Dify
产品概述
Dify 是苏州团队 LangGenius 推出的开源 LLM 应用开发平台，定位是「LLM 应用的开发与运维中台」。它把构建 AI 应用所需的可视化工作流编排、RAG 知识库、Agent、模型管理、API 发布、日志监控与触发器自动化打包进一个低代码平台，让团队无需从零写 LangChain 代码就能把大模型落地成可用的产品。
与其他产品的本质区别在于**「开源 + 生产级治理」的双轨制**。Flowise/Langflow 偏「可视化原型搭建」，n8n 偏「通用业务自动化」，而 Dify 从一开始就面向生产部署：内置 RBAC 角色、SSO、审计日志、多租户、LLMOps 观测，社区版可自托管且无功能阉割。它是「想用开源、又需要企业级治理」的团队的默认选择。
发展历程
| 时间 | 事件 |
|---|---|
| 2023-05 | Dify 开源发布，GitHub 迅速破万星 |
| 2024 | 引入 Workflow/Chatflow 与 Agent 节点 |
| 2025 | 推出触发器自动化、MCP 发布、Dify 市场 |
| 2026 | 云端 Sandbox/Professional/Team 档位成型，社区版持续迭代 |
核心功能详解
1. Workflow 与 Chatflow 双画布
Workflow 是单次运行的流程（输入→处理→输出），Chatflow 是多轮对话型应用。两者共享拖拽画布，含模型、知识检索、条件分支、代码、迭代、变量、模板、工具等节点，把「单轮管道」与「多轮对话」两类应用形态区分清楚。
2. 知识库与 RAG 管道
批量上传文档（PDF/网页/Notion/外部知识 API），自动分块、索引、配置检索策略，测试检索命中，再接入应用做带引用的问答。支持高质量/经济两档索引、流水线模板、外部知识库连接，是 Dify 最成熟的能力。
3. Agent 与工具编排
可给模型配置审批过的工具与推理循环，或将 Agent 节点嵌入更大的受控工作流，在「完全自主」与「完全受控」之间取平衡，避免纯自主 Agent 的不可预测性。
4. 模型无关与多厂商管理
支持 OpenAI、Anthropic、Google 及各类开源/本地/OpenAI 兼容端点，可给同一模型挂多个 API Key 做负载均衡，团队切换模型无需重建应用，避免被单一厂商锁定。
5. 发布与观测（LLMOps）
一键发布为 Web 应用、API、嵌入组件或 MCP Server；查看执行历史、输入输出、延迟、报错、token 用量与用户对话，付费云端提供无限日志。这是「从原型到生产」的关键。
6. 触发器与自动化
通过定时、Webhook、插件触发工作流，支持后台任务处理，让 Dify 不止于聊天界面，也能跑批处理与自动化。
适用场景
知识库问答与客服（最佳场景）
内部知识库、产品文档、政策问答、客服机器人——RAG 管道成熟，带引用可追溯。
内部工具与流程自动化
把审批、报表、数据抽取等重复流程做成受控工作流，供团队内部使用。
多应用 SaaS 与中台
需要管理多个 AI 应用、统一观测与治理的团队，Dify 的多应用与 RBAC 是强项。
不适合的场景
纯非技术用户想要开箱即用的成品（Dify 是开发平台，非成品助手）；只需要简单两步业务自动化（n8n/Zapier 更快）；需要极深的多智能体拓扑（Langflow/LangGraph 更灵活）。
定价详情
Dify 按工作空间计费（非按席位），模型调用另计：
| 档位 | 价格 | 说明 |
|---|---|---|
| Sandbox | $0 | 200 消息额度、1 工作空间、5 应用、50 文档 |
| Professional | $59/工作空间/月 | 年付约 $49/月，5000 消息、3 成员、50 应用 |
| Team | $159/工作空间/月 | 年付约 $133/月，10000 消息、50 成员、200 应用 |
| Enterprise | 定制 | SSO/SAML、RBAC、SOC 2、多工作空间、商业授权 |
| Community Edition | $0（自托管） | 社区版全功能，仅付服务器与模型成本 |
计费逻辑与成本测算
- Dify 收的是平台编排/托管费，模型调用（token）需自带 API Key 或消耗消息额度后切换到自己的 Key。
- 自托管社区版在 $10-40/月 VPS 上即可跑通，是「零许可费」的路线；但需自己承担运维。
- 团队版从 3 成员到 50 成员的跳变，对成长型团队是主要升级动因。
定价核验日期：2026-08-13，来源 dify.ai/pricing。
技术架构与模型
Dify 模型无关：可接入 OpenAI、Anthropic、Google、DeepSeek、Qwen、Ollama 本地模型及任意 OpenAI 兼容端点。平台本身不绑定任何模型，通过「模型供应商管理」统一配置 API Key 与负载均衡。技术栈为 Docker Compose 部署（PostgreSQL + Redis + 应用服务）。
优势领域
与 Flowise/Langflow 对比
Dify 胜在生产级治理（RBAC/SSO/审计开箱即用）与 RAG 管道成熟度；Langflow 胜在 LangGraph 多智能体拓扑灵活性与 MIT 许可的完全商用自由；Flowise 胜在入门速度。三者定位从「生产中台」到「可视化 IDE」到「快速原型」递减。
与 n8n 对比
n8n 是通用自动化（webhook/CRM/数据库/定时）+ AI 节点，Dify 是纯 LLM 应用中台。做「AI 产品」选 Dify，做「业务自动化里嵌入 AI」选 n8n。
核心优势
开源自托管、生产级治理、模型无关、RAG 成熟。
短板与限制
- 授权限制：开源协议非 MIT，多租户商业 SaaS 需商业授权，前端 Logo/版权不可移除。
- 模型成本另计：订阅费不含模型调用，重度 RAG 会叠加可观的 token 账单。
- 消息额度有限：云端 Sandbox/Professional 的消息额度在真实生产流量下很快耗尽。
- 复杂多智能体受限：拓扑灵活性不如 LangGraph/Langflow。
使用建议
- 适合：需要生产级治理（SSO/RBAC/审计）的团队；想自托管、控制数据与成本的开发者；要把多个 AI 应用统一管理的中台团队。
- 不适合：纯非技术用户；只需简单业务自动化；要做复杂多智能体拓扑且需完全商用自由（选 Langflow）。
- 最佳实践：小团队先用 Sandbox/自托管社区版验证，再按需升 Professional；模型侧用 Sonnet/DeepSeek 等性价比模型控本；知识库用高质量索引模式保证问答质量。