Dify

5 分钟搭建你的 AI 应用-Dify 全流程指南

2025 年 8 月 19 日

5分钟快速上手Dify，零代码打造你的专属AI应用，从聊天机器人到智能工作流一应俱全。核心内容： 1. Dify平台的核心功能与特色亮点 2. 社区版Dify的安装部署指南 3. 支持构建的多种AI应用类型解析

一、概述

1、简介

dify 是一个开源的 LLM 应用程序开发平台。其直观的界面结合了代理 AI 工作流、RAG 管道、代理功能、模型管理、可观察性功能等，使您能够快速从原型过渡到生产。

2、特点

工作流程：在可视化画布上构建和测试强大的 AI 工作流，利用以下所有功能及其他功能。
全面的模型支持：与来自数十个推理提供商和自托管解决方案的数百个专有/开源 LLM 无缝集成，涵盖 GPT、Mistral、Llama3 和任何与 OpenAI API 兼容的模型。
提示 IDE：直观的界面，用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能，例如文本转语音。
RAG 管道：广泛的 RAG 功能，涵盖从文档摄取到检索的所有内容，并为从 PDF、PPT 和其他常见文档格式中提取文本提供开箱即用的支持。
代理能力：您可以根据 LLM Function Calling 或 ReAct 定义代理，并为代理添加预构建或自定义工具。Dify 为 AI 代理提供了 50+ 内置工具，例如 Google 搜索、DALL·E、稳定扩散和 WolframAlpha。
LLMOps：监控和分析一段时间内的应用程序日志和性能。您可以根据生产数据和注释不断改进提示、数据集和模型。
后端即服务： Dify 的所有产品都带有相应的 API，因此您可以毫不费力地将 Dify 集成到您自己的业务逻辑中。

3、支持的智能应用程序类型

聊天助手：构建基于LLM的对话机器人
Agent：能够进行任务分解、推理和工具调用的对话式智能助手.
Text Generator(文本生成应用)：文本生成任务的助手，例如编写故事、文本分类、翻译等。
Chatflow：具有内存能力的多轮复杂对话任务的工作流编排.
workflow(工作流)：用于自动化和批处理等单轮任务的工作流编排。

二、社区版Dify搭建

1、系统要求：最低2核4G的配置

2、下载源码，docker方式启动

# git地址https://github.com/langgenius/dify/archive/refs/tags/1.4.0.tar.gz

3、使用dockers方式启动

# 默认基础tar -xf dify-1.4.0.tar.gzcd dify-1.4.0/docker/cp .env.example .env
# 启动服务## 检测compose版本 docker compose version # 使用 Docker Compose V2启动服务 docker compose up -d

4、配置文件说明

# docker-compose.yaml 和 .env.example文件官方地址:https://docs.dify.ai/en/getting-started/install-self-hosted/environments

5、访问Dify服务

# 初始化设置账号密码http://your_server_ip/install

三、Chatflow记账应用

1、基本MySQL5.7创建表配置

create database testdb;
use testdb;CREATE TABLE `finance` (  `id` bigint(20) NOT NULL AUTO_INCREMENT,  `user_id` varchar(36) NOT NULL DEFAULT '' COMMENT '用户ID',  `date` datetime NOT NULL COMMENT '金额发生日期',  `amount` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '收入支出金额(收入记为正数，支出记为负数)',  `category` varchar(32) NOT NULL DEFAULT '' COMMENT '收支类别',  `remark` varchar(100) NOT NULL DEFAULT '' COMMENT '收支具体类目',  PRIMARY KEY (`id`),  KEY `idx_user_date` (`user_id`,`date`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='日常收支';

2、创建.env

# mysql配置DB_HOST=localhostDB_PORT=3306DB_USER=rootDB_PASSWD=rootDB_NAME=testdb# MCP服务# serviceMCP_HOST=0.0.0.0MCP_PORT=8000

3、MCP Server接口服务

# 两个mcp工具：get_table_definition: 获取表结构定义 和 execute_sql: 执行SQL语句import mysql.connectorimport jsonimport osfrom contextlib import contextmanagerfrom dotenv import load_dotenvfrom mcp.server.fastmcp import FastMCP
# 加载环境变量load_dotenv()

class DbManager:    def __init__(self):        self.connection_pool = mysql.connector.pooling.MySQLConnectionPool(            pool_name="db_pool",            pool_size=5,            pool_reset_session=True,            host=os.getenv("DB_HOST"),  # 数据库服务器地址            port=os.getenv("DB_PORT"),            user=os.getenv("DB_USER"),  # 数据库用户名            password=os.getenv("DB_PASSWD"),  # 数据库密码            database=os.getenv("DB_NAME"),  # 数据库名        )
    @contextmanager    def get_cursor(self):        with self.connection_pool.get_connection() as connection:            cursor = None            try:                cursor = connection.cursor()                yield cursor                connection.commit()            except Exception as e:                connection.rollback()                raise e            finally:                if cursor:                    cursor.close()
    def execute_sql(self, sql: str) -> str:        with self.get_cursor() as cursor:            cursor.execute(sql)            if cursor.description is not None:                rows = cursor.fetchall()                result = {                    "columns": [desc[0] for desc in cursor.description],                    "rows": rows,                }                return json.dumps(result, default=str)            else:                return f"row affected:{cursor.rowcount}"

dbManager = DbManager()# Initialize FastMCP servermcp = FastMCP(host=os.getenv("MCP_HOST", "127.0.0.1"), port=int(os.getenv("MCP_PORT", 8000)))

@mcp.tool()def get_table_definition(table: str) -> str:    """get table definition"""    return dbManager.execute_sql(f"show create table {table}")

@mcp.tool()def execute_sql(sql: str) -> str:    """execute sql"""    return dbManager.execute_sql(sql)

if __name__ == "__main__":    # Initialize and run the server    mcp.run(        transport="sse"    )

#启动服务接口

4、Dify搭建工作流

1）安装MCP插件

点击右上角“插件”按钮，进入插件页面，选择“探索Marketplace“选择插件"Dify Agent 策略"和"MCP SSE / StreamableHTTP" 两个插件安装。

2）设置MCP服务

切换到"插件"tab，选择已经安装的插件"MCP SSE / StreamableHTTP"，点击“去授权”

# 配置MCP Service服务接口{  "server_name": {    "url": "http://192.168.165.65:8001/sse",    "headers": {}, "timeout": 50,    "sse_read_timeout": 50  }}

3）创建Chatflow应用

创建一个空白应用，类型为Chatflow
调整工作流，把默认的LLM节点替换为Agent节点
设置Agent节点的Agent策略，并添加MCP工具：策略选择Function Calling，选择模型，设置工具列表（获取和调用MCP工具），指令等待。

# 角色你是记账助手，可以通过调用MCP工具完成记录日常收入和支出并作分析。为了获得MCP工具列表，必须先通过mcp_sse_list_tools获取。为了完成记账操作，需要先获取表finance的定义。记账的用户ID取值为{{#sys.user_id#}}

# 收支类别收入：工资薪金，劳务报酬，投资收益，分红收入，租金收入，其它收入支出：住房，交通，通讯，保险，餐饮，电子产品，日用品，服饰，旅行，娱乐，医疗，学习，其它支出
# 技能## 技能1：记录日常开支将开支信息记录到数据库表finance
## 技能2：统计日常开支根据用户输入信息分析统计日常开支
# 限制仅处理记账相关问题，不回复其它问题