Dify 是一款开源的大语言模型（LLM）应用开发平台，旨在简化生成式 AI 应用的开发与部署。它融合了 BaaS 和 LLMOps 的理念，提供可视化工具与全栈功能，支持用户从原型设计到生产级部署的全流程管理。Dify 兼容数百种专有/开源 LLM，提供 Prompt IDE 和工作流画布，支持 RAG 管道和 Agent 智能体开发，并提供 LLMOps 与监控功能。其技术架构基于 Vue.js 和微服务架构，支持 Docker/Kubernetes 部署。

💡 **多模型支持：** Dify 兼容数百种专有/开源 LLM，例如 GPT、Claude3、Llama3 等，并支持与 OpenAI API 兼容的模型无缝集成，为用户提供了广泛的模型选择。

🎨 **可视化编排：** 平台提供 Prompt IDE 和工作流画布，用户无需编写代码即可设计 AI 应用的逻辑流程，例如聊天助手、文本生成器或复杂 Agent，降低了开发门槛。

📚 **RAG 管道与 Agent 智能体：** Dify 支持上传 PDF、PPT 等文档，自动进行文本分块、向量化处理，构建智能检索系统，提升问答准确性；同时支持基于函数调用或 ReAct 框架定义智能体，集成 50+ 预置工具，实现任务分解与自动化执行。

⚙️ **LLMOps 与监控：** Dify 提供日志分析、性能监控、数据标注等功能，支持持续优化模型与提示策略，帮助开发者更好地管理和优化 AI 应用。

🚀 **技术架构与部署：** Dify 的前端基于 Vue.js，后端采用微服务架构，支持 Docker/Kubernetes 部署，兼容云原生环境。用户可以根据 README.md 说明进行本地部署，最低系统要求为 CPU >= 2 Core 和 RAM >= 4 GiB。

介绍

随着大模型的爆火，以及各类开源大模型的普及化，越来越多的开发者或者大模型爱好者想自己搭建大模型应用，Dify 是一款 开源的大语言模型（LLM）应用开发平台，旨在简化生成式 AI 应用的开发与部署。它融合了 后端即服务（BaaS） 和 LLMOps（大语言模型运维） 的理念，提供可视化工具与全栈功能，支持用户从原型设计到生产级部署的全流程管理。目前在 GitHub 上已经收集到94.6k 的 star，从 star 图可以看到，热度几乎成直线上升。GitHub：github.com/langgenius/…官网：dify.ai/

核心功能与特点

多模型支持：兼容数百种专有/开源 LLM（如 GPT、Claude3、Llama3 等），支持与 OpenAI API 兼容的模型无缝集成。完整的大模型支持列表可以点击这里。

可视化编排：提供 Prompt IDE 和 工作流画布，用户无需编写代码即可设计 AI 应用的逻辑流程，例如聊天助手、文本生成器或复杂 Agent。

RAG 管道（检索增强生成）：支持上传 PDF、PPT 等文档，自动进行文本分块、向量化处理，构建智能检索系统，提升问答准确性。

Agent 智能体开发：支持基于函数调用或 ReAct 框架定义智能体，集成 50+ 预置工具（如谷歌搜索、DALL·E），实现任务分解与自动化执行。

LLMOps 与监控：提供日志分析、性能监控、数据标注等功能，支持持续优化模型与提示策略。

技术架构：

前端：基于 Vue.js ，提供用户友好的交互界面。后端：采用微服务架构，支持 Docker/Kubernetes 部署，兼容云原生环境。数据处理层：集成向量数据库（如 pgvector）、离线引擎，支持混合检索（向量+全文）。应用层：通过 API 提供模型调用、知识库管理、权限控制等能力，支持私有化部署。

与一些竞品能力对比图：

部署

具体可以根据 README.md 说明进行本地部署。

Before installing Dify, make sure your machine meets the following minimum system requirements:CPU >= 2 CoreRAM >= 4 GiB

cd difycd dockercp .env.example .envdocker compose up -d

体验

可以看到官网市场中支持了很多大模型

从官网打开，选择自己想要的应用卡片添加 Dify 应用。

在“工作室”中打开添加的 Dify 应用。

与机器人沟通，跟市面上一些应用差不多效果。但访问得挂梯子来提升访问速度。

参考

原文：开源大语言模型应用 Dify 让你轻松部署 AI 应用博客主页：码流怪侠公众号：码流怪侠