s
- Dify
Dify 是一个 面向企业与开发者的开源大模型应用（LLM App）开发与运营平台。可以将其理解为：
“用于快速构建、部署和运营 AI 应用（尤其是基于大语言模型的应用）的中台系统”。
一、Dify 的一句话定义
Dify = LLM 应用开发平台 + Prompt 工程平台 + 知识库系统 + API 服务层
适用于：
企业内部 AI 助手
智能客服 / 知识问答
AI Copilot
私有化部署的大模型应用
二、Dify 解决什么问题（为什么要用它）
如果不用 Dify，你通常需要自己解决：
Prompt 管理混乱（写在代码里）
知识库向量化、检索、召回逻辑复杂
多模型（OpenAI / 通义 / Claude / 本地模型）适配成本高
没有应用级权限、审计、限流
无法让非研发人员参与调优
Dify 把这些“AI 基础设施能力”平台化了。
三、核心能力模块（架构视角）
1️⃣ LLM 应用构建（无 / 低代码）
支持 Chat 应用 / Agent / Workflow
可视化配置 Prompt
支持多轮对话上下文管理
非开发人员也可参与
2️⃣ 知识库（RAG 核心）
文档上传：PDF / Word / Markdown / 网页
自动切分 + 向量化
基于向量数据库进行语义检索
RAG（检索增强生成）开箱即用
非常适合：企业 Confluence / Wiki / 制度文档 AI 化
3️⃣ 模型管理（多模型适配）
支持：
OpenAI（GPT-4 / GPT-4o 等）
通义千问
文心一言
Claude
本地模型（LLaMA / Qwen / Yi / vLLM / Ollama）
👉 可随时切换模型，不改业务代码
4️⃣ Prompt 工程与版本管理
Prompt 模板化
变量注入
A/B 测试
Prompt 版本回滚
运行日志与效果评估
5️⃣ API & SDK（工程集成）
每个应用自动生成 API
可直接对接：
Web 前端
企业微信 / 钉钉 / 飞书
后端系统
支持 Token / Key 管控、限流
6️⃣ 企业级能力
多租户
用户与权限
调用日志审计
用量统计
私有化部署（Docker / K8s）
四、Dify 与常见系统的对比
对比对象 Dify 的定位
ChatGPT Dify 是 应用平台，不是聊天机器人
LangChain Dify 是 平台化封装，LangChain 是开发库
Coze Dify 更偏企业私有化与工程化
FastGPT 功能类似，Dify 更偏国际化
Confluence AI Dify 是通用 AI 中台
五、典型使用场景（贴近你背景）
结合你在 测试 / 运维 / DevOps / 知识体系建设 的背景，Dify 非常适合：
✅ 企业知识库 AI
Confluence / 测试规范 / 运维 SOP
自动问答 + 智能检索
✅ 测试 / 运维 Copilot
测试用例生成
日志分析辅助
故障排查问答
✅ 内部 AI 平台
替代“私有 ChatGPT”
支持国产模型、私有数据
六、部署形态
SaaS 版（官方托管）
私有化部署（Docker / K8s）
支持内网、无公网、合规环境
七、一句话总结
Dify 不是一个“模型”，而是一个“把大模型变成企业可用系统的中台平台”。
如果你愿意，我可以下一步直接帮你：
对比 Dify vs FastGPT
给你一套 私有化部署架构图
设计一个 测试/运维 AI Copilot 的落地方案
或直接给你 Docker 一键部署方案
你更想从哪个角度深入？- AI系统-大模型评估-知识体系分析
AI 系统测试导学
AI 应用功能测试
AI 应用安全测试
回归、成本与可观测性
Prompt 专项测试
RAG 专项测试
| 序号 | 项目 | 描述 | 备注 |
| 1 | RAG 在企业AI中的地位 RAG 架构拆解 检索层测试目标 召回率 / 精确率定义 相似度阈值影响 Top-K 参数测试 查询改写效果 向量 / 关键词 / 混合检索 检索效率测试 并发检索能力 多模态检索场景 生成层测试目标 无幻觉验证方法 引用一致性测试 |
||
| 2 | |||
| 3 | |||
| 4 | |||
| 5 |
MCP 专项测试
Agent 智能体专项测试
AI 应用合规专项测试
LLM 基础能力评估
LLM 部署与健壮性测试
大模型训练过程测试
-
end
