langgenius/dify
GitHub: langgenius/dify
Dify 是一个开源的 LLM 应用开发平台，通过可视化工作流、RAG、Agent 和模型管理等功能，帮助开发者快速构建并部署生产级 AI 应用。
Stars: 149602 | Forks: 23580
启动 Dify 服务器最简单的方式是通过 [Docker Compose](docker/docker-compose.yaml)。在使用以下命令运行 Dify 之前，请确保您的机器上已安装 [Docker](https://docs.docker.com/get-docker/) 和 [Docker Compose](https://docs.docker.com/compose/install/)： ``` cd dify cd docker cp .env.example .env docker compose up -d ``` 运行后，您可以在浏览器中访问 [http://localhost/install](http://localhost/install) 进入 Dify 控制台并开始初始化过程。 #### 寻求帮助 如果您在设置 Dify 时遇到问题，请参阅我们的 [FAQ](https://docs.dify.ai/getting-started/install-self-hosted/faqs)。如果仍有问题，请联系[社区和我们](#community--contact)。 ## 核心功能 **1. Workflow**： 在可视化画布上构建并测试强大的 AI workflow，利用以下所有功能及更多特性。 **2. 全面的模型支持**： 与来自数十家推理提供商和自托管解决方案的数百种专有/开源 LLM 无缝集成，涵盖 GPT、Mistral、Llama3 以及任何兼容 OpenAI API 的模型。支持模型提供商的完整列表可以在[这里](https://docs.dify.ai/getting-started/readme/model-providers)找到。  **3. Prompt IDE**： 直观的界面，用于编写 prompt、比较模型性能，并为基于对话的应用添加文本转语音等额外功能。 **4. RAG Pipeline**： 广泛的 RAG 功能，涵盖从文档摄入到检索的所有内容，开箱即支持从 PDF、PPT 和其他常见文档格式中提取文本。 **5. Agent 能力**： 您可以基于 LLM Function Calling 或 ReAct 定义 agent，并为 agent 添加预置或自定义工具。Dify 为 AI agent 提供了 50 多种内置工具，如 Google Search、DALL·E、Stable Diffusion 和 WolframAlpha。 **6. LLMOps**： 随着时间的推移监控和分析应用日志及性能。您可以根据生产数据和标注持续改进 prompt、数据集和模型。 **7. Backend-as-a-Service**： Dify 的所有产品都提供相应的 API，因此您可以轻松地将 Dify 集成到自己的业务逻辑中。 ## 使用 Dify - **云端
** 我们为任何人托管了 [Dify Cloud](https://dify.ai) 服务，无需任何设置即可试用。它提供了自部署版本的所有功能，并在 sandbox 计划中包含 200 次免费的 GPT-4 调用。如果您在使用 Dify Cloud 时遇到问题，请[联系我们的云端支持团队](mailto:cloud@dify.ai?subject=%5BGitHub%5DDify%20Cloud%20Support)。 - **自托管 Dify 社区版
** 通过这份[入门指南](#quick-start)，快速在您的环境中运行 Dify。 使用我们的[文档](https://docs.dify.ai)获取更多参考资料和更深入的说明。 - **面向企业/组织的 Dify
** 我们提供额外的以企业为中心的功能。[给我们发送邮件](mailto:business@dify.ai?subject=%5BGitHub%5DBusiness%20License%20Inquiry)以讨论您的企业需求。
## 保持领先 ## 高级设置 ### 自定义配置 如果您需要自定义配置，请编辑 `docker/.env`。基本的启动默认值位于 [`docker/.env.example`](docker/.env.example) 中，可选的高级变量按主题划分在 `docker/envs/` 下。进行任何更改后，请在 `docker` 目录下重新运行 `docker compose up -d`。您可以[在这里](https://docs.dify.ai/getting-started/install-self-hosted/environments)找到可用环境变量的完整列表。 ### 使用 Grafana 进行指标监控 将仪表盘导入到 Grafana 中，使用 Dify 的 PostgreSQL 数据库作为数据源，以应用、租户、消息等粒度监控指标。 - [由 @bowenliang123 提供的 Grafana Dashboard](https://github.com/bowenliang123/dify-grafana-dashboard) ### 使用 Kubernetes 部署 如果您想配置高可用性设置，有社区贡献的 [Helm Charts](https://helm.sh/) 和 YAML 文件，允许在 Kubernetes 上部署 Dify。 - [由 @LeoQuote 提供的 Helm Chart](https://github.com/douban/charts/tree/master/charts/dify) - [由 @BorisPolonsky 提供的 Helm Chart](https://github.com/BorisPolonsky/dify-helm) - [由 @magicsong 提供的 Helm Chart](https://github.com/magicsong/ai-charts) - [由 @Winson-030 提供的 YAML 文件](https://github.com/Winson-030/dify-kubernetes) - [由 @wyy-holding 提供的 YAML 文件](https://github.com/wyy-holding/dify-k8s) - [🚀 全新！由 @Zhoneym 提供的 YAML 文件（支持 Dify v1.6.0）](https://github.com/Zhoneym/DifyAI-Kubernetes) #### 使用 Terraform 进行部署 使用 [terraform](https://www.terraform.io/) 一键将 Dify 部署到云平台 ##### Azure Global - [由 @nikawang 提供的 Azure Terraform](https://github.com/nikawang/dify-azure-terraform) ##### Google Cloud - [由 @sotazum 提供的 Google Cloud Terraform](https://github.com/DeNA/dify-google-cloud-terraform) #### 使用 AWS CDK 进行部署 使用 [CDK](https://aws.amazon.com/cdk/) 将 Dify 部署到 AWS ##### AWS - [由 @KevinZhao 提供的 AWS CDK（基于 EKS）](https://github.com/aws-samples/solution-for-deploying-dify-on-aws) - [由 @tmokmss 提供的 AWS CDK（基于 ECS）](https://github.com/aws-samples/dify-self-hosted-on-aws) #### 使用阿里云计算巢部署 使用[阿里云计算巢](https://computenest.console.aliyun.com/service/instance/create/default?type=user&ServiceName=Dify%E7%A4%BE%E5%8C%BA%E7%89%88)快速将 Dify 部署到阿里云 #### 使用阿里云数据管理 使用[阿里云数据管理](https://www.alibabacloud.com/help/en/dms/dify-in-invitational-preview/)一键将 Dify 部署到阿里云 #### 使用 Azure Devops Pipeline 部署到 AKS 使用[由 @LeoZhang 提供的 Azure Devops Pipeline Helm Chart](https://github.com/Ruiruiz30/Dify-helm-chart-AKS)一键将 Dify 部署到 AKS ## 安全披露 为了保护您的隐私，请避免在 GitHub 上发布安全问题。相反，请将问题报告至 security@dify.ai，我们的团队将提供详细的答复。 ## 许可证 本仓库基于 [Dify 开源许可证](LICENSE) 授权，该许可证基于 Apache 2.0 并包含附加条件。
Dify Cloud · 自托管 · 文档 · Dify 版本概述
启动 Dify 服务器最简单的方式是通过 [Docker Compose](docker/docker-compose.yaml)。在使用以下命令运行 Dify 之前，请确保您的机器上已安装 [Docker](https://docs.docker.com/get-docker/) 和 [Docker Compose](https://docs.docker.com/compose/install/)： ``` cd dify cd docker cp .env.example .env docker compose up -d ``` 运行后，您可以在浏览器中访问 [http://localhost/install](http://localhost/install) 进入 Dify 控制台并开始初始化过程。 #### 寻求帮助 如果您在设置 Dify 时遇到问题，请参阅我们的 [FAQ](https://docs.dify.ai/getting-started/install-self-hosted/faqs)。如果仍有问题，请联系[社区和我们](#community--contact)。 ## 核心功能 **1. Workflow**： 在可视化画布上构建并测试强大的 AI workflow，利用以下所有功能及更多特性。 **2. 全面的模型支持**： 与来自数十家推理提供商和自托管解决方案的数百种专有/开源 LLM 无缝集成，涵盖 GPT、Mistral、Llama3 以及任何兼容 OpenAI API 的模型。支持模型提供商的完整列表可以在[这里](https://docs.dify.ai/getting-started/readme/model-providers)找到。  **3. Prompt IDE**： 直观的界面，用于编写 prompt、比较模型性能，并为基于对话的应用添加文本转语音等额外功能。 **4. RAG Pipeline**： 广泛的 RAG 功能，涵盖从文档摄入到检索的所有内容，开箱即支持从 PDF、PPT 和其他常见文档格式中提取文本。 **5. Agent 能力**： 您可以基于 LLM Function Calling 或 ReAct 定义 agent，并为 agent 添加预置或自定义工具。Dify 为 AI agent 提供了 50 多种内置工具，如 Google Search、DALL·E、Stable Diffusion 和 WolframAlpha。 **6. LLMOps**： 随着时间的推移监控和分析应用日志及性能。您可以根据生产数据和标注持续改进 prompt、数据集和模型。 **7. Backend-as-a-Service**： Dify 的所有产品都提供相应的 API，因此您可以轻松地将 Dify 集成到自己的业务逻辑中。 ## 使用 Dify - **云端
** 我们为任何人托管了 [Dify Cloud](https://dify.ai) 服务，无需任何设置即可试用。它提供了自部署版本的所有功能，并在 sandbox 计划中包含 200 次免费的 GPT-4 调用。如果您在使用 Dify Cloud 时遇到问题，请[联系我们的云端支持团队](mailto:cloud@dify.ai?subject=%5BGitHub%5DDify%20Cloud%20Support)。 - **自托管 Dify 社区版
** 通过这份[入门指南](#quick-start)，快速在您的环境中运行 Dify。 使用我们的[文档](https://docs.dify.ai)获取更多参考资料和更深入的说明。 - **面向企业/组织的 Dify
** 我们提供额外的以企业为中心的功能。[给我们发送邮件](mailto:business@dify.ai?subject=%5BGitHub%5DBusiness%20License%20Inquiry)以讨论您的企业需求。
## 保持领先 ## 高级设置 ### 自定义配置 如果您需要自定义配置，请编辑 `docker/.env`。基本的启动默认值位于 [`docker/.env.example`](docker/.env.example) 中，可选的高级变量按主题划分在 `docker/envs/` 下。进行任何更改后，请在 `docker` 目录下重新运行 `docker compose up -d`。您可以[在这里](https://docs.dify.ai/getting-started/install-self-hosted/environments)找到可用环境变量的完整列表。 ### 使用 Grafana 进行指标监控 将仪表盘导入到 Grafana 中，使用 Dify 的 PostgreSQL 数据库作为数据源，以应用、租户、消息等粒度监控指标。 - [由 @bowenliang123 提供的 Grafana Dashboard](https://github.com/bowenliang123/dify-grafana-dashboard) ### 使用 Kubernetes 部署 如果您想配置高可用性设置，有社区贡献的 [Helm Charts](https://helm.sh/) 和 YAML 文件，允许在 Kubernetes 上部署 Dify。 - [由 @LeoQuote 提供的 Helm Chart](https://github.com/douban/charts/tree/master/charts/dify) - [由 @BorisPolonsky 提供的 Helm Chart](https://github.com/BorisPolonsky/dify-helm) - [由 @magicsong 提供的 Helm Chart](https://github.com/magicsong/ai-charts) - [由 @Winson-030 提供的 YAML 文件](https://github.com/Winson-030/dify-kubernetes) - [由 @wyy-holding 提供的 YAML 文件](https://github.com/wyy-holding/dify-k8s) - [🚀 全新！由 @Zhoneym 提供的 YAML 文件（支持 Dify v1.6.0）](https://github.com/Zhoneym/DifyAI-Kubernetes) #### 使用 Terraform 进行部署 使用 [terraform](https://www.terraform.io/) 一键将 Dify 部署到云平台 ##### Azure Global - [由 @nikawang 提供的 Azure Terraform](https://github.com/nikawang/dify-azure-terraform) ##### Google Cloud - [由 @sotazum 提供的 Google Cloud Terraform](https://github.com/DeNA/dify-google-cloud-terraform) #### 使用 AWS CDK 进行部署 使用 [CDK](https://aws.amazon.com/cdk/) 将 Dify 部署到 AWS ##### AWS - [由 @KevinZhao 提供的 AWS CDK（基于 EKS）](https://github.com/aws-samples/solution-for-deploying-dify-on-aws) - [由 @tmokmss 提供的 AWS CDK（基于 ECS）](https://github.com/aws-samples/dify-self-hosted-on-aws) #### 使用阿里云计算巢部署 使用[阿里云计算巢](https://computenest.console.aliyun.com/service/instance/create/default?type=user&ServiceName=Dify%E7%A4%BE%E5%8C%BA%E7%89%88)快速将 Dify 部署到阿里云 #### 使用阿里云数据管理 使用[阿里云数据管理](https://www.alibabacloud.com/help/en/dms/dify-in-invitational-preview/)一键将 Dify 部署到阿里云 #### 使用 Azure Devops Pipeline 部署到 AKS 使用[由 @LeoZhang 提供的 Azure Devops Pipeline Helm Chart](https://github.com/Ruiruiz30/Dify-helm-chart-AKS)一键将 Dify 部署到 AKS ## 安全披露 为了保护您的隐私，请避免在 GitHub 上发布安全问题。相反，请将问题报告至 security@dify.ai，我们的团队将提供详细的答复。 ## 许可证 本仓库基于 [Dify 开源许可证](LICENSE) 授权，该许可证基于 Apache 2.0 并包含附加条件。
标签：LLMOps, 低代码开发, 大模型, 子域名突变, 工作流, 测试用例, 版权保护, 自动化攻击, 请求拦截, 逆向工具