Dify 项目介绍

Dify 是一个开源 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管线、Agent 能力、模型管理和可观测性功能，让你能够从原型快速进入生产环境。

项目定位

开源 LLM 应用开发平台，通过可视化工作流编辑器 + 统一模型抽象 + 插件化架构，让开发者和企业能够快速构建、调试和部署 AI 应用。

核心能力

可视化工作流：在画布上编排 AI 工作流，支持 30+ 节点类型（LLM、条件分支、代码执行、HTTP 请求、知识库检索等），内置 Graphon 图引擎驱动执行。
全面的模型支持：无缝集成数百种专有/开源 LLM，覆盖 GPT、Mistral、Llama3 及任何 OpenAI API 兼容模型，支持负载均衡与故障转移。
Prompt IDE：直观的界面用于编写提示词、比较模型性能，以及为聊天应用添加文本转语音等附加功能。
RAG 管线：完整的文档导入到检索的能力链，开箱即用支持 PDF、PPT 等常见文档格式的文本提取。
Agent 能力：支持基于 Function Calling 和 ReAct 两种模式的 Agent，内置 50+ 工具，支持 MCP 协议、自定义工具和 Plugin 工具。
LLMOps 可观测性：监控和分析应用日志与性能，支持 Opik、Langfuse、Arize Phoenix 等可观测性后端。
Backend-as-a-Service：所有功能均配备对应 API，可轻松集成到自有业务逻辑。

技术栈

组件	技术
后端 API	Python 3.12 + Flask + Gunicorn + gevent
Agent 运行时	Go (dify-agent) + Agenton 框架
前端 Web	Next.js + React + TypeScript + TailwindCSS
工作流引擎	Graphon（外部图引擎库，v0.4.0）
任务队列	Celery + Redis
数据库	PostgreSQL + SQLAlchemy ORM
包管理	uv（Python）、pnpm（Node.js）
部署	Docker Compose / Kubernetes

架构概览

快速体验

通过 Docker Compose 启动 Dify 服务（最低要求：CPU >= 2 核，RAM >= 4 GiB）：

cd dify/docker
cp .env.example .env
docker compose up -d

启动后在浏览器中访问 http://localhost/install 完成初始化配置。

源码结构

dify/
├── api/                    # Python 后端 (Flask)
│   ├── core/               # 核心业务模块
│   │   ├── app/            # 应用类型与运行器
│   │   ├── workflow/       # 工作流节点定义
│   │   ├── agent/          # Agent 运行时（Python 侧）
│   │   ├── rag/            # RAG 管线（索引 + 检索）
│   │   ├── tools/          # 工具系统（内置 / MCP / 插件）
│   │   ├── mcp/            # MCP 客户端/服务端实现
│   │   ├── plugin/         # 插件系统
│   │   └── model_manager.py # 多模型管理与负载均衡
│   ├── services/           # 业务服务层
│   ├── controllers/        # HTTP 路由层
│   ├── models/             # SQLAlchemy 数据模型
│   ├── tasks/              # Celery 异步任务
│   └── extensions/         # 基础设施扩展
├── web/                    # Next.js 前端
├── dify-agent/             # Agent 运行时 (Go + Agenton)
├── docker/                 # Docker Compose 部署配置
├── packages/               # 共享 npm 包 (UI 组件库等)
└── sdks/                   # 客户端 SDK

教程导读

本教程分为 AI 应用通用知识 和 编程核心技术 两个部分：

AI 教程（ai/ 目录）

从 Dify 源码中抽象出的行业通用知识，包括：

Agent 双模式：Function Calling 与 ReAct 的实现策略
工具调用系统：多来源工具注册、MCP 协议集成、插件化工具链
RAG 管线：文档处理、向量化、检索与重排的可插拔架构
多模型路由：统一模型抽象层、负载均衡与故障转移
工作流引擎：图驱动的执行模型与节点工厂模式
MCP 协议集成：客户端与服务端的双向实现

Dev 教程（dev/ 目录）

Dify 的工程实践和架构决策，包括：

三层架构设计：Controller → Service → Core 的分层模式
DDD 领域驱动设计：领域边界、聚合根与仓储模式
前后端分离：Next.js + Flask + Go 异构协同
插件化架构：VDB/Trace/Tool 三类插件的注册与发现机制
异步任务编排：Celery + Redis 的任务分发与故障恢复
配置管理：分层配置体系与环境变量管理

通用知识引用

本教程的 AI 知识点引用 common/ 目录下的通用知识教程，包括：

版本说明：本教程基于 Dify 1.14.2（commit 7f392b69）分析。项目更新后内容可能过时。