第一课

Dify 是什么？—— 核心概念与架构概览

了解 Dify 的前世今生、核心功能模块和整体架构，建立对整个平台的宏观认知。

⏱ 预计阅读时间：15 分钟

一、Dify 是什么？

Dify 是一个开源的 LLM 应用开发平台。简单说，它让你不用写大量代码，就能搭建出专业级的 AI 应用——比如智能客服、企业内部知识库、自动化工作流等。

一句话总结

Dify = 可视化搭建 AI 应用的"乐高平台"——把大模型、知识库、工具链组装在一起，通过拖拽界面变成可用的产品。

核心定位

  • 对标 Coze：Coze 是字节跳动的 SaaS 产品，Dify 是开源版本——你可以自己部署、数据完全掌控
  • 面向开发者 + 业务人员：可视化界面让非技术人员也能参与，同时也提供 API 让开发者深度集成
  • 全生命周期覆盖：从开发原型 → 测试 → 部署上线 → 监控运维，一站式完成

截至 2026 年 6 月，Dify 在 GitHub 上已收获 14 万 + Star，成为全球增长最快的开源 AI 平台之一。

二、五大核心概念

Dify 的功能围绕以下 5 个核心模块展开：

⚙️

工作流（Workflow）

可视化画布编排 AI 流程，支持条件分支、循环、并行执行，如同"AI 版 n8n"

📚

知识库（Knowledge Base）

上传文档（PDF/Word/TXT），自动向量化存储，实现 RAG（检索增强生成）

🤖

智能体（Agent）

基于 Function Calling 或 ReAct 模式的智能代理，可调用工具执行任务

🧠

模型管理

统一接入 OpenAI、Claude、DeepSeek、通义千问等 20+ 模型，一键切换

🔗

工具链（Tools）

50+ 内置工具（搜索、计算、图像生成等），也支持自定义 API 工具

📊

观测分析

日志追踪、Token 用量统计、性能监控，便于持续优化

理解了这些概念，你就理解了 Dify 的核心设计哲学

这 5 个模块不是孤立的——你可以组合它们，比如：

示例：一个客服机器人 = 知识库（存产品手册） + Agent（主动分析问题） + 工作流（自动拉取订单信息） + 工具（调用查物流 API）

三、系统架构概览

了解 Dify 的架构有助于后续排查部署问题和理解开发流程：

┌─────────────────────────────────────────────────────────┐
│                    用 户 访 问 层                          │
│          Web 界面 (Next.js)  │  API 接口 (RESTful)        │
└──────────────────────┬──────────────────────────────────┘
                       │
┌──────────────────────▼──────────────────────────────────┐
│                  应 用 服 务 层                           │
│  ┌─────────────┐ ┌──────────┐ ┌──────────────────┐     │
│  │  Workflow   │ │  Agent   │ │  Knowledge Base   │     │
│  │  Engine     │ │  Engine  │ │  (RAG Pipeline)  │     │
│  └─────────────┘ └──────────┘ └──────────────────┘     │
│  ┌─────────────┐ ┌──────────┐ ┌──────────────────┐     │
│  │  LLM       │ │  Tools   │ │  Observability   │     │
│  │  Gateway   │ │  Runtime │ │  (Log/Monitor)   │     │
│  └─────────────┘ └──────────┘ └──────────────────┘     │
└──────────────────────┬──────────────────────────────────┘
                       │
┌──────────────────────▼──────────────────────────────────┐
│                  数 据 存 储 层                           │
│  PostgreSQL (业务数据) │ Redis (缓存)                     │
│  Weaviate/Qdrant (向量数据库) │ S3/本地 (文件存储)        │
└─────────────────────────────────────────────────────────┘

Dify 采用前后端分离架构，后端基于 Python Flask，前端基于 Next.js + React

关键组件详解

  • PostgreSQL：存储用户、应用配置、会话记录等业务数据
  • Redis：缓存、会话管理、消息队列
  • Weaviate / Qdrant：向量数据库，用于知识库的语义检索
  • LLM Gateway：统一模型调用层，屏蔽不同厂商 API 的差异
  • Workflow Engine：可视化工作流编排的执行引擎，支持 DAG（有向无环图）

💡 新手不需要立刻理解全部架构。 先记住"前端 + 后端 API + 数据库（含向量库）"这个三层架构就够了。后续课程会在部署和开发中逐步深入。

四、Dify 能构建什么类型的应用？

💬

聊天助手

普通对话机器人，支持 Prompt 设定和上下文管理

📄

文本生成

批量文案生成、翻译、摘要、报告撰写

🔍

RAG 问答系统

基于私有知识库的问答，回答附带来源引用

🛠️

Agent 智能体

能调用 API、执行代码、联网搜索的自主代理

🔄

工作流应用

多步骤流程，如"文档翻译 → 审核 → 导出"

📱

嵌入应用

通过 API 或 iframe 嵌入到现有网站/系统

五、动手环节：规划你的第一个 Dify 应用

✍️ 课后任务（5 分钟）

在脑海中（或纸上）回答以下问题——这会在后续课程中直接用到：

  1. 你希望 Dify 帮助你解决什么具体业务问题？
  2. 这个应用需要用到哪些核心功能（工作流 / 知识库 / Agent / 工具）？
  3. 你打算用哪家的大模型（DeepSeek / 通义千问 / OpenAI...）？

如果暂时想不清楚也没关系——我们会在第 2 课部署完 Dify 后，结合实际界面来边看边想。

六、本节课重点回顾

  • ✅ Dify 是一个开源的 LLM 应用开发平台，可以自部署、自控数据
  • ✅ 五大核心模块：工作流、知识库、Agent、模型管理、工具链
  • ✅ 系统架构：前端（Next.js）+ 后端（Python Flask）+ 数据库（PostgreSQL + Redis + 向量数据库）
  • ✅ 能构建聊天助手、RAG 问答、Agent、工作流等多种应用类型
  • ✅ 适合小微企业：开源免费、数据可控、低代码快速落地

▶ 下一课预告

第 2 课：在 Debian 虚拟机上用 Docker Compose 部署 Dify——手把手带你跑起来！

建议先完成课后任务，带着目标进入后续课程

参考资料

学习过程中有任何疑问，随时问我。祝你学有所获！🚀

变量与数据类型 在 Debian 虚拟机上部署 Dify →