。发布后页面会刷新右侧会出现一个“预览”窗口。在预览窗口的输入框里尝试问一个问题比如“你好介绍一下你自己”。如果配置正确AI 会基于你的提示词进行回复。同时你可以点击顶部的“访问地址”或“分享”获得一个独立的 URL其他人可以通过这个链接直接与你的 AI 应用对话。4. 关键配置详解模型供应商与知识库要让 Dify 应用真正发挥能力两个外部资源的配置至关重要大语言模型和知识库。4.1 配置模型供应商以 OpenAI 和 Ollama 为例没有模型Dify 只是一个空壳。你必须至少配置一个可用的模型供应商。配置 OpenAI / Azure OpenAI进入“模型供应商”-“添加模型供应商”。在列表中找到“OpenAI”或“Azure OpenAI”。对于 OpenAIAPI Key填入你在 OpenAI 平台申请的密钥。组织ID可选如果你属于某个组织。对于 Azure OpenAIAPI Key填入 Azure 门户中获取的密钥。API Base填入你的 Azure OpenAI 终结点格式如https://your-resource.openai.azure.com。API Version填入 API 版本号如2024-02-15-preview。部署名称填入你在 Azure 上部署的模型名称。点击“保存”系统会测试连接是否成功。配置 Ollama本地模型如果你希望在本地或内网运行开源模型如 Llama 3, Qwen2.5Ollama 是一个优秀的选择。确保你已在运行 Dify 的同一台机器或同一网络内安装并启动了 Ollama并拉取了模型例如ollama pull qwen2.5:7b。在 Dify 的模型供应商页面点击“添加模型供应商”。找到“Ollama”。通常只需要配置Ollama 服务地址默认为http://host.docker.internal:11434。如果 Dify 和 Ollama 不在同一台机器需要填写 Ollama 服务的实际 IP 和端口。保存后在创建应用选择模型时就能看到从 Ollama 拉取到的本地模型列表了。4.2 创建与使用知识库构建专属知识大脑知识库是实现 RAG 的关键它让 AI 能够回答你提供的特定领域知识。创建并填充知识库进入“知识库”-“创建知识库”。输入知识库名称如“公司产品手册”。创建后进入该知识库点击“上传文件”或“同步”支持从网站抓取。上传一个 PDF 或 Word 文档。系统会开始异步处理文档包括文本提取、分块、向量化。在“文档处理方式”中注意两个关键参数分段处理规则决定文档如何被切分成片段chunks。通常按字符数或段落分割。文本清洗规则是否移除冗余的换行符、URL 等。在应用或工作流中调用知识库对于对话型应用在应用配置的“提示词”区域可以添加一个“上下文”区块并关联上一步创建的知识库。这样用户提问时系统会先从知识库检索相关片段再连同问题和片段一起发送给 LLM 生成答案。对于工作流应用可以直接从节点库拖拽一个“知识库检索”节点到画布上在节点配置中选择目标知识库并将其连接到 LLM 节点之前。5. 常见问题排查与配置清单在实际使用中你可能会遇到一些典型问题。以下是一些常见问题的排查思路和一份部署配置检查清单。5.1 常见问题排查表问题现象可能原因检查与解决步骤应用无法回答提示“模型未配置”或“LLM 提供者的密钥未设置”1. 未配置任何模型供应商。2. 配置的模型供应商 API Key 错误或过期。3. 在应用中没有选择已配置的模型。1. 进入“模型供应商”检查是否已添加并成功连接。2. 重新核对 API Key、Base URL 等配置信息。3. 编辑应用在模型选择下拉框中确认已选中一个可用模型。知识库上传文档后应用检索不到相关信息1. 文档仍处于“索引中”状态。2. 检索参数如 Top K设置过小。3. 文档分块方式不合理导致检索不到关键信息。4. 应用未正确关联知识库。1. 在知识库文档列表查看处理状态等待完成或重新索引。2. 在应用或检索节点配置中调大“最大召回数量”。3. 尝试调整知识库的分段规则如减小分块大小。4. 确认应用提示词上下文或工作流中已添加并连接了知识库检索节点。Docker 部署后访问localhost:3000无法连接1. Docker 容器启动失败。2. 端口被占用。3. 防火墙或安全组策略阻止。1. 运行docker-compose ps查看容器状态运行docker-compose logs查看具体错误日志。2. 运行netstat -tlnp | grep :3000检查端口占用修改docker-compose.yaml中的端口映射如3001:3000。3. 检查服务器防火墙是否放行了 3000 端口。工作流运行失败某个节点报错1. 节点配置参数错误如 API 地址、请求格式。2. 节点之间的输入输出变量名不匹配。3. 前置节点执行失败导致后续节点无输入。1. 双击报错节点仔细检查所有必填参数。2. 检查节点间连线的变量映射确保上游节点的输出变量名在下游节点的输入框中被正确引用。3. 查看工作流运行日志定位第一个出错的节点。应用响应速度非常慢1. 使用的云端模型 API 延迟高。2. 知识库检索的文档块过多或向量数据库慢。3. 工作流过于复杂串行节点多。1. 尝试切换其他模型或供应商。2. 优化知识库分块减少单次检索的 Top K 值。3. 审查工作流将可以并行的分支改为并行执行。5.2 首次部署与配置检查清单在完成 Dify 部署和初步配置后建议按照以下清单进行检查确保基础环境就绪部署检查[ ] 所有 Docker 容器状态均为Up(docker-compose ps)。[ ] 能通过http://IP:3000正常访问登录页面。[ ] 能成功注册管理员账号并登录。模型供应商检查[ ] 至少成功配置一个模型供应商如 OpenAI/Ollama。[ ] 在“模型供应商”页面该供应商状态显示为“正常”或测试连接成功。[ ] 在创建应用时可以在模型下拉列表中看到该供应商的模型。知识库功能检查[ ] 能成功创建一个知识库。[ ] 能上传一个测试文档如 TXT 文件并成功完成索引状态为“已完成”。[ ] 在知识库详情页能预览到提取的文本内容。应用创建与测试检查[ ] 能成功创建一个“对话型应用”。[ ] 能为该应用配置提示词并选择一个可用模型。[ ] 能成功发布应用并在右侧预览窗格中进行对话测试获得正常回复。完成以上四点检查说明你的 Dify 平台已经基本就绪可以开始探索更高级的工作流编排、插件集成等功能了。6. 下一步从界面熟悉到深度实践熟悉界面和完成基础配置只是第一步。要真正利用 Dify 构建有价值的 AI 应用建议你按以下路径深入深入工作流尝试构建一个包含“条件判断”、“HTTP 请求”调用外部 API、“代码执行”节点的复杂工作流。例如创建一个根据用户输入城市先查询天气再根据天气情况生成穿衣建议的智能体。探索插件市场访问 Dify 插件市场将一些现成的插件如网页搜索、学术搜索安装到你的工作空间并在工作流中调用它们扩展 AI 的能力边界。优化 RAG 效果知识库的效果直接影响答案质量。实践不同的文本分段策略、尝试使用“重排序”模型来优化检索结果、给知识库文档添加元数据如标题、来源进行过滤。关注日志与迭代养成查看应用日志和工作流运行记录的习惯。通过分析实际交互中的输入输出不断优化你的提示词、工作流逻辑和知识库内容。Dify 的强大之处在于它将 AI 应用开发的复杂性封装在了直观的界面之后。当你掌握了其界面布局和核心模块的联动关系后剩下的就是将你的业务逻辑通过拖拽和配置转化为可运行的智能应用。从开通账号、认识界面开始你已经走上了这条低代码构建 AI 能力的快速通道。 30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度