Dify：把资料问答和自动化步骤画成 AI 工作流

Dify：把资料问答和自动化步骤画成 AI 工作流

资源介绍

Dify 把问题、资料和 AI 模型连接成可视化工作流，也就是按顺序执行的一组步骤。你可以先用少量非敏感资料做一个问答原型，再查看每一步的输入和输出；不要一开始接入生产数据或公开应用。

你可以拿它做什么

你可以在画布里编排 AI 工作流，连接不同模型并调试提示词；资料较多时，可以导入文档并通过检索为回答提供依据。Dify 还支持带工具的 Agent、运行日志与效果观察，以及把应用能力通过 API 接入自己的产品。下面先从草稿、模型连接和试运行三个环节上手。

做一个资料问答草稿

输入：一条非敏感问题和一段测试资料。

1. 新建工作流草稿，设置一个接收问题的输入。
2. 添加已配置的模型节点，把测试资料写入提示内容，并连接到输出节点。
3. 用一个答案就在测试资料里的问题运行一次，查看模型节点和最终输出。

输出：返回一条测试回答。

成功标志：能指出回答来自哪一步。

检查节点输出

输入：一个已经运行的草稿。

1. 打开运行记录。
2. 逐步查看节点。
3. 标记第一个异常输出。

输出：定位异常节点。

成功标志：知道应修改哪个节点。

用第二条问题检查流程

输入：已经跑通的测试流程，以及一条资料中没有答案的问题。

1. 在提示内容中要求模型只根据所给资料回答，资料不足时说明无法判断。
2. 保持草稿状态，输入这条缺少依据的问题再运行一次。
3. 查看模型节点输出；如果它编造答案，继续调整提示和资料范围。

输出：一条可与测试资料对照的回答，或资料不足的说明。

成功标志：你能检查回答是否有资料支持；输出不符合要求时，不把流程交给其他人使用。

下载后怎么用

先解压 source-packages 中的源码 ZIP，在解压得到的项目根目录打开终端。安装并启动 Docker，确保 Docker Compose 为 2.24.0 或更新版本，再按包内 README 执行：

cd docker
cp .env.example .env
docker compose up -d

首次运行会下载容器镜像，这些镜像不包含在源码 ZIP 中。服务启动后打开本机 http://localhost/install，按页面完成初始化，再配置一个可用的模型服务。这里的 API 是程序调用模型服务的接口；若使用商用模型，请先确认自己的调用额度。

先做一个只含问题、模型和输出的草稿，在提示内容中加入几句非敏感测试资料。运行后能看到每个节点的输入和输出，并找到最终回答，就完成了第一轮小样例。后续需要处理更多文档时，再添加资料检索步骤。

依赖与费用

• 可运行容器的设备，至少 2 核 CPU、4 GiB 内存，以及少量非敏感样例资料。
• 对模型密钥、用户权限、日志与数据保存范围的约定。
• Dify 社区版可免费自行部署。使用 Dify Cloud 付费套餐、Dify Enterprise 或 OpenAI、Anthropic、Gemini 等商业模型服务时，按相应服务商的规则收费；订阅和模型额度不包含在源码包中。也可选择兼容的自托管模型服务，不必购买 Dify Cloud 才能运行社区版。
• 服务器、存储和备份属于自行部署时的运行条件；不是源码包的收费项目。

限制与不适合

• 适合你：你要先验证一个内部 AI 问答或流程原型，再让同事试用。
• 下载前先看：模型回答可能出错，接入真实业务前要用有标准答案和无答案的样例分别检查。
• 下载前先看：模型或工具可能把数据发送到外部服务；你需要自行管理密钥、权限、数据范围和备份。

资源包里有什么

• Dify 社区版公开源码的固定版本 ZIP，包含服务端、网页界面与容器配置。
• README、许可证、PDF、中文说明、讲解卡和校验清单。

资源版本说明

本资源整理自 Dify 项目方公开内容，对应版本可在包内 metadata.json 查看。保留项目原有许可证和作者说明；不包含企业专属服务、容器镜像、模型权重、密钥、用户资料或已发布应用。