Dify
Dify是一款开源的大语言模型（LLM）应用开发平台，旨在帮助开发者和企业快速构建、部署AI原生应用。平台提供可视化的工作流编排、RAG检索增强生成、Agent智能体构建等核心能力，支持接入多种主流大语言模型。Dify兼顾低代码操作与API集成方式，适用于聊天助手、自动化流程及企业级AI应用的开发场景。
核心事实
时间轴 (近 90 天)
课程将工作流引擎的考察分为三个层次：初中级（参与过编辑器开发）、中高级（实现通用编辑器及执行引擎）、进阶（从零开发类似n8n、Dify、Coze的AI应用引擎平台）。
“DSL描述+插件执行”的组合是n8n、Dify等平台实现通用性的关键架构。
如果团队以非编程人员为主，追求快速生成轻量级应用且对数据托管没有严格限制，Codes 的便捷性值得考虑；如果项目涉及敏感数据、需要私有化部署，或希望技术人员与非技术人员在同一平台上协作定义应用，Dify 更具吸引力。
Dify 的知识库模块封装了 RAG 链路，支持文档上传、自动切分、嵌入与召回测试。
本地部署 Dify 对机器资源有实际要求，模型规模越大，对显存和内存的占用越明显。
Dify 通过配置 Ollama 的服务地址即可将其作为模型供应商接入，从而在不调用外部 API 的情况下完成推理。
课程同时讲解云端连接大模型和本地搭建大模型两条路线，企业可在同一套 Dify 里混合使用本地小模型和云端大模型。
课程面向想入门 Dify 或学习该工具的人群，目标是把环境搭建到功能实现完整走一遍。
RAGFlow 的 Agent 模块采用工作流式编排，形态上接近 Dify 或 Coze 中的可视化流程。
与 Dify 等平台相比，RAGFlow 的 Agent 节点数量较少，缺少循环、子流程等高级控制结构。
还有 40 条时间轴事件
全部知识事实 (20)
Agent具备规划、工具调用、记忆与自主迭代的能力，区别于传统大语言模型的单次问答模式
90%已验证当前主流的编程智能体架构大多采用ReAct（Reasoning + Acting）范式
90%已验证目前主流的AI Agent框架包括LangChain、AutoGen、CrewAI等
90%已验证AI Skill是封装了特定任务逻辑的可复用AI执行单元，本质上是结构化提示词与代码逻辑的组合体
90%已验证Agent的实现通常通过ReAct（Reasoning + Acting）框架来实现规划能力
90%已验证RAG（检索增强生成）技术架构将文档切片、向量化、存入向量数据库，查询时先检索相关片段再交给模型生成回答
90%已验证Dify是一款专注于AI应用开发的低代码平台，帮助开发者快速构建各类AI应用
80%已验证n8n 允许在可视化界面上通过拖拽节点的方式构建自动化流程
80%已验证Dify 是一款面向国际市场的低代码 AI 应用平台，可通过可视化拖拽方式搭建 AI 应用
80%已验证Chatflow是Dify特有的概念，本质上是带有对话交互能力的工作流
80%已验证Dify是一款面向非编程人员和开发者的低代码AI应用构建平台
80%已验证Open WebUI 支持 Ollama 和 OpenAI API 等多种后端
80%已验证Dify是一款支持开源和私有部署的AI应用平台
80%已验证Dify内置了RAG（检索增强生成）引擎、Agent框架和工作流编排器
80%已验证Dify支持接入OpenAI、Anthropic、本地部署的开源模型等多种LLM后端
80%已验证Dify是一款开源的LLMOps平台，提供可视化的工作流编排界面，用户可以通过拖拽节点来构建Agent
80%已验证Dify的核心架构采用微服务设计，通过Docker Compose将API服务、Worker、Web前端、PostgreSQL、Redis和向量数据库等组件解耦部署
80%已验证Zapier、Make（原 Integromat）、n8n 是常见的无代码/低代码工作流编排平台，允许以可视化方式将不同服务的API连接成触发-动作链
75%已验证低代码平台适合快速验证想法和提升办公效率，代码框架适合处理核心业务、高保密数据和复杂审批流的深度定制
75%已验证Dify支持三种部署方式：基于Docker部署、源码部署、以及官方在线托管页面
75%