OPEN-SOURCE · AGENTIC WORKFLOW · LLMOPS
Dify
深度介绍
用于团队内部技术分享：理解 Dify 的产品边界、工程架构、适用场景、风险与落地路线。
用于团队内部技术分享：理解 Dify 的产品边界、工程架构、适用场景、风险与落地路线。
官方当前定义更接近：面向生产环境的 agentic workflow development platform。
它把模型、知识库、工具、流程编排、API 发布、观测与人工标注放在同一个工作台里，让团队从“Prompt 原型”走向“可运营的 AI 应用”。
一次输入，完整运行，输出结果。适合报告生成、批处理、数据处理、审批/质检链路。
每一轮对话都触发流程。适合客服、知识问答、互动助手、需要记忆与变量的会话。
节点依次执行，后续节点可读取前序变量。
分支同时运行，汇合后下游节点读取各分支结果。
对列表逐项处理，或按条件重复执行。
节点可复制到同工作流、跨工作流、跨实例，但依赖资源会重新校验。
上传 PDF、PPT、文档等资料，抽取文本并切分。
配置 embedding、召回策略、测试命中质量。
把知识库挂到 Workflow / Chatflow / Agent 节点中。
Marketplace / 社区插件，适合常见第三方服务。
通过 OpenAPI / Swagger 接内部系统或外部 API。
把一个 Workflow 封装成可复用工具；Chatflow 不支持。
接入 MCP server，将外部资源标准化成工具。
让 Agent 在受控工具列表中选择调用。
在流程中显式调用工具，更稳定、更可控。
不同任务需要不同模型、不同上下文、不同成本策略。把模型接入集中在 Workspace 层，能减少重复集成。
生产应用需要条件、校验、回退、人工标注。Workflow 把不确定性约束在局部。
日志、反馈、成本、命中率、标注数据决定应用能否持续变好。
API key / MCP URL 都是凭证，不能暴露在前端代码或公开客户端中；应由后端代理调用。
查看每次运行输入、节点输出、耗时、错误。
监控性能、成本、用户参与度。
收集 like / dislike 与文本反馈。
把生产反馈转成可复用的问答、规则或改进数据。
知识库问答、流程咨询、客服辅助、研发 FAQ。
报告生成、资料清洗、质检、分类、工单预处理。
把 Workflow 封成 API / MCP / Tool，被多个业务系统复用。
字段、文件、会话上下文是否可控。
是否需要条件分支、人工确认、降级路径。
知识库、外部 API、内部系统还是用户上传。
日志、成本、反馈、标注、版本管理。
真正的生产落地，需要 Dify 负责 AI 编排层；业务权限、审计、支付、核心数据写入，仍应由后端系统兜底。
找高频、边界清晰、可人工复核的任务。
输入、知识、模型、工具、输出先跑通。
接入内部系统，只做低风险读写。
用真实运行日志修 Prompt、数据和节点。
这类 Demo 能同时覆盖：知识库、条件分支、工具调用、会话输出、日志与反馈闭环。
内部分享建议讲法：用 Dify 做第一层 AI 应用编排，不要把它当成替代后端、权限系统或企业数据治理系统。