
想让 AI 读公司文档回答问题,通常有两条路:调 API 自己写一套,或者买个 SaaS 把资料传上去。
前者要写检索、写提示词、做界面,两周起步;后者把内部资料交给别人,法务那边过不去。
Dify 是第三条路:开源的 LLM 应用开发平台,部署在自己服务器上,可视化编排,从知识库到对话界面一站式。
它能做什么
- 知识库问答(RAG):上传 PDF/Word/Markdown,自动切分、向量化,问答时自动检索
- 工作流编排:拖节点连线,做多步推理、条件分支、外部 API 调用
- Agent:给模型配工具(搜索、计算、数据库查询),让它自己决定调用哪个
- 多模型支持:OpenAI、DeepSeek、通义、本地 Ollama 都能接
- 发布成应用:一键生成 Web 页面、API 接口、嵌入代码
- 日志与标注:每次对话可回溯、可标注、可改进
部署
官方推荐 docker compose,仓库里的 docker/docker-compose.yaml 拉下来直接起:
cd docker
cp .env.example .env
docker compose up -d
起来后访问 http://你的IP/install 初始化管理员。
四个必须先知道的坑
- 组件很多。backend、worker、web、PostgreSQL、Redis、Weaviate、sandbox、nginx,一共八个容器,内存至少 4G,2G 机器会 OOM。
- 向量库要单独规划。默认内置 Weaviate,文档量大之后建议换独立的向量数据库,否则检索会变慢。
- 许可有附加条款。Dify 用的是 Apache 2.0 + 附加限制:不能拿它做成多租户 SaaS 对外售卖,也不能去掉 Logo 做商业发行。
- 升级会改表结构。跨小版本升级前必须备份 PostgreSQL 数据卷,回滚只能靠备份。
和直接调 API 比,值不值
如果你只做一个固定的问答机器人,直接调 API 更轻。但只要出现「多个知识库、多套提示词、要给不同部门用」的情况,自己维护的成本会指数上升,这时候 Dify 这类平台的价值才显现。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END




















暂无评论内容