前面我们系统学习了 Coze 平台从零基础入门到 API 集成的全流程，能够快速搭建 SaaS 化智能体、实现轻量 AI 业务落地。但如果企业有严格的数据隐私要求、需要深度定制业务逻辑、或是希望完全掌控 AI 服务，纯 SaaS 平台就无法满足需求了。

从本篇开始，我们开启私有化 AI 应用开发系列，主角是目前行业最主流的开源 LLM 应用开发平台 Dify。作为系列第一篇，我们将从平台定位、Docker 部署、模型接入到首个工作流搭建，带大家从零跑通第一套私有化 AI 服务。

一、Dify 平台核心介绍

Dify 是一款开源的大语言模型应用开发平台，融合了 BaaS（后端即服务） 的设计理念，将 AI 应用开发所需的全部底层能力封装为标准化模块，让开发者无需重复搭建底层架构，即可快速交付生产级生成式 AI 应用。即使是非技术人员，也能通过可视化界面完成应用定义、数据运营与效果调优。

截至 2026 年 7 月，Dify 官方 GitHub 仓库（langgenius/dify）已收获超 14 万 Star，迭代至 v1.16.1 版本，是目前生态最成熟、社区最活跃的开源 AI 应用开发框架之一。

1.1 核心能力全景

Dify 内置了 AI 应用开发的全链路技术栈，核心能力覆盖 7 大模块：

1. 可视化工作流：拖拽式编排复杂 AI 业务流程，支持分支、循环、变量传递等高级逻辑
2. 全模型兼容：无缝对接全球数十家推理服务商的上百款商用 / 开源大模型，同时支持所有 OpenAI 协议兼容的自建模型，避免厂商绑定
3. Prompt IDE：可视化提示词调试界面，支持多模型效果对比、一键发布，搭配文本转语音等扩展能力
4. 企业级 RAG 引擎：全链路知识库能力，支持 PDF、PPT、Word 等数十种文档解析，覆盖分段、检索、重排全流程调优
5. 智能体框架：支持 Function Calling、ReAct 两种 Agent 模式，内置 50 + 官方工具，也支持自定义工具扩展
6. LLMOps 可观测：完整的对话日志、性能统计、标注优化体系，可基于生产数据持续迭代应用效果
7. 全量 API 输出：所有能力均配套标准化 API，可无缝集成到自有业务系统，真正实现 “一次编排，多处调用”

1.2 常见版本说明

• 社区版：核心功能完全开源，基于 Apache 2.0 协议（Open-Core 模式），满足绝大多数中小团队的私有化需求
• 企业版：提供企业级权限、SLA 保障、高级运维、定制化支持，适合中大型组织
• 云服务版：官方托管的 SaaS 服务，无需部署开箱即用，包含免费体验额度

二、Docker Compose 一键部署（2026 最新版）

Dify 官方最推荐的部署方式是 Docker Compose，全程仅需几条命令即可完成全套服务搭建，新手友好度极高。

2.1 环境要求

官方最低配置要求，生产环境建议配置更高：

• CPU：≥ 2 核心
• 内存：≥ 4 GiB
• 软件：Docker 与 Docker Compose v2.24.0 及以上版本
• Windows 用户需提前启用 WSL2 后端，确保 Docker 正常运行

2.2 前置准备：Docker 镜像加速

Dify 包含十多个服务镜像，总体积较大，国内用户建议先配置镜像加速，避免拉取失败。 打开 Docker Desktop 设置，在 Docker Engine 配置中添加国内镜像源：

{
  "registry-mirrors": [
    "https://docker.nju.edu.cn",
    "https://hub-mirror.c.163.com"
  ]
}

保存并重启 Docker 生效。

2.3 正式部署步骤

步骤 1：获取项目源码

两种方式二选一：

• Git 克隆（推荐，方便后续升级）

git clone https://github.com/langgenius/dify.git

• 直接下载压缩包：从 GitHub 仓库下载最新 Release 源码包，本地解压

步骤 2：初始化环境变量

进入项目内的 docker 目录，复制配置模板：

cd dify/docker
cp .env.example .env

基础部署无需修改配置项，有定制化需求可后续调整.env文件。

步骤 3：一键启动服务

执行启动命令，后台运行所有服务：

docker compose up -d

首次启动会自动拉取全部镜像并初始化，根据网络情况等待 3-10 分钟即可。

步骤 4：完成初始化安装

启动成功后，浏览器访问初始化地址：

http://127.0.0.1/install

按照页面提示设置管理员账号、密码，完成初始化后即可进入 Dify 主界面。

三、首个实战：搭建科普问答工作流

部署完成后，我们通过一个最简单的「科普问答助手」，带大家熟悉模型接入、工作流编排、试运行的完整流程。

3.1 第一步：接入大模型

Dify 将模型按用途分为三类，可在「设置」-「模型供应商」中统一配置：

1. 系统推理模型：应用对话、内容生成、逻辑推理的核心模型，是最常用的类型
2. Embedding 模型：专门用于知识库文档与用户提问的向量化，直接影响 RAG 检索效果
3. 语音转文字模型：对话应用中语音输入的转写模型

新手可优先接入一款推理模型，平台支持通义千问、豆包、DeepSeek 等国内主流模型，也可通过 OpenAI 兼容协议接入自建模型。配置时只需填入对应的 API Key 与基础地址，保存后即可调用。

3.2 第二步：创建空白工作流应用

进入「工作室」页面，点击创建应用，选择「工作流」类型。

这里注意：Dify 的「应用」概念与 Coze 不同，它指代单个 AI 能力单元（对话应用、工作流应用等），而非完整的带 UI 前端产品；更侧重后端能力编排，前端交互可通过 API 自行定制。

3.3 第三步：编排基础工作流

我们搭建最经典的三段式基础工作流：开始节点 → LLM 节点 → 结束节点

1. 开始节点：添加一个字符串类型的输入参数 query，用于接收用户的问题
2. LLM 节点：选择已接入的推理模型，配置系统提示词

   你是专业的科普助手，用通俗易懂的语言解答用户的科学问题。
   要求兼顾准确性和趣味性，避免晦涩术语，适合大众理解。
   

   将开始节点的 query 变量传入用户输入位
3. 结束节点：直接承接 LLM 节点的输出内容，作为最终返回结果

3.4 第四步：试运行验证

点击右上角「试运行」，输入测试问题：

为什么天空是蓝色的？

查看运行结果，确认模型输出正常、流程无报错，第一个 Dify 工作流就搭建完成了。后续可以在此基础上添加知识库、工具调用、分支判断等能力，扩展更复杂的业务逻辑。

四、Dify vs Coze 选型对比

很多同学会疑惑：两个都是可视化 AI 开发平台，到底该选哪个？其实二者定位差异非常明显，分别适配完全不同的场景。

表格

对比维度	Coze（扣子）	Dify
核心定位	面向 C 端 / 运营的 AI 应用生态平台，主打快速搭建对话式 Bot	面向开发者的 LLMOps 与 BaaS 平台，主打生产级私有化 AI 应用
目标用户	非技术人员、运营、内容创作者、产品经理	开发者、AI 工程师、企业技术团队
模型生态	优先字节系与国内主流模型，生态相对封闭	中立兼容上百款模型，支持全自建，无厂商绑定
部署方式	以 SaaS 云端服务为主，数据平台托管	核心能力支持完全私有化部署，数据完全自主可控
功能侧重	对话体验优化、多端发布、字节生态打通	复杂工作流、深度 RAG 调优、企业级权限、可观测运维
技术栈	后端 Golang，前端 React+TS	后端 Python/Flask，前端 Next.js+TS，二次开发门槛更低
开源情况	仅部分组件开源，核心能力闭源	核心功能开源，Open-Core 模式，支持深度定制二次开发

选型建议

选 Coze 的场景：

• 零代码快速搭建聊天机器人、营销助手、轻量工具
• 核心需求是快速验证原型，发布到抖音、飞书等平台
• 不关注底层架构，追求开箱即用的流畅体验

选 Dify 的场景：

• 企业级场景，数据隐私合规要求高，必须私有化部署
• 需要构建复杂知识库、深度定制业务流程的生产级应用
• 技术团队有二次开发需求，希望完全掌控 AI 能力，避免生态绑定
• 需要完善的 LLMOps 运营体系，持续迭代优化应用效果

简单总结：轻量快速、个人 / 运营场景选 Coze；复杂生产、企业私有化场景选 Dify。

五、本章总结

1. Dify 是目前最主流的开源 LLM 应用开发平台，具备工作流、RAG、Agent、多模型兼容等全链路能力，主打私有化部署与生产级落地
2. 通过 Docker Compose 可一键完成 Dify 部署，国内用户建议提前配置镜像加速，提升成功率
3. Dify 将模型分为推理、Embedding、语音转文字三类，可灵活对接国内外主流模型与自建模型
4. 二者无优劣之分，Coze 适合快速轻量落地，Dify 适合深度定制与私有化，按需选型即可

下一篇我们将进阶讲解 Dify RAG 知识库全流程实战，包括文档上传、分段策略、检索参数调优、效果优化等核心内容，带大家搭建企业级私有知识库问答系统。

---

上述内容会根据大家的评论和实际情况进行实时更新和改进。

麻烦小伙伴们动一动发财的小手，给小弟点个赞和收藏，如果能获得小伙伴的关注将是我无上的荣耀和前进的动力。

小伙伴们，我是AI大佬的小弟，希望大家喜欢！！！

晚安，兄弟们。