LLMs之Dify：Dify的简介、安装和使用方法、案例应用之详细攻略
LLMs之Dify：Dify的简介、安装和使用方法、案例应用之详细攻略
目录
Dify的简介
1、核心功能列表
2、特性比较
Dify的安装和使用方法
1、Dify的安装和启动
第1步，安装Docker和Docker Compose，参考A3、Windows11系统安装→交互式安装即可，一次性安装Docker和Docker Compose
第2步，启动Docker服务容器，让其在后台运行
第3步，启动Dify服务并访问http://localhost/install
第4步，进入界面，设置邮箱、账号和密码
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用
2、使用Dify：
T1、云端
T2、自托管Dify社区版：
T3、面向企业/组织的Dify：
Dify的案例应用
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用
Dify的简介
2023年5月，Dify正式发布，这是一个开源的LLM应用程序开发平台。它直观的界面结合了人工智能工作流程、RAG管道、代理能力、模型管理、可观察性特性等等，让您能够快速从原型到生产。
GitHub地址：GitHub - langgenius/dify: Dify is an open-source LLM app development platform. Dify's intuitive interface combines AI workflow, RAG pipeline, agent capabilities, model management, observability features and more, letting you quickly go from prototype to production.
1、核心功能列表
>> 工作流：在可视化画布上构建和测试强大的人工智能工作流程，利用以下所有功能以及更多功能。
>> 全面的模型支持：与数百个专有/开源LLM（Language Model）以及数十个推理提供商和自托管解决方案实现无缝集成，涵盖了GPT、Mistral、Llama3以及任何与OpenAI API兼容的模型。支持的模型提供商完整列表可以在这里找到。
>> 提示IDE：为制作提示、比较模型性能以及为基于聊天的应用程序添加其他功能（如文本转语音）提供直观的界面。
>> RAG管道：广泛的RAG功能，涵盖了从文档摄取到检索的所有内容，支持从PDF、PPT等常见文档格式中提取文本。
>> 代理能力：您可以基于LLM函数调用或ReAct定义代理，并为代理添加预构建或自定义工具。Dify提供了50多个用于AI代理的内置工具，如Google搜索、DELL·E、稳定扩散和WolframAlpha。
>> LLMOps：随着时间的推移监视和分析应用程序日志和性能。您可以根据生产数据和注释持续改进提示、数据集和模型。
>> 作为后端服务：Dify的所有功能都配备了相应的API，因此您可以轻松地将Dify集成到自己的业务逻辑中。
2、特性比较
| Feature | Dify.AI | LangChain | Flowise | OpenAI Assistants API |
|---|---|---|---|---|
| Programming Approach | API + App-oriented | Python Code | App-oriented | API-oriented |
| Supported LLMs | Rich Variety | Rich Variety | Rich Variety | OpenAI-only |
| RAG Engine | ✅ | ✅ | ✅ | ✅ |
| Agent | ✅ | ✅ | ✅ | ✅ |
| Workflow | ✅ | ❌ | ✅ | ❌ |
| Observability | ✅ | ✅ | ❌ | ❌ |
| Enterprise Feature (SSO/Access control) | ✅ | ❌ | ❌ | ❌ |
| Local Deployment | ✅ | ✅ | ✅ | ❌ |
Dify的安装和使用方法
1、Dify的安装和启动
| 硬件 | 在安装Dify之前，请确保您的计算机满足以下最低系统要求： CPU >= 2核 RAM >= 4GB |
| 启动 | 启动Dify服务器的最简单方法是运行我们的docker-compose.yml文件。在运行安装命令之前，请确保Docker和Docker Compose已安装在您的计算机上： docker --version docker-compose --version cd docker docker compose up -d # 这个命令会根据 docker-compose.yml 文件中的配置，创建并启动所有的服务容器，并且在启动后让这些容器在后台运行。 运行后，您可以在浏览器中访问http://localhost/install并开始初始化过程。 如果您想要为Dify做出贡献或进行额外的开发，请参考我们的部署指南 |
| 自定义 | 如果您需要自定义配置，请参考我们docker-compose.yml文件中的注释并手动设置环境配置。在进行更改后，请再次运行docker-compose up -d。您可以在此处查看完整的环境变量列表。 如果您想要配置高可用性设置，社区贡献的Helm Charts可以让Dify部署在Kubernetes上。 |
第1步，安装Docker和Docker Compose，参考A3、Windows11系统安装→交互式安装即可，一次性安装Docker和Docker Compose
docker --version
docker-compose --versionDocker：Docker的简介、安装、使用方法之详细攻略_docker 知乎-CSDN博客
第2步，启动Docker服务容器，让其在后台运行
第3步，启动Dify服务并访问http://localhost/install
e:
cd E:File_PythonPython_NLPdify-main
cd docker
docker compose up -d 
第4步，进入界面，设置邮箱、账号和密码
Tesla
jason******niu@gmail.com
new+Q9
第5步，登录账号后，设置模型以及应用等
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用_llama3本地化rag教程-CSDN博客
2、使用Dify：
T1、云端
我们为任何人提供了一个无需设置即可尝试的Dify云服务。它提供了自部署版本的所有功能，并包括沙箱计划中的200次免费GPT-4调用。
T2、自托管Dify社区版：
使用这个入门指南快速在您的环境中运行Dify。使用我们的文档以获取进一步的参考和更详细的说明。
T3、面向企业/组织的Dify：
我们提供额外的面向企业的功能。与我们安排会议或发送电子邮件讨论企业需求。
对于使用AWS的初创企业和小型企业，请查看AWS Marketplace上的Dify Premium，并使用一键部署到您自己的AWS VPC。这是一个价格实惠的AMI套餐，可选择使用自定义标志和品牌创建应用程序。
Dify的案例应用
持续更新中……
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3模型)结合Dify前端框架(设置知识库文件+向量化存储+应用发布)创建包括实现本地知识库问答/翻译助手等多个应用_llama3本地化rag教程-CSDN博客
