一、Dify简介
Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps[1] 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。
由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。
二、Dify与大模型开发
Dify 是苏州一家公司开源的平台，因此在使用上符合国人习惯，更重要的是它完全开源，能够快速做出大模型应用的同时，还能嵌入你已有的平台。因此有很多便利。
• 创业，快速的将你的 AI 应用创意变成现实，无论成功和失败都需要加速。在真实世界，已经有几十个团队通过 Dify 构建 MVP（最小可用产品）获得投资，或通过 POC（概念验证）赢得了客户的订单。
• 将 LLM 集成至已有业务，通过引入 LLM 增强现有应用的能力，接入 Dify 的 RESTful API 从而实现 Prompt 与业务代码的解耦，在 Dify 的管理界面是跟踪数据、成本和用量，持续改进应用效果。
• 作为企业级 LLM 基础设施，一些银行和大型互联网公司正在将 Dify 部署为企业内的 LLM 网关，加速 GenAI 技术在企业内的推广，并实现中心化的监管。
• 探索 LLM 的能力边界，即使你是一个技术爱好者，通过 Dify 也可以轻松的实践 Prompt 工程和 Agent 技术，在 GPTs 推出以前就已经有超过 60,000 开发者在 Dify 上创建了自己的第一个应用。
三、Dify部署
Dify部署方式多种多样，可以简单点使用云服务，或者使用本地部署，这里简单演示一下本地docker部署方式。
安装条件
安装 Dify 之前, 请确保你的机器已满足最低安装要求：
• CPU >= 2 Core
• RAM >= 4 GiB
安装步骤

1、启动Dify进入 Dify 源代码的 Docker 目录，复制环境配置文件，启动Docker

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

二、Dify 功能简介
本次入门篇，简单介绍dify几个常用的主要功能，会在陆续的文章里详细介绍，并且分享一些使用踩坑等经验。

1. 接入大模型 AI相关的应用，最在意的就是大模型的接入了吧。 从模型类型上来说，Dify支持推理、嵌入、向量、语音转文本、文本转语音
   共五种模型。 从模型提供商来说，Dify支持的更多了，基本上场景的方式都支持了，不过还是有所限制的。
   如，对ollama，只支持推理模型与嵌入模型，尽管ollama上也有别的模型。至于不同的模型有什么具体的区别，有必要的话，后面会单独写一篇。
   添加模型的方式： 个人账号–>设置–>工作空间–>模型供应商–>选择具体的供应商–>添加连接信息

三、知识库设置从分段模式上来说，分为两种方式，通用模式VS父子模式，在索引上分为高质量与经济模式，在检索上分为向量检索、全文检索与混合检索。



知识库使用

1. 进入 工作室 – 创建应用 --创建聊天助手
2. 进入 上下文设置 点击 添加 选择已创建的知识库
3. 在 上下文设置 – 参数设置 内配置召回策略
4. 在 添加功能 内打开 引用和归属
5. 在 调试与预览 内输入与知识库相关的用户问题进行调试
6. 调试完成之后保存并发布为一个 AI 知识库问答类应用