在构建基于大模型的AI应用时，你是否曾为模型接入的复杂性而头疼？不同的模型提供商、各异的API接口、复杂的密钥管理，以及后续的切换与测试成本，常常让开发者望而却步。Dify作为一款生产级的Agentic工作流开发平台，其核心优势之一就是提供了统一、便捷的大模型接入能力，让你能够像切换工具一样轻松地在不同模型间切换，将精力真正聚焦于应用逻辑本身。
本文将作为“Dify实战系列”的第三课，为你详细拆解如何在Dify中接入各类大语言模型。无论你是想快速体验ChatGPT的能力，还是希望集成开源模型如Llama、Qwen，或是使用国内服务商如智谱、月之暗面，本文都将提供从概念到实操的完整路径。我们将从模型提供者的概念讲起，逐步完成API密钥配置、模型选择、参数调优，并最终通过一个简单的对话应用验证接入是否成功。跟随本教程，你将掌握在Dify中灵活驾驭大模型的核心技能。
1. 理解Dify的模型接入架构
在开始动手配置之前，理解Dify如何管理模型是至关重要的。这能帮助你在后续步骤中知其然，更知其所以然。
1.1 什么是模型提供者（Model Provider）
在Dify的语境中，模型提供者指的是大语言模型的供应方或服务接口。它不仅仅是一个模型本身，更是一套完整的服务访问规范。例如：
- OpenAI是一个提供者，它旗下有
gpt-4o,gpt-4-turbo,gpt-3.5-turbo等多个模型。 - Azure OpenAI是另一个提供者，虽然底层模型可能相同，但访问的API端点、认证方式和计费体系独立。
- Anthropic提供 Claude 系列模型。
- Ollama作为一个提供者，允许你接入本地或内网部署的各类开源模型（如 Llama3, Qwen2.5 等）。
Dify 通过“模型提供者”这一抽象层，将不同来源、不同协议的模型服务标准化，为上层应用提供统一的调用接口。这意味着你的AI应用（如聊天机器人、工作流）无需关心底层调用的是哪个厂商的API，只需通过Dify配置好的模型名称进行调用。
1.2 支持的模型类型与典型场景
Dify 支持接入的模型主要分为两大类，适用于不同的开发需求：
文本生成模型 (LLM)
- 作用：用于理解和生成自然语言文本，是构建对话、内容创作、总结、翻译等应用的核心。
- 典型提供者：OpenAI GPT系列、Anthropic Claude系列、Google Gemini、国内智谱GLM、百度文心一言、月之暗面Kimi、通义千问等。
- 在Dify中的应用：作为“对话”应用的大脑，或在工作流中担任“推理”、“生成”节点。
文本嵌入模型 (Embedding)
- 作用：将文本（如文档、句子）转换为高维向量（一组数字），用于计算文本间的语义相似度。这是构建知识库（RAG）的基石。
- 典型提供者：OpenAI的
text-embedding-ada-002,text-embedding-3-small，以及开源的BGE,text2vec等模型。 - 在Dify中的应用：当你创建知识库并上传文档时，Dify会使用配置的嵌入模型将文档内容向量化并存储，以便在用户提问时进行语义检索。
为什么需要分开配置？一个复杂的AI应用可能同时需要这两种模型。例如，一个智能客服系统：先用嵌入模型在知识库中检索相关答案片段，再用文本生成模型将这些片段组织成流畅、准确的回复。Dify允许你为不同的任务选择最合适、最具性价比的模型。
1.3 模型配置的核心：凭据与端点
接入任何一个模型提供者，通常都需要以下核心信息：
- API密钥 (API Key)：用于身份验证，证明你有权访问该服务。这是最关键的保密信息。
- API基础地址 (Base URL/Endpoint)：指向模型服务API的地址。对于云服务（如OpenAI），这是固定的；对于自托管模型（如通过Ollama、vLLM部署），这是你本地服务器的地址。
- 模型名称 (Model Name)：指定你要使用的具体模型，如
gpt-4o,claude-3-5-sonnet-20241022。
Dify 的模型配置界面正是围绕这些信息设计的。接下来，我们将进入实战环节。
2. 环境准备与前提条件
在开始配置模型之前，请确保你已经拥有一个可运行的Dify环境。如果你还没有，可以参考本系列的前置课程或官方文档进行部署。
2.1 已部署的Dify服务
你需要一个正在运行的Dify实例。无论是通过：
- Docker Compose在本地或服务器部署
- 云服务商一键部署
- 直接源码运行
确保你可以通过浏览器访问到Dify的Web界面（通常是http://localhost:3000或你的服务器IP/域名）。
2.2 获取模型API密钥
根据你计划接入的模型，提前准备好相应的API密钥：
- OpenAI