Dify平台入门指南：从零开始构建AI应用

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

在开始构建复杂的智能体工作流之前，我们首先要做的，就是进入 Dify 的世界。很多开发者朋友在初次接触 Dify 时，可能会被其强大的功能所吸引，直接一头扎进工作流或知识库的创建中，却忽略了最基础也是最重要的一步——熟悉平台本身。这就像拿到一台新手机，不先了解主界面、设置和应用商店，就直接去下载复杂应用，很容易迷失方向。本文将作为 Dify 系列教程的第二课，手把手带你完成账号开通，并系统性地导览 Dify 的每一个核心界面，让你从“访客”变为“主人”，为后续的 AI 应用开发打下坚实基础。无论你是想快速验证 AI 想法的新手，还是寻求高效开发平台的团队，这篇文章都能帮你快速上手。

1. Dify 平台核心价值与定位回顾

在深入了解界面之前，我们有必要快速回顾一下 Dify 是什么，以及它能为我们解决什么问题。这有助于我们在后续的界面导览中，理解每个功能模块的设计初衷。

Dify 是一个开源的 LLM 应用开发平台，其核心目标是降低 AI 应用开发的门槛。它并非一个简单的聊天机器人前端，而是一个集成了模型编排、工作流设计、知识库（RAG）、应用部署与监控的全栈式平台。你可以把它想象成一个为 AI 应用量身定制的“集成开发环境（IDE）+ 后端即服务（BaaS）”。

它主要解决了以下几个痛点：

1. 环境搭建复杂：传统开发需要自行搭建向量数据库、处理模型 API 调用、管理对话上下文等，Dify 将这些基础设施封装好，开箱即用。
2. 流程编排困难：实现一个多步骤的 AI 智能体（例如：先联网搜索，再分析总结，最后调用工具）需要大量编码。Dify 通过可视化的拖拽工作流，让复杂逻辑的构建变得直观。
3. 工程化部署繁琐：从原型到可稳定对外服务的应用，涉及部署、监控、版本管理等。Dify 提供了从开发、测试到一键发布的全流程支持。

简单来说，Dify 让你可以更专注于业务逻辑和创意，而不是底层技术实现。接下来，我们就从“入门”开始，正式进入 Dify 平台。

2. 开通你的 Dify 账号

使用 Dify 主要有两种方式：使用其官方提供的云端服务（SaaS），或者在本地/自有服务器上进行私有化部署。对于绝大多数初学者和希望快速上手的开发者，强烈建议从云端服务开始，它能让你在几分钟内就体验到 Dify 的全部核心功能，无需操心服务器、Docker、环境变量等运维问题。

2.1 访问官网与注册

首先，打开浏览器，访问 Dify 的官方网站。在搜索引擎中直接搜索 “Dify” 通常第一个结果就是。或者，你也可以直接输入其官方域名进行访问。

进入官网后，你会在页面右上角看到Get Started或开始使用的按钮。点击它，你会进入账号注册/登录页面。

Dify 通常支持多种注册方式，以方便不同用户：

• 邮箱注册：最通用的方式，输入你的邮箱地址，设置密码，并通过邮件验证即可。
• 第三方账号登录：可能会支持使用 GitHub、Google 等账号进行快捷登录和授权。这对于开发者来说非常方便。

操作步骤：

1. 点击Sign Up或注册。
2. 选择邮箱注册，填写有效的邮箱地址和密码（密码需有一定强度）。
3. 前往你的邮箱查收验证邮件，点击邮件中的链接完成验证。
4. 验证成功后，系统会自动跳转回 Dify 平台，此时你的账号就已经创建完成了。

重要提示：请务必使用你能正常访问的邮箱，因为后续的重置密码、重要通知都会通过该邮箱进行。

2.2 理解云服务与本地部署的选择

在成功登录后，你就正式进入了 Dify 的控制台。但在此之前，我们需要明确一个概念：你现在使用的是Dify Cloud（云端服务）。

• Dify Cloud（云端）：由 Dify 官方维护的服务器，你只需要一个账号即可使用。优势是零运维、开箱即用、自动升级，非常适合个人学习、团队快速原型验证以及中小型项目。数据存储在官方云端，你需要阅读并理解其服务条款和隐私政策。
• Dify Self-Hosted（本地部署）：将 Dify 的源代码部署在你自己的服务器或电脑上。优势是数据完全自主可控、可深度定制、无网络依赖，适合对数据安全有严格要求的企业、需要离线环境使用的场景，或需要进行二次开发的团队。部署方式通常使用 Docker Compose，对用户的运维能力有一定要求。

作为入门教程，我们强烈建议你从云端服务开始。当你对 Dify 的功能非常熟悉，并且项目有私有化需求时，再考虑本地部署。网络上的 “dify本地部署教程”、“docker 安装 dify” 等热搜词，就是为后一种场景准备的。

3. Dify 控制台全景导览

登录成功后，你会进入 Dify 的主控制台界面。这个界面是你所有工作的起点，结构清晰，主要分为以下几个区域：

3.1 顶部导航栏

位于页面最上方，通常包含以下元素：

• Logo / 首页按钮：点击可随时返回控制台概览页。
• 工作区切换器（如有）：如果你同时是多个团队（工作区）的成员，可以在这里切换。对于个人用户，通常只有一个默认工作区。
• 资源菜单：这是核心导航入口，通常以图标或文字形式列出，包括应用、工作流、知识库、工具、日志与监控等。我们后续的绝大部分操作都会在这里进行。
• 模型供应商设置：一个非常关键的入口，可能以模型供应商、LLM Providers或类似名称存在。在这里，你需要配置 OpenAI、Azure OpenAI、Anthropic、Ollama（本地模型）等大语言模型的 API 密钥，Dify 才能调用它们来运行你的应用。
• 用户头像/设置：点击可以查看账户信息、切换主题（深色/浅色）、查看文档、退出登录等。

3.2 左侧边栏（核心功能模块）

这是 Dify 平台的“心脏”，所有核心功能都排列在此。我们来逐一拆解：

1. 概览（Dashboard）：

   • 是什么：控制台的默认首页，展示工作区的整体情况。
   • 看什么：这里会显示你创建的应用数量、近期活跃度、API 调用次数、费用消耗（如果使用付费模型）等关键数据面板。帮助你快速了解整体运行状况。

2. 应用（Apps）：

   • 是什么：你使用 Dify 构建的所有 AI 应用的集合列表。一个“应用”是最终可独立访问和使用的成品，例如一个客服机器人、一个内容总结工具或一个智能编程助手。
   • 能做什么：在这里，你可以创建新应用、查看和管理所有已创建的应用。每个应用都可以独立配置其使用的模型、提示词、工具和知识库。

3. 工作流（Workflows）：

   • 是什么：Dify 最强大的功能之一，一个可视化、拖拽式的 AI 逻辑编排画布。它超越了简单的单轮对话，允许你构建多步骤、有条件分支、能并行处理、可调用外部工具的复杂 AI 智能体。
   • 与“应用”的关系：你可以将工作流看作是一个应用的“后端逻辑引擎”。一个应用可以直接基于一个对话型助手（Chat App）创建，也可以基于一个更复杂的工作流（Workflow App）创建。工作流提供了更精细的控制能力。

4. 知识库（Knowledge Bases）：

   • 是什么：实现 RAG（检索增强生成）功能的核心模块。你可以在这里上传文本、PDF、Word、Excel、PPT、TXT 等文件，Dify 会自动进行文本提取、分割、向量化并存储到向量数据库中。
   • 如何使用：创建知识库后，你可以在构建应用或工作流时关联它。当用户提问时，系统会先从知识库中检索相关片段，再连同问题和上下文一起发送给 LLM，从而生成更精准、更具事实依据的答案。

5. 工具（Tools）：

   • 是什么：扩展 AI 应用能力的“手脚”。Dify 内置了一些基础工具（如联网搜索、代码执行器），并支持通过MCP（Model Context Protocol）协议连接海量外部工具。
   • 关键价值：通过工具，你的 AI 应用可以获取实时信息（搜索）、操作数据库、调用企业内部 API、发送邮件等，真正实现自动化。

6. 日志与监控（Logs & Analytics）：

   • 是什么：用于调试和观察应用运行情况的“黑匣子”和“仪表盘”。
   • 日志：记录每一次用户对话、工作流执行的详细步骤、模型调用请求和响应、工具调用结果等。当应用表现不符合预期时，这里是排查问题的第一现场。
   • 监控：提供应用的使用量统计、响应时间、Token 消耗等指标，帮助你优化成本和性能。

7. 成员与权限（Members）（团队版功能）：

   • 是什么：如果你使用的是团队版或企业版，可以在这里管理团队成员，并为他们分配不同应用或功能的访问、编辑、管理权限，实现协同开发。

3.3 主内容区

中间最大的区域就是主内容区。它的内容会根据你在左侧边栏点击的不同选项而动态变化。

• 当你在“概览”时，它显示数据面板。
• 当你在“应用”时，它显示应用列表或单个应用的编辑界面。
• 当你在“工作流”时，它显示工作流画布。
• 当你在“知识库”时，它显示文档上传和管理界面。

3.4 模型供应商配置：你的第一步关键设置

在你兴致勃勃地想要创建第一个应用之前，有一个必须完成的步骤：配置模型供应商。没有配置模型，Dify 就像一辆没有发动机的汽车，无法运行。

操作路径：点击顶部导航栏的模型供应商或LLM Providers。

配置页面详解： 在这个页面，你会看到一个支持的大型语言模型（LLM）供应商列表，常见的包括：

• OpenAI：包括 GPT-3.5-Turbo, GPT-4, GPT-4o 等。
• Azure OpenAI：微软云上的 OpenAI 服务。
• Anthropic Claude：Claude 系列模型。
• Ollama：用于连接本地运行的开源模型（如 Llama 3, Qwen, Gemma 等）。这是“dify ollama”成为热词的原因。
• Google Gemini、DeepSeek、通义千问等国内外其他主流模型。

以配置 OpenAI 为例：

1. 在列表中找到OpenAI，点击其卡片或“配置”按钮。
2. 你需要填写以下关键信息：
   • 模型类型：选择Chat（对话模型）。
   • 模型名称：从下拉列表中选择，例如gpt-3.5-turbo（性价比高，适合入门）。
   • API 密钥：这是最重要的信息。你需要前往 OpenAI 官网注册账号并创建 API Key，然后将其粘贴在此处。请妥善保管你的 API Key，不要泄露。
   • API 基础 URL：通常使用默认的https://api.openai.com/v1即可。如果你使用第三方代理或 Azure 服务，则需要修改。
3. 填写完成后，可以点击“测试连接”验证配置是否正确。
4. 保存配置。

为什么这是关键一步？因为后续你创建的任何应用或工作流，都需要指定一个“推理模型”。只有在这里配置好的模型，才会出现在应用的可选列表中。这也是很多新手遇到“dify llm 提供者的密钥未设置”错误的根源。

4. 创建你的第一个应用：从对话助手开始

现在，平台熟悉了，模型也配好了，让我们动手创建第一个 AI 应用，直观感受 Dify 的工作流程。

4.1 选择应用类型

1. 点击左侧边栏的应用。
2. 在应用列表页面，点击右上角的创建应用按钮。
3. 你会看到两种主要的应用类型选择：
   • 对话型应用：基于纯对话模式，适合构建聊天机器人、客服助手等。这是最简单的入门方式。
   • 工作流应用：基于我们之前提到的可视化工作流，适合构建有复杂逻辑、多步骤的智能体。我们后续课程会深入讲解。
4. 选择对话型应用，并为其取一个名字，例如“我的第一个AI助手”。

4.2 应用编排界面详解

点击创建后，你会进入该应用的“编排”界面。这个界面是定义应用大脑的地方，主要包含三个部分：

1. 提示词编排区（中央编辑器）：

   • 角色与提示词：在这里给你的助手设定“人设”和初始指令。例如：“你是一个友好的编程助手，专门帮助开发者解决 Python 和 JavaScript 问题。回答要简洁、准确，并提供代码示例。”
   • 对话开场白：设置用户打开聊天窗口时看到的第一句话。
   • 上下文变量：你可以定义一些变量，在提示词中用{{variable}}的形式引用，实现动态内容。
   • 关联知识库：在这里你可以选择之前创建的知识库，为该助手赋予“长期记忆”和特定领域知识。
   • 工具：勾选你希望这个助手能使用的工具，例如“联网搜索”。勾选后，助手在需要最新信息时，会自动调用搜索功能。

2. 模型与参数配置区（右侧边栏）：

   • 模型：从下拉列表中选择你在“模型供应商”中配置好的模型，例如gpt-3.5-turbo。
   • 参数：调整模型的行为，这是控制生成质量的关键。
     • 温度：控制创造性与随机性。值越高（接近1），回答越多样、有创意；值越低（接近0），回答越确定、保守。通常建议设置在 0.7 左右。
     • 最大 Token 数：限制单次回复的长度。
     • 上下文长度：定义模型能记住多长的对话历史。

3. 预览与测试区（右侧或下方）：

   • 在配置的同时，你可以直接在右侧的聊天窗口中进行实时测试，输入问题，查看助手的回答是否符合预期。这是即时反馈、快速迭代的关键。

4.3 发布与访问应用

当你对助手的表现满意后，就可以将其发布出去。

1. 点击页面右上角的发布按钮。
2. Dify 会为你生成两种主要的访问方式：
   • Web 访问地址：一个独立的网页链接，你可以直接分享给他人使用。这就是一个完整的、可交互的 AI 应用。
   • API 端点：如果你希望将 AI 能力集成到自己的网站、小程序或后端系统中，可以使用提供的 API 和密钥进行调用。
3. 发布后，你可以在“应用”列表中找到它，并随时回来修改提示词、调整模型或查看使用日志。

至此，你已经完成了从注册到创建并发布一个完整 AI 应用的全过程。这个应用虽然简单，但已经具备了核心的 AI 对话能力。

5. 工作流界面初探

对话应用是起点，而工作流才是 Dify 的精华所在。让我们快速浏览一下工作流界面，为下一课深入实操做准备。

1. 点击左侧边栏的工作流，然后点击创建工作流。
2. 你会进入一个全新的画布界面。中间是广阔的绘图区，左侧是节点工具箱，右侧是节点配置面板。

核心概念：

• 节点：工作流中的基本执行单元。每个节点代表一个特定的操作，例如“LLM 调用”、“知识库检索”、“条件判断”、“代码执行”、“HTTP 请求”等。
• 连线：连接节点的箭头，代表数据的流向。一个节点的输出，可以作为下一个节点的输入。
• 画布：你进行可视化编程的区域，通过拖拽节点和连接线来构建逻辑。

一个极简工作流示例： 你可以尝试拖拽一个开始节点到画布，再拖拽一个LLM节点，然后用线将它们连接起来。在LLM节点配置中，选择模型并编写提示词，例如：“请将用户输入翻译成英文。” 最后添加一个回答节点连接到LLM节点。点击右上角的“运行”，在下方输入测试文本，你就能看到这个翻译工作流是如何一步步执行的。

这个可视化界面极大地降低了构建复杂 AI 逻辑的认知负担，也是“dify工作流教程”、“dify工作流案例”等成为热门搜索的原因。

6. 知识库管理界面

知识库是让 AI 应用“博学多才”的关键。

1. 点击左侧边栏的知识库，然后点击创建知识库。
2. 创建后，进入知识库详情页，你会看到以下几个主要功能：
   • 文档上传：支持批量上传多种格式文件。上传后，Dify 会在后台自动进行文本解析、分块和向量化索引。
   • 索引方式：可以选择分段策略（如按字符数、段落）、向量化模型等。对于初学者，使用默认的高效模式即可。
   • 命中测试：在知识库上传文档后，你可以直接在界面中输入问题进行测试，查看系统检索到了哪些文本片段，从而评估知识库的质量。
   • 应用关联：可以看到有哪些应用正在使用这个知识库。

常见问题“dify文件上传失败”的排查点：

• 文件格式不支持。
• 文件大小超限。
• 文件内容为空或无法解析。
• 网络问题导致上传中断。通常界面会有明确的错误提示。

7. 常见问题与界面操作排错指南

在熟悉界面的过程中，你可能会遇到一些困惑或错误，这里汇总一些初期常见问题的解决思路。

8. 最佳实践与下一步学习路线

8.1 新手上路最佳实践

1. 从简入繁：不要一开始就挑战复杂的工作流。先从对话型应用开始，玩转提示词工程，感受不同模型和参数的效果。
2. 善用测试与迭代：Dify 的“预览”功能非常强大。每修改一次提示词或参数，立即测试，观察变化，快速迭代。
3. 日志是你的好朋友：任何不符合预期的输出，第一时间去“日志与监控”里查看详细的执行过程，包括模型接收到的具体提示、返回的原始内容、工具调用的输入输出等。这是调试的黄金准则。
4. 理解费用：如果你使用 OpenAI、Claude 等付费 API，时刻关注“概览”页面的用量统计。在测试阶段，可以使用更便宜的模型（如 gpt-3.5-turbo），或设置用量上限。

8.2 下一步可以探索什么？

在熟悉了基本界面和创建了第一个应用后，你的 Dify 之旅才刚刚开始。接下来可以沿着以下路径深入学习：

1. 深入工作流：学习使用“条件判断”、“循环”、“变量赋值”等节点，构建能处理复杂逻辑的智能体。尝试复现一个“dify工作流案例”，比如自动生成社交媒体文案的流水线。
2. 精通知识库：研究不同的文本分割方法、向量化模型对检索效果的影响。学习如何清洗和准备高质量的文档数据，这是做好 RAG 应用的基础。
3. 连接外部世界：探索“工具”的使用。学习如何通过 MCP 协议连接数据库、API，或使用内置的联网搜索，让你的 AI 应用获得实时信息和执行能力。
4. 探索插件生态：访问 Dify 的插件市场，看看有哪些现成的工具和模型可以一键集成，快速扩展应用能力。
5. 考虑部署选项：如果你对数据隐私有要求，或者需要定制化开发，可以开始研究“dify本地部署教程”，学习使用 Docker 在自有环境中部署 Dify。

通过本课的学习，你已经成功跨越了从“听说 Dify”到“亲手使用 Dify”的门槛。你不仅拥有了一个可用的账号，更对 Dify 平台的各个功能模块有了全景式的认识。记住，所有复杂的能力都是由这些基础界面和操作组合而成的。接下来，就请以你创建的第一个 AI 助手为起点，开始大胆地探索和构建吧。在后续的课程中，我们将逐一拆解工作流、知识库等高级功能，带你解锁更强大的 AI 应用开发能力。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度