1. 项目背景
Dify 的模型供应商列表里有 OpenAI、Anthropic，但也有 Ollama、Xinference、LocalAI——甚至你可以接入自己开发的自定义模型后端。这些"非官方" Provider 之所以能无缝接入，靠的是插件系统（Plugin System）。插件不是直接跑在 Dify 的 Python 进程里的——而是在一个独立的 Go 服务（Plugin Daemon）中运行。这套"插件沙箱"架构有三个核心价值：
安全隔离：一个插件出了 bug（如内存泄漏、死循环）不会拖垮整个 Dify API。Daemon 可以独立 kill 插件进程并重启。
语言无关：插件可以用 Python 写，也可以用 Go 写。Python 插件通过 gRPC 与 Daemon 通信，Go 插件直接被 Daemon 加载为子进程。
热插拔：安装、升级、卸载插件都不需要重启 Dify——Daemon 动态管理插件生命周期。
理解这套架构意味着你能：评估第三方插件的安全性、排查"插件模型调不通"时知道是 Daemon 问题还是网络问题、甚至自己开发一个插件发布到 Marketplace。
2. 项目设计
小胖：（看着 docker-compose 里的 plugin_daemon 服务）“大师，为啥 Plugin Daemon 用 Go 写？Dify 后端全是 Python，搞两种语言不是增加维护负担吗？”