5.7 KiB
English | 简体中文 | 日本語 | Español | Klingon
Dify 是一个 LLM 应用开发平台，已经有超过 10 万个应用基于 Dify.AI 构建。它融合了 Backend as Service 和 LLMOps 的理念，涵盖了构建生成式 AI 原生应用所需的核心技术栈，包括一个内置 RAG 引擎。使用 Dify，你可以基于任何模型自部署类似 Assistants API 和 GPTs 的能力。
为什么选择Dify
Dify 具有模型中立性，相较 LangChain 等硬编码开发库 Dify 是一个完整的、工程化的技术栈，而相较于 OpenAI 的 Assistants API 你可以完全将服务部署在本地。
| 功能 | Dify.AI | Assistants API | LangChain |
|---|---|---|---|
| 编程方式 | 面向 API | 面向 API | 面向 Python 代码 |
| 生态策略 | 开源 | 封闭且商用 | 开源 |
| RAG 引擎 | 支持 | 支持 | 不支持 |
| Prompt IDE | 包含 | 包含 | 没有 |
| 支持的 LLMs | 丰富 | 仅 GPT | 丰富 |
| 本地部署 | 支持 | 不支持 | 不适用 |
特点
1. LLM支持：与 OpenAI 的 GPT 系列模型集成,或者与开源的 Llama2 系列模型集成。事实上，Dify支持主流的商业模型和开源模型(本地部署或基于 MaaS)。
2. Prompt IDE：和团队一起在 Dify 协作，通过可视化的 Prompt 和应用编排工具开发 AI 应用。 支持无缝切换多种大型语言模型。
3. RAG引擎：包括各种基于全文索引或向量数据库嵌入的 RAG 能力，允许直接上传 PDF、TXT 等各种文本格式。
4. Agent：基于函数调用的 Agent框架，允许用户自定义配置，所见即所得。Dify 提供了基本的插件能力，如谷歌搜索。
5. 持续运营：监控和分析应用日志和性能，使用生产数据持续改进 Prompt、数据集或模型。
在开始之前
安装社区版
系统要求
在安装 Dify 之前，请确保您的机器满足以下最低系统要求：
- CPU >= 2 Core
- RAM >= 4GB
快速启动
启动 Dify 服务器的最简单方法是运行我们的 docker-compose.yml 文件。在运行安装命令之前，请确保您的机器上安装了 Docker 和 Docker Compose：
cd docker
docker compose up -d
运行后，可以在浏览器上访问 http://localhost/install 进入 Dify 控制台并开始初始化安装操作。
Helm Chart
非常感谢 @BorisPolonsky 为我们提供了一个 Helm Chart 版本，可以在 Kubernetes 上部署 Dify。 您可以前往 https://github.com/BorisPolonsky/dify-helm 来获取部署信息。
配置
如果您需要自定义配置，请参考我们的 docker-compose.yml 文件中的注释，并手动设置环境配置。更改后，请再次运行 docker-compose up -d。您可以在我们的文档中查看所有环境变量的完整列表。
Star History
社区与支持
我们欢迎您为 Dify 做出贡献，以帮助改善 Dify。包括：提交代码、问题、新想法，或分享您基于 Dify 创建的有趣且有用的 AI 应用程序。同时，我们也欢迎您在不同的活动、会议和社交媒体上分享 Dify。
- GitHub Issues。👉：使用 Dify.AI 时遇到的错误和问题，请参阅贡献指南。
- 电子邮件支持。👉：关于使用 Dify.AI 的问题。
- Discord。👉：分享您的应用程序并与社区交流。
- Twitter。👉：分享您的应用程序并与社区交流。
- 商业许可。👉：有关商业用途许可 Dify.AI 的商业咨询。
- 微信 👉：扫描下方二维码，添加微信好友，备注 Dify，我们将邀请您加入 Dify 社区。
安全问题
为了保护您的隐私，请避免在 GitHub 上发布安全问题。发送问题至 security@dify.ai，我们将为您做更细致的解答。
License
本仓库遵循 Dify Open Source License 开源协议。