🧩 Dify 核心功能概览：从应用类型到模型管理，全面掌握平台能力

在成功部署 Dify 之后，接下来最重要的一步是：理解它的核心功能体系。

Dify 不只是一个“Prompt 编辑器”，而是一个完整的 AI 应用开发平台（AI Application Platform），它将大模型的复杂能力封装成可视化、可编排、可发布的标准化组件。

本文将带你系统梳理 Dify 的三大核心模块：

• ✅ 四大应用类型：Chatbot、Agent、Workflow、Completion
• ✅ Prompt 编排界面详解：变量、上下文、调试技巧
• ✅ 模型管理与 API Key 配置：支持 OpenAI、通义千问、Azure 等主流模型

无论你是想构建智能客服、自动化助手，还是企业级知识问答系统，这篇文章都将成为你使用 Dify 的“功能地图”。

---

一、Dify 的四大应用类型

Dify 支持四种主要的应用模式，每种对应不同的 AI 使用场景和交互逻辑。

1. Chatbot（聊天机器人）

🎯 适用场景：问答助手、智能客服、产品导购

特点：

• 基于对话历史进行上下文理解
• 支持多轮对话管理
• 可接入知识库实现 RAG 增强回答
• 提供 Web Embed、API、SDK 多种发布方式

典型用途：

• 企业 FAQ 自动回复
• 产品使用指南机器人
• 内部员工知识查询助手

💡 小贴士：这是最常用的应用类型，适合 80% 的对话类需求。

---

2. Agent（智能体）

🎯 适用场景：自主决策、任务执行、工具调用

特点：

• 具备“思考+行动”能力（ReAct 模式）
• 支持 Tool Calling：调用外部 API、数据库、脚本等
• 能够进行多步推理、自我反思、循环尝试
• 可配置“规划策略”（Planning Strategy）

典型用途：

• 自动化数据查询 Agent（如：“查一下上个月销售额”）
• 社交媒体内容生成 Agent（写文案 → 发微博）
• 客户工单处理 Agent（识别意图 → 创建工单 → 发送通知）

🔍 关键能力：不是被动回答问题，而是主动解决问题

---

3. Workflow（工作流）

🎯 适用场景：复杂业务流程编排、条件判断、多节点协作

特点：

• 可视化拖拽式流程设计（类似低代码平台）
• 支持多种节点类型：
  • LLM 节点（调用大模型）
  • 工具节点（调用函数或 API）
  • 条件分支（If/Else）
  • HTTP 请求
  • 代码执行（Python/JS）
  • 知识检索
• 支持循环、变量传递、错误处理

典型用途：

• 用户咨询 → 意图识别 → 分流处理 → 生成报告
• 文章生成流程：标题建议 → 正文撰写 → 润色 → 输出 Markdown
• 表单填写自动化：自然语言输入 → 结构化解析 → 存入数据库

🧩 类比：LangChain + Zapier + Airtable 的融合体

---

4. Completion（补全应用）

🎯 适用场景：单次生成任务、结构化输出、模板填充

特点：

• 不维护对话历史，每次请求独立处理
• 强调输出格式控制（JSON、YAML、XML 等）
• 适合与前端表单结合使用
• 支持“变量输入”和“默认值”

典型用途：

• 自动生成邮件草稿
• 根据关键词生成 SEO 标题
• 表格数据补全（如：输入商品名 → 输出描述+标签）

📌 优势：轻量、高效、易于集成到现有系统中

---

二、Prompt 编排界面详解

Prompt 是 Dify 的“灵魂”。平台提供了强大的可视化 Prompt 编辑器，让开发者无需手写代码即可完成复杂提示工程。

🖼️ 界面布局概览

进入任意应用的“编辑”页面，你会看到如下区域：

区域	功能说明
左侧栏	变量列表、上下文管理、知识库引用
中央编辑区	主 Prompt 编辑区域（支持富文本 + Markdown）
右侧配置面板	模型参数（temperature、max_tokens）、输入输出设置
底部调试区	实时测试 Prompt 效果，查看 LLM 返回结果

---

🔧 核心功能详解

1. 变量（Variables）

允许用户在运行时动态传入参数。
语法：{{variable_name}}

例如：

请根据以下背景信息撰写一封邮件：

收件人：{{recipient}}
主题：{{subject}}
内容要点：{{points}}

✅ 在前端调用时，只需传入 {"recipient": "张经理", "subject": "项目进度汇报", "points": "..."} 即可自动填充。

---

2. 上下文管理（Context）

控制 LLM 能“看到”的信息范围：

• 系统提示词（System Prompt）：设定角色与风格（如“你是一个专业的法律顾问”）
• 历史消息（History）：启用后支持多轮对话
• 上下文长度限制：防止超出模型 token 上限

💡 提示：合理设置上下文窗口可提升响应质量并降低成本。

---

3. 知识库引用（Retrieval）

在 Prompt 中插入知识库检索结果：

参考以下知识库内容回答问题：

<context>
{{retrieved_content}}
</context>

问题：{{query}}

✅ 平台会自动从知识库中检索最相关的片段，并注入此处，实现 RAG（检索增强生成）。

---

4. 调试与预览功能

• 点击“试运行”按钮，输入测试参数
• 查看实际发送给 LLM 的完整 Prompt
• 观察返回结果是否符合预期
• 支持流式输出预览（Streaming）

🛠️ 推荐做法：每次修改 Prompt 后都要进行至少 3 次测试，确保稳定性。

---

三、模型管理与 API Key 配置

Dify 的一大优势是 支持多模型厂商自由切换，你可以在同一个平台中对比不同模型的表现。

🌐 支持的模型提供商（Model Providers）

模型厂商	支持情况	说明
OpenAI	✅ 完全支持	GPT-3.5, GPT-4, GPT-4o
Anthropic	✅ 支持 Claude 系列	Claude 3 Haiku/Sonnet/Opus
阿里云·通义千问	✅ 国产模型首选	qwen-max, qwen-plus, qwen-turbo
Azure OpenAI	✅ 企业级部署必备	支持私有化接入
Google Gemini	✅ 支持 gemini-pro
Mistral AI	✅ 支持 mistral-large
Ollama（本地模型）	✅ 支持自建模型	可接入本地运行的 Llama 3、Qwen 等
Hugging Face	✅ 支持 API 接入	自定义模型部署

---

⚙️ 如何配置 API Key？

步骤 1：进入模型管理页面

路径：
控制台 → 模型管理 → 添加模型提供商

步骤 2：选择模型类型并填写凭证

以 硅基流动 为例：

1. 选择“硅基流动”
2. 输入 API Key（可在 https://cloud.siliconflow.cn/me/account/ak 获取）
3. 保存

OpenAI：

1. 选择“OpenAI”
2. 输入 API Key（可在 https://platform.openai.com/api-keys 获取） 需要魔法
3. 保存

---

💡 高级技巧：多模型 A/B 测试

你可以为同一应用配置多个模型，在不同用户间做灰度测试：

• 用户 A → 调用 GPT-4o
• 用户 B → 调用 通义千问 max

通过对比响应质量、延迟、成本，选择最优模型组合。

---

✅ 总结：Dify 功能全景图

模块	核心能力	适用人群
应用类型	Chatbot / Agent / Workflow / Completion	全体用户
Prompt 编排	变量、上下文、知识注入、调试	开发者、产品经理
模型管理	多厂商支持、API Key 管理、A/B 测试	运维、AI 工程师

Dify 的设计理念是：让 AI 应用开发像搭积木一样简单。