dify

拖拖拽拽搭出 AI 应用，不会写代码也能上手

一站式 Agent 工作流与 RAG 流水线构建平台，支持海量模型与工具接入，可部署在云端、VPC 或本地，让团队无需重构即可从原型平滑走向生产。

开源 freemium 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 156870

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类开源模型

开发团队langgenius

所属国家

官网地址https://dify.ai

GitHubhttps://github.com/langgenius/dify

定价模式freemium

价格说明提供免费社区版（可自托管），云服务有免费额度，付费版按用户数和功能订阅，支持试用。

访问状态

是否开源是

开源协议NOASSERTION

主要语言TypeScript

技术栈/模型agent,agentic-ai,agentic-framework,agentic-workflow,ai,automation,claude,deepseek,genai,gpt,llm,low-code,mcp,nextjs,no-code,openai,python,skills,workflow

GitHub 星标★ 156870

30天Star增速

HF 下载量

上线时间2023-04-12 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数14

使用教程

难度：入门约 10 分钟部署方式：Docker 5 步

环境要求

CPU 至少 2 核
内存至少 4 GiB
已安装 Docker
已安装 Docker Compose v2.24.0 或更高版本

安装与启动步骤

1获取项目源码

从 GitHub 克隆 dify 仓库到本地，后续所有操作都在该目录内进行。
```
git clone https://github.com/langgenius/dify.git
```
2进入 docker 目录

切换到项目内的 docker 目录，这里存放部署所需的 compose 文件与环境变量模板。
```
cd dify
cd docker
```
3准备环境变量文件

把 .env.example 复制为 .env，Docker Compose 启动时会读取该文件中的配置。
```
cp .env.example .env
```
4启动 Dify 服务

用 Docker Compose 以后台方式拉起全部容器，首次启动需要拉取镜像，请耐心等待。
```
docker compose up -d
```
5访问初始化页面

在浏览器打开 http://localhost/install，进入 Dify 控制台并完成初始化设置。

关键配置

配置项	必填	说明	示例
`docker/.env`	是	由 .env.example 复制而来，用于存放部署相关环境变量	`.env`

如何确认成功

浏览器打开 http://localhost/install 能正常显示初始化页面，即表示启动成功。

常见问题

Q：Docker Compose 版本太低怎么办？

A：README 要求 Docker Compose v2.24.0 或以上，版本过低可能导致启动失败，请先升级后再执行启动命令。

Q：访问 http://localhost/install 打不开？

A：先确认容器是否已启动，可用 docker compose ps 查看状态，并检查本机 80 端口是否被其他程序占用。

Q：如何修改自定义配置？

A：编辑复制出的 .env 文件调整参数；更完整的配置、可观测性与部署方式参见 docs/ADVANCED_SETUP.md。

Q：不想自己部署可以吗？

A：可以直接使用官方托管的 Dify Cloud（https://cloud.dify.ai），无需本地安装。

注意事项

最低系统要求为 CPU ≥ 2 核、内存 ≥ 4 GiB，配置不足可能导致运行不稳定。
启动前必须确认已安装 Docker 以及 Docker Compose v2.24.0 或更高版本。
进阶配置与可观测性、更多部署选项请参考 docs/ADVANCED_SETUP.md。

核心亮点

提供可视化工作流编排和低代码/无代码界面，显著降低构建Agentic应用与RAG管线的门槛
内置丰富的模型与工具接入能力，支持OpenAI、Claude等主流LLM及MCP协议，便于快速集成
支持云、VPC和自托管多种部署方式，满足从原型到生产环境的不同需求，且技术栈基于TypeScript/Python生态成熟
项目活跃度高，社区规模大，文档与示例相对完善，适合作为企业级AI应用开发底座

不足之处

高复杂度场景下可视化编排的灵活性与调试能力可能不如纯代码方案，存在抽象限制
自托管部署对基础设施和运维有一定要求，性能调优与高可用配置需要额外投入
文档/社区待观察：部分高级功能的深度使用案例和最佳实践仍需更多社区沉淀

适用场景

企业快速搭建内部知识库问答系统，结合RAG流程处理私有文档
构建多步骤Agent工作流，联动外部工具或MCP服务完成自动化任务
作为AI应用开发平台，供产品团队以低代码方式验证和迭代LLM驱动的功能原型

替代项目

LangFlow、Flowise、Dify（同类参考：n8n）、n8n

项目介绍

dify 是自动化工作流领域的开源项目，由 langgenius 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（156,870）位列前 1%，在自动化工作流分类的 503 个项目里位列前 1%。

近 44 天，它的 GitHub 星标从 151,861 增加到 156,870，净增 5,009。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。提供免费社区版（可自托管），云服务有免费额度，付费版按用户数和功能订阅，支持试用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：企业快速搭建内部知识库问答系统，结合RAG流程处理私有文档。同类可对比的替代方案包括 LangFlow、Flowise、Dify（同类参考：n8n）、n8n。

上一篇：google-ai-mode-skill

下一篇：browser-use