langgenius/dify

项目概览

将 RAG、Agent、LLMOps 观测与数百种模型接入集成在单一可视化平台中，减少了拼凑多个独立工具的工程工作量。

项目类型

AI Agent · RAG 与知识库 · AI 工作流

应用场景

知识问答 · 编程开发 · 自动化执行

部署方式

Docker / Docker Compose

License

License 待确认

适合谁

• 希望以较少的编码工作，快速搭建具备 RAG 和 Agent 能力的生产级 AI 应用的开发团队。
• 需要将多来源大模型、复杂业务逻辑和可观测性整合在单一后端即服务平台中的企业级技术团队。

核心能力

• 在可视化画布上构建并测试 AI 工作流，通过拖拽方式组合各项功能，降低了复杂逻辑的搭建门槛。
• 支持接入来自数十家推理提供商的上百种专有与开源大模型（如 GPT、Mistral、Llama3）以及自托管方案，并兼容 OpenAI API 格式。
• 提供直观的界面用于编写提示词、横向对比不同模型的表现，并可为对话类应用添加文本转语音等附加特性。
• 提供从文档导入到数据检索的 RAG 能力，开箱即用地支持从 PDF、PPT 等常见文档格式中提取文本，用于知识库构建。
• 支持基于大模型 Function Calling 或 ReAct 机制定义智能体，并可为智能体接入预置工具或自定义工具。
• 监控并分析应用日志和长时间维度的性能表现，帮助团队基于真实生产数据和反馈标注，持续优化提示词、数据集和底层模型。
• 针对平台内的所有构建产物提供相应的后端 API，使应用能够集成到企业现有的自定义业务逻辑中。

限制与风险

• 虽然平台本身可本地运行，但要发挥核心的 LLM 推理能力，通常需要接入外部提供商的 API 或自行维护一套兼容 OpenAI API 的自托管推理服务。

如何开始

• 进入项目的 docker 目录，复制 .env.example 为 .env，执行 docker compose up -d，随后在浏览器中访问 localhost/install 即可通过 Web GUI 完成初始化。

替代方案与同类比较

• 侧重于使用本地模型构建具备 RAG 与工具调用能力的生产级应用，提供遵循标准消息结构的 API 层，适合无需大量云端依赖的私密化场景。
• 提供包括数据处理、RAG 检索和可视化编排在内的开箱即用套件，专注于便捷地开发与部署复杂的知识问答系统。
• 作为一款 AI 编排框架，采用更为底层的纯代码方式设计模块化管道，提供对检索、路由和生成的显式控制，适合偏好代码而非 GUI 的团队。

同类比较

• langgenius/dify vs private-gpt
• langgenius/dify vs fastgpt
• langgenius/dify vs haystack

核验依据

• README: Dify is an open-source LLM app development platform. Its intuitive interface combines AI workflow, RAG pipeline, agent capabilities, model management, observability features (incl…
• GitHub 项目简介: Production-ready platform for agentic workflow development.
• Release: 1.15.0
• README: Build and test powerful AI workflows on a visual canvas, leveraging all the following features and beyond.
• README: Seamless integration with hundreds of proprietary / open-source LLMs from dozens of inference providers and self-hosted solutions, covering GPT, Mistral, Llama3, and any OpenAI AP…

来源更新时间：2026-07-14T18:05:18Z

打开原始 GitHub 项目