Dify 完整教學 2026：15.3 萬星開源 LLM 應用平台，從安裝到 RAG 客服機器人實戰
結論：Dify 是開源的 LLM 應用開發平台，用視覺化畫布就能串接模型、建立 RAG 知識庫、編排 AI Agent 工作流，完成後自動產生 API 讓你把 AI 功能接進自家產品；Docker 一行指令即可自架，雲端版免費方案每月 200 次訊息額度，是 2026 年把 AI 應用快速上線的最短途徑之一。
什麼是 Dify？（30 秒直接答案）
Dify（發音類似「Dify」）是一個開源、低程式碼的 LLM 應用程式開發平台，由 LangGenius 團隊開發。你可以把它想成「AI 應用的 Figma」：把模型、提示詞、知識庫、工具用拖曳節點串起來，不需要寫編排程式碼，就能做出聊天機器人、文件問答、AI Agent 工作流，而且每一個應用都自動變成 REST API，可以直接接進你的網站或 App。
截至 2026 年 8 月，Dify 在 GitHub 上已有 15.3 萬顆星、2.4 萬次 fork、137 位活躍貢獻者，官方宣稱全球有數萬個自架部署，最新穩定版為 v1.14.2（2026 年 5 月發布）。
為什麼 Dify 值得學？
過去一年 AI 開發的主流已經從「寫 Prompt」變成「編排多步驟流程」——也就是 Agentic Workflow。Dify 剛好卡在最甜的位置：
| 面向 | Dify 的優勢 |
|---|---|
| 學習門檻 | 視覺化畫布，非工程師（產品、行銷）也能參與設計 |
| 開發速度 | 從原型到生產不用重寫架構，同一套直接出 API |
| RAG 支援 | 一等公民設計：文件導入、切分、混合檢索、重排全內建 |
| 模型彈性 | 原生支援 OpenAI、Anthropic、Google、Ollama 本地模型，可設定跨廠商 fallback |
| 可觀測性 | 內建 Logs、Trace、成本與延遲監控，可接 Langfuse、LangSmith |
| 授權 | Apache 2.0 基礎授權（附帶限制），自架免授權費 |
核心功能一次看懂
Dify 不是單一工具，而是一整套 LLM 應用開發鏈，七大核心功能如下：
| 功能 | 說明 |
|---|---|
| Workflow（工作流） | 拖曳式畫布編排提示詞、工具、分支與條件邏輯；基於 Queue-based Graph Engine，支援並行分支、任意節點啟動/恢復；工作流可匯出 YAML 做版本管理 |
| RAG Pipeline | 知識管線架構：支援本機檔案、線上文檔、雲端硬碟、網頁爬蟲等資料源；內建段落切分、混合檢索（向量 + BM25）、Reranker 重排、來源引用 |
| Agent | 支援 ReAct 與原生 Function Calling；v1.14+ 的 Agent Skills 可在沙箱隔離環境執行 Python 程式碼 |
| 模型管理 | 串接數百個專有/開源模型；跨服務商路由與自動容災 fallback（限流或錯誤時自動切換備援模型） |
| LLMOps | 內建運行軌跡、成本、延遲監控；可與 Langfuse、LangSmith、W&B Weave 整合 |
| Backend-as-a-Service | 所有應用自動暴露 REST API（支援 streaming），前端想用 React/Next.js 自己寫也行 |
| MCP 支援 | 可把自訂 API 註冊為工具，也能連接外部 MCP 伺服器 |
實戰一：Docker 自架（5 分鐘上手）
自架 Dify 非常簡單，最低需求只要 CPU 2 核心、RAM 4 GiB（macOS/Windows 用 Docker Desktop 建議 2 vCPU + 8 GiB）。需先安裝 Docker 19.03+ 與 Docker Compose 2.24.0+。
# 1. 複製專案（建議抓最新 release）
git clone https://github.com/langgenius/dify.git
cd dify/docker
# 2. 建立環境設定檔
cp .env.example .env
# 3. 設定安全金鑰
echo "SECRET_KEY=$(openssl rand -base64 42)" >> .env
# 4.（選用）改對外端口，例如 8080
# 編輯 .env 中的 EXPOSE_NGINX_PORT=8080
# 5. 啟動全部服務（7 個核心服務 + 依賴組件）
docker compose up -d
# 6. 瀏覽器開啟初始化
# http://localhost/install（或 http://localhost:8080/install）
# 設定管理員帳號後即可登入
啟動後會跑起 nginx、api、worker、web、PostgreSQL、Redis、Weaviate 等一整套容器。想監控指標可以匯入社群提供的 Grafana Dashboard；要上生產環境也有 K8s Helm Chart、AWS CDK、Terraform 等多種部署路徑。
實戰二：建立第一個 RAG 客服機器人
RAG（檢索增強生成）是 Dify 最常被拿來用的場景，讓 AI 回答**「只存在你家文件裡」的知識**。流程如下：
flowchart LR
A[上傳文件<br/>PDF / Markdown / 網頁] --> B[知識庫<br/>切分 + 向量化]
B --> C[混合檢索<br/>向量 + BM25]
C --> D[Reranker 重排]
D --> E[LLM 生成答案<br/>附來源引用]
E --> F[REST API<br/>接進自家產品]- 建立知識庫：左側選「知識庫」→「建立知識庫」→ 上傳你的 PDF、Markdown 或 Excel（也可以填網頁 URL 讓它爬）。
- 設定切分模式：Dify 會自動把文件切成段落並向量化；中文文件建議選「自訂分段」並把 chunk 長度設在 300–500 字之間，效果較好。
- 建立應用：選「Chatbot」→ 選一個模型（如 GPT、Claude 或本地 Ollama）→ 在提示詞中指示「請根據知識庫回答，不要自行編造」。
- 掛上知識庫：在應用設定中「新增知識庫」關聯剛剛建好的庫，檢索模式可選混合檢索（向量 + BM25）。
- 測試與調整：右側對話窗直接測試，看引用來源是否正確；不準就調整切分或加 Reranker 節點。
- 上線：切到「API 存取」頁籤，複製 API 金鑰與端點，你的客服機器人後端就完成了。
整個過程不需要寫一行編排程式碼——這就是 Dify 與傳統框架最大的差異。
價格方案（2026 年 6 月確認）
| 方案 | 價格 | 每月訊息額度 | 適合對象 |
|---|---|---|---|
| Sandbox（免費） | $0 | 200 次 | 個人試玩、POC |
| Professional（專業版） | $59/工作區 | 5,000 次 | 新創、小型團隊 |
| Team（團隊版） | $159/工作區 | 10,000 次 | 成長中的團隊 |
| Enterprise（企業版） | 客製報價 | 依合約 | 大型企業 |
注意：訊息額度會因提示詞長度與模型權重扣減（重型模型扣更多）。自架則免授權費，但基礎設施、LLM API 費用與維運時間要自己扛。
Dify vs 其他工具怎麼選？
Dify 常被拿來跟幾類工具比較，定位其實很清楚：
| 工具 | 本質 | 適合誰 |
|---|---|---|
| Dify | AI-first 低程式碼平台（TypeScript 全棧） | 想快速上線 RAG/Agent 應用、需要非工程師參與的團隊 |
| LangChain | 純程式碼框架（Python/JS） | 要極致控制與擴展性的專業開發團隊，學習曲線陡 |
| n8n | 通用工作流自動化（400+ SaaS 連接器） | 以傳統自動化為主、AI 只是其中一個節點的場景 |
| Flowise | 視覺化節點圖（53k 星，基於 LangChain） | 偏實驗、習慣 LangChain 生態的開發者 |
| Langflow | Python 後端視覺化流程（149k 星） | Python-first 團隊，要在視覺介面裡保有程式碼彈性 |
以 2026 年 2 月的星數對比：Dify 143k、Langflow 149k、Flowise 53k。Dify 的強項在 RAG 支援是一等公民（混合檢索 + 引用追蹤內建）、多 Agent 編排原生支援、以及生產就緒度（版本管理、API-first、商用 SaaS 都有）。
常見應用場景
- 企業文件問答：上傳內部 PDF/Markdown，打造附來源引用的文件助理
- 客服工單分流：自動分析客戶情緒、生成回覆草稿，複雜案件轉給真人
- 電商多 Agent 客服：一個 Agent 查偏好、一個給解法、一個對接訂單 API 追物流
- 市場調研：Agent 自動抓取競品網頁、摘要定價策略、生成分析報告
- 內部系統整合：透過 MCP 接上庫存系統、SQL 資料庫，甚至在對話中觸發 Jenkins 建置
結語
Dify 的定位很明確：用低程式碼把 AI 應用從原型推進到生產。如果你是工程師，它幫你省掉重複的編排與基礎設施工作；如果你是產品或行銷，它讓你不必等工程就能動手做 AI 原型。先花 5 分鐘用 Docker 裝起來，建一個知識庫問問自己的文件，你就會知道為什麼它能拿 15 萬顆星。
延伸閱讀
- 自動化工作流工具大比拚：Make、n8n、Zapier、Dify 誰最划算？ — 想看 Dify 跟自動化工具在價格與功能上的詳細對比，先讀這篇
- Marker-pdf 教學：用 Python 將 PDF 轉成 Markdown — 做 RAG 前先把文件轉乾淨，Marker 是 Dify 的最佳搭檔
- 什麼是 Webhook？白話文完整教學 — 把 Dify 應用接進其他系統時，Webhook 是必備知識
- Open WebUI：自託管類 ChatGPT 介面 — 想要更輕量的本地 LLM 介面？Open WebUI 是另一個選擇
資料來源
- Dify GitHub 官方 README：langgenius/dify（stars/forks 數據擷取於 2026-08-15）
- Dify 官方文件：docs.dify.ai
- Dify 定價頁：dify.ai/pricing
- Dify v1.9.0 發布說明：GitHub Discussion #26138
- SandBase：Dify Explained: The Visual Agent Workflow Platform
- gptbots.ai：Dify AI Review (2026)