计划核心思想

• 理论与实践结合： 每天既有知识学习，也有动手操作。
• 循序渐进： 从易到难，逐步构建知识体系。
• 项目驱动： 以完成一个综合性项目为目标，串联所有知识点。
• 社区参与： 鼓励加入社区，交流学习，解决问题。

Dify 100 天学习大纲

第一阶段：基础入门与熟悉（第 1 - 15 天）

目标： 理解 Dify 的核心概念，熟悉操作界面，并能创建简单的 AI 应用。

• 第 1 天： 开篇介绍

  • 学习内容： 了解什么是 Dify，它能解决什么问题（降低 AI 应用开发门槛）。了解 Dify 的核心优势（可视化编排、多模型支持、RAG 等）。
  • 任务： 访问 Dify 官网和 GitHub，阅读官方介绍。注册 Dify 云服务或学习如何本地部署（推荐先从云服务开始）。

• 第 2 天： 搭建学习环境

  • 学习内容： 完成 Dify 云服务账号注册，或使用 Docker 在本地成功部署 Dify。
  • 任务： 登录 Dify 控制台，熟悉首页仪表盘的各个模块。

• 第 3 天： 核心概念理解（一）

  • 学习内容： 学习“模型提供商”、“模型”和“API 密钥”的概念。理解如何将 OpenAI、通义千问等大模型接入 Dify。
  • 任务： 在 Dify 中配置你的第一个模型提供商（如 OpenAI GPT-3.5-Turbo 或 智谱 AI 的免费模型）。

• 第 4 天： 创建第一个 AI 应用（文本生成型）

  • 学习内容： 了解“提示词”的基本概念。学习“文本生成”应用类型。
  • 任务： 创建一个简单的“邮件助手”应用，输入关键词，生成一封邮件草稿。

• 第 5 天： 提示词编写入门

  • 学习内容： 学习提示词的基本结构：角色、任务、要求。
  • 任务： 优化第 4 天的“邮件助手”，为提示词添加角色（如“你是一名专业的秘书”）和更具体的要求（如“语气要正式”）。

• 第 6-7 天： 周末实践与复习

  • 学习内容： 巩固本周知识。
  • 任务： 创建另一个文本生成应用，如“小红书文案生成器”或“周报生成器”。尝试不同的提示词，观察输出结果的变化。

• 第 8 天： 核心概念理解（二）

  • 学习内容： 学习“会话型应用”与“文本生成型应用”的区别。理解“上下文”和“对话历史”。
  • 任务： 将之前的“邮件助手”改为会话型应用，实现多轮对话修改邮件。

• 第 9 天： 应用发布与分享

  • 学习内容： 学习如何通过 Web APP 和 API 两种方式发布应用。
  • 任务： 将你的会话型邮件助手发布为 Web APP，并分享链接给朋友试用。

• 第 10 天： 探索预设模板

  • 学习内容： 浏览 Dify 的官方应用模板库，了解各种应用场景。
  • 任务： 选择 2-3 个感兴趣的模板（如“AI 聊天机器人”、“翻译助手”），一键部署并分析其提示词结构。

• 第 11-12 天： 知识库概念引入

  • 学习内容： 了解 RAG 的基本思想。学习什么是“知识库”，以及“分词”和“向量化”。
  • 任务： 创建一个空的知识库，上传一份简单的 TXT 或 PDF 文档（如公司简介）。

• 第 13 天： 构建带知识库的问答机器人

  • 学习内容： 在应用编排中连接知识库节点。
  • 任务： 创建一个新的“对话型”应用，接入第 12 天创建的知识库。测试其能否基于文档内容回答问题。

• 第 14-15 天： 第一阶段总结与项目

  • 学习内容： 复习所有基础概念。
  • 任务： 创建一个“个人知识问答助手”，上传你的个人笔记或简历，让它能回答关于你的问题。

第二阶段：核心技能深化（第 16 - 50 天）

目标： 掌握工作流编排、高级提示词技巧、知识库优化等核心功能。

• 第 16-20 天： 工作流入门

  • 学习内容： 理解工作流的概念（可视化编程）。学习基础节点：开始、LLM、回答、知识库搜索。
  • 任务： 将一个简单的对话应用改造成工作流形式。实现“先搜索知识库，再生成回答”的经典 RAG 流程。

• 第 21-25 天： 高级提示词技巧

  • 学习内容： 学习少样本示例、思维链、输出约束（JSON 格式等）。学习在 Dify 的提示词框中设置变量。
  • 任务： 创建一个“JSON 数据提取器”，从一段非结构化文本中提取特定信息（如人名、地点、时间）并格式化成 JSON。

• 第 26-30 天： 工作流进阶 - 分支与判断

  • 学习内容： 学习“IF/ELSE”节点，实现流程的动态分支。
  • 任务： 创建一个“智能路由客服机器人”。根据用户问题意图（如“咨询价格”、“投诉”、“技术支持”），路由到不同的回答逻辑或知识库。

• 第 31-35 天： 工作流进阶 - 循环与迭代

  • 学习内容： 学习“循环”节点的使用场景（如批量处理、多步推理）。
  • 任务： 创建一个“文章大纲生成器”，根据主题生成大纲，并允许用户选择某一章节进行细化（循环生成）。

• 第 36-40 天： 知识库优化实战

  • 学习内容： 学习文本分割策略、处理不同格式文件（PPT、Word）、优化问答对。
  • 任务： 上传一份复杂的文档（如产品手册），尝试不同的分词 chunk size，对比问答的准确度。为关键概念手动添加问答对。

• 第 41-45 天： Function Calling 集成

  • 学习内容： 理解 Function Calling 的原理。学习在 Dify 中创建“自定义工具”，如调用外部 API 获取天气、股票信息等。
  • 任务： 创建一个“天气查询机器人”，通过 Function Calling 接入一个免费的天气 API。

• 第 46-50 天： 第二阶段综合项目

  • 学习内容： 综合运用工作流、知识库、Function Calling。
  • 任务： 构建一个“智能旅行规划助手”。功能包括：基于知识库推荐目的地、通过 Function Calling 查询天气和机票信息、通过工作流生成每日行程安排。

第三阶段：高级特性与集成（第 51 - 80 天）

目标： 探索多模态、Agent、API 集成、性能优化等高级主题。

• 第 51-55 天： 多模态应用开发

  • 学习内容： 学习支持图像识别的模型（如 GPT-4V）。创建可处理图片的应用程序。
  • 任务： 创建一个“图片描述生成器”和“视觉问答机器人”，上传图片，让 AI 描述内容或回答相关问题。

• 第 56-60 天： AI Agent 初探

  • 学习内容： 了解 ReAct 框架和 AI Agent 的概念。在 Dify 中配置“推理”节点，让 AI 具备“思考”能力。
  • 任务： 升级第二阶段的旅行助手，使其能够自主决定何时需要查询天气、何时需要检索知识库，完成更复杂的规划任务。

• 第 61-65 天： 外部 API 深度集成

  • 学习内容： 学习通过 HTTP 请求节点调用复杂的 RESTful API。处理认证（API Key, OAuth）和解析 JSON 响应。
  • 任务： 将你的应用与 Notion、飞书、Slack 等常用工具集成，实现自动创建文档或发送消息。

• 第 66-70 天： 模型与成本优化

  • 学习内容： 学习混合使用不同模型（如用便宜模型处理简单任务，用强大模型处理复杂任务）。分析应用的使用日志和令牌消耗。
  • 任务： 优化你的旅行助手，将知识库检索后的摘要生成任务分配给性价比更高的模型（如 GLM-3-Turbo），而将复杂的行程规划交给 GPT-4。

• 第 71-75 天： 团队协作与数据集管理

  • 学习内容： 学习在 Dify 中管理团队成员和权限。使用“数据集”功能对知识库文档进行更精细的管理和标注。
  • 任务： 邀请一个朋友加入你的 Dify 团队，共同维护一个知识库，并分工优化应用提示词。

• 第 76-80 天： 第三阶段综合项目

  • 学习内容： 打造一个接近产品级的应用。
  • 任务： 构建一个“企业级智能客服中心”。包含：多知识库支持（产品、售后、内部规章）、智能路由、情感分析、与工单系统（如模拟的 API）对接、数据看板。

第四阶段：部署、运维与前沿探索（第 81 - 100 天）

目标： 掌握生产环境部署、监控、调优，并关注 Dify 生态和前沿动态。

• 第 81-85 天： 生产环境部署

  • 学习内容： 学习使用 Docker Compose 或 Kubernetes 在云服务器上部署高可用的 Dify 服务。配置域名、SSL 证书。
  • 任务： 在阿里云/腾讯云上购买一台云服务器，成功部署 Dify 并配置 HTTPS 访问。

• 第 86-88 天： 应用监控与日志分析

  • 学习内容： 学习使用 Dify 的分析功能监控应用 Q&A、对话次数、平均响应时间等。学会查看日志以调试错误。
  • 任务： 为你部署的应用添加监控，定期查看数据报告，找出可能的问题点（如某类问题回答效果差）。

• 第 89-92 天： 性能与安全调优

  • 学习内容： 学习设置 API 速率限制、敏感词过滤。探讨缓存策略以提升响应速度。
  • 任务： 为你的应用配置速率限制，防止滥用。检查提示词中是否存在潜在的安全风险。

• 第 93-95 天： 参与社区与贡献

  • 学习内容： 加入 Dify 官方 Discord/Slack 和 GitHub Discussions。阅读别人的提问和解决方案。
  • 任务： 尝试回答社区中新手提出的问题。将你在学习过程中遇到的一个典型问题及其解决方案写成博客或分享到社区。

• 第 96-99 天： 毕业设计

  • 学习内容： 综合运用 100 天所学所有知识。
  • 任务： 独立设计、开发、部署一个完整的、有实际应用价值的 AI Native 应用。例如：个人 AI 写作教练、自动化市场调研分析平台、内部知识管理大脑。并撰写一份项目说明文档。

• 第 100 天： 回顾与展望

  • 学习内容： 总结 100 天的学习成果。
  • 任务： 回顾学习笔记和完成的项目。思考下一步学习方向（如深入研究某类大模型、学习更底层的 LangChain 等框架、关注 AI 领域最新论文）。

给你的建议

1. 坚持每日动手： 哪怕只有半小时，实际操作远比只看理论重要。
2. 做好笔记： 记录遇到的问题和解决方案，形成自己的知识库。
3. 不要怕犯错： 调试和解决问题的过程是最好的学习。
4. 保持好奇心： AI 领域发展迅速，Dify 也在不断更新，持续关注新功能。

祝你在这 100 天的旅程中学有所成，成为一名优秀的 AI 应用开发者！