Dify AI工具详细使用教程（上篇）

官方文档：https://docs.dify.ai/zh-hans/introduction

安装启动

将项目克隆到本地后，我们通过Docker方式完成安装：

cd dify
cd docker
cp .env.example .env
docker compose up -d

默认使用80端口，访问 http://localhost/apps 即可进入Dify界面。

注意：升级时务必备份Docker目录下的volumes文件夹，因为Dify所有数据均存储于此。升级完成后将备份的volumes恢复回去即可。

使用前配置

注册账号并进入Dify主页后，先不要急于操作，请提前配置好模型与用户权限。

配置模型：点击右上角头像 → 设置 → 模型供应商，即可添加所需模型。例如我添加了DeepSeek、百度文心一言、阿里通义千问以及本地Ollama模型（注意：配置Ollama的BaseURL时，部分用户可能和我一样需要填写 http://host.docker.internal:11434）。

Dify默认支持几乎所有主流模型厂商，添加时仅需提供对应的API Key。如果不清楚如何获取，点击提示可直接跳转到对应网站进行配置。例如下方添加OpenAI模型，按引导操作即可。

设置用户权限：企业内使用Dify必然涉及多用户，权限管理需及时跟上。例如部分智能体普通用户仅能使用，无法修改。如何设置？同样在设置中，选择“成员”选项卡，在此处可以添加用户并配置各类权限。

功能介绍

下面介绍Dify的基本功能。其核心功能其实只有一个——创建智能体（工作流也包含在内，只是默认提供了五种模式）。此外还有一个辅助功能：简版知识库的创建与检索。

五种智能体模式：

• 聊天助手：简单配置即可构建基于大语言模型的对话机器人
• Agent：具备推理与自主工具调用能力的智能助手
• 文本生成应用：专用于文本生成任务的AI助手
• Chatflow：支持记忆的复杂多轮对话工作流
• 工作流：面向单轮自动化任务的编排工作流

不要被上面“新手适用”或“进阶用户适用”的标签吓到，五种模式使用下来，你会发现最常用的还是Chatflow。

知识库：默认支持两种方式。简单场景可直接在Dify内创建知识库，后续引用即可。但默认知识库功能有限，因此也支持连接外部知识库，例如后面会演示如何外接RAGFlow知识库，这种场景在企业中应用更广泛。

其他功能：工具（插件）

工具也称为插件，用于辅助创建智能体。Dify的插件市场提供了各类插件，能够满足连接外部应用的需求。例如后面会演示近期火爆的MCP插件的使用方法。当然也可以自行编写代码自定义插件，官方文档有详细教程，此处不再展开。

其他功能：多语言

Dify支持多语言，在设置中即可切换。

知识库实战1：Dify中创建知识库

先来创建知识库。在知识库菜单下，点击“创建知识库”。

然后在“导入已有文本”选项卡下，上传要制作知识库的文件。例如我上传了一份《中国AI智慧操场行业研究报告》的PDF文档，随后点击“下一步”。

进入知识库设置的详细页面。具备RAG基础会更易上手，否则需要花些时间研究。

先看“分段设置”区域，这里可以设置分段标识符、分段最大长度、分段重叠长度、是否替换连续空格/换行符/制表符、是否删除所有URL和电子邮件地址等。

如果不知道如何设置，保持默认即可，或者参考问号提示（后续其他位置同理，不清楚就看问号）。

其次，关注“索引方式”，选择默认的“高质量”。下面必须选择一个Embedding模型，确保已在模型设置页面添加了包含Embedding模型的厂商，否则无法选择。例如我选择阿里的 text-embedding-v3。

最后是“检索设置”区域，提供了三种方式：向量检索、全文检索、混合检索。知识库检索的本质是上传文档经过Embedding处理转为向量存入向量数据库，再执行检索。三种方式各有优劣，按需选择。我通常使用混合检索，感觉结果更准确。

三种检索方式说明：

• 向量检索：通过生成查询嵌入，并查询与其向量表示最相似的文本分段
• 全文检索：索引文档中的所有词汇，允许用户查询任意词汇，返回包含这些词汇的文本片段
• 混合检索：同时执行全文检索和向量检索，并应用重排序步骤，从两类查询结果中选出最佳结果，用户可设置权重或配置重新排序模型

混合检索下有两个选项：权重方式和Rerank模型方式。若选择Rerank模型，需从模型厂商中选择一个Rerank模型（许多小厂商不具备，大厂商通常提供）。Rerank模型的作用是根据候选文档与用户问题的语义匹配度重新排序，使更匹配的片段排在前列。这里我们选择权重方式，调整语义和关键字比例，默认语义0.7、关键字0.3。最后两个参数：Top K表示检索出几个chunk片段；Score阈值开启后，只有分数高于阈值的片段才会被检索出来，通常关闭。注意：知识库创建时设置的Top K和Score值，后续检索时仍会使用，但会受到此处设置的限制。例如这里Top K设为3，后面智能体里设为5，实际检索结果仍为3。

点击“保存并处理”，开始文档向量化。向量化成功后，点击“前往文档”查看。

点击上传的文档，可以看到已经成功分块（chunk）。知识库创建完成。

尚未结束，点击左侧第三个图标，对知识库进行设置，可以修改名称、描述和可见权限。尤其注意权限设置：默认仅创建者本人可见，如需让团队成员可见，务必修改。

最后一步，检索测试。点击左侧第二个图标，输入“中国AI智慧操场行业发展历程”，点击测试，右侧出现三个结果（因为Top K设置为3）。每条结果右上角有Score分数，如果开启了Score阈值，只有高于阈值的片段才会显示。

至此，才算真正使用Dify创建知识库并成功检索。其中涉及众多参数，以上仅为简要说明。如果想深入掌握知识库功能，需要积累RAG领域的知识，或参考Dify官方文档，理解每个参数的作用，并进行多次尝试。

知识库实战2：Dify中连接外部知识库

Dify默认的知识库在简单场景下够用，复杂场景则力不从心，因此大多数情况下我们会连接外部知识库（本质上是API）。开源领域中最接近企业级应用的是RAGFlow知识库，下面介绍Dify如何接入RAGFlow。

首先，在知识库右上角选择“外部知识库API” → “添加外部知识库API”，填写连接RAGFlow的信息。Name可随意填写，例如“RAGFlow”。API Endpoint需注意：是RAGFlow的domain + /api/v1/dify，例如我的RAGFlow domain为 https://108dq967ds407.vicp.fun，那么Endpoint就是 https://108dq967ds407.vicp.fun/api/v1/dify。API Key即是RAGFlow的key。

具体对应关系参考下图：

其次，在创建知识库时，点击“连接外部知识库”，去连接RAGFlow中的知识库。注意两个地方：外部知识API选择刚才创建的（例如“RAGFlow”），外部知识库ID需要输入对应RAGFlow知识库的ID。

RAGFlow知识库的ID如何查找？参考下图：

外部连接的RAGFlow知识库创建成功，进行测试。例如问“第一章内容是什么”，Dify通过API调用RAGFlow的《2025年中国人工智能计算力发展评估报告》知识库，成功查出结果。搞定。

智能体实战1：最简单的聊天模式

接下来进入创建智能体环节。先从最简单的聊天模式智能体开始。此处不从头创建，而是借助Dify预置的聊天模式智能体进行讲解——因为实在太简单，听明白后你肯定也会创建。

在“探索”菜单中，可以看到Dify默认提供了一批智能体（实话实说，我都研究过，并不太好用……供参考学习还行）。选择标签为“聊天助手”的“会议纪要”智能体，添加到工作区。

添加成功后，在“工作室”选项卡就能看到“会议纪要”智能体（工作室是Dify最核心的菜单，所有创建的智能体都会显示在这里）。

点进去，左侧通过提示词限定了“会议纪要”的功能，右侧右上角切换成自己的模型即可使用。

切换模型后，点击“发布”→“发布更新”进行保存。

进行测试，点击“运行”，输入以下会议内容：

会议纪要智能体给出了结果。第一个智能体，就是如此简单。

智能体实战2：Agent模式

再来看第二种模式——个人感觉它即将被淘汰的传统Agent模式（最后再说明原因）。同样不创建，直接看Dify预置的例子“YouTube 频道数据分析”。

需要安装工具，按提示安装即可。

这个智能体主要分为三部分：提示词、模型，以及多出来的“工具”部分（即刚才安装的插件）。

简要说明：这种智能体的玩法是在Prompt中定义角色、技能、工作流程（或工作步骤）、限定条件这四部分。

• 角色：告知智能体它的职责和能做什么
• 技能：它所拥有的技能或插件，对应下面的工具
• 工作流程：规定操作步骤，每一步该做什么、调用什么工具
• 限定条件：设定一些规则

这样智能体在执行过程中就会调用对应工具完成任务。具体不再演示，聊聊为什么这种模式以后会越来越少用，甚至夸张地说，会被淘汰。

1. 这种Agent模式是2023年到2024年初的主流，处理简单场景尚可，复杂场景就得使用工作流。而且Agent模式能做的，工作流模式都能做，反过来工作流支持的复杂业务流程，Agent模式不一定能完成。所以现在Agent模式的存在感很鸡肋，反正我基本没用过。

2. 现在多数场景下，我们使用的是推理模型，推理模型并不依赖“设定角色”那一套。去看看DeepSeek-R1推荐的Prompt写法就知道了，此处不展开。

3. MCP已经出现，谁还会玩Function Call那一套？过去的Agent玩法过于复杂，而且模型有时不听话，会调用错工具。

不过这种Agent模式仍然存在，肯定有其价值，但写法需要改变。下面展示一个Agent模式连接MCP的例子。

智能体实战3：整合MCP

最后放一个大招，演示Dify如何在Agent模式下整合MCP。MCP的基本概念这里不细说，如果你还想在AI方向深入，强烈建议去了解一下。

1. 安装MCP插件。在“工具”→“探索Marketplace”中搜索MCP，安装插件“MCP SSE / StreamableHTTP”。我之前已经装过，显示安装成功。

2. 配置MCP。这一步非常关键。点击右上角“插件”，找到刚才安装的MCP插件，在右侧进行设置。因为我已经设置好了，所以显示“已授权”。下面教大家如何设置。

主要配置一个MCP Server地址，这里用Zapier平台获取。

{
    "server_name": {
        "url": "XXXXXX",
        "headers": {},
        "timeout": 50,
        "sse_read_timeout": 50
    }
}

Zapier平台MCP Server地址获取方法：

1）访问 https://mcp.zapier.com/mcp ，在Tools下点击Add tool，搜索并配置你想添加的MCP工具（按步骤操作，需要各种授权，这里不一步步演示了）。下图是我添加的Google邮箱发送邮件工具。

2）在Connect选项卡中，选择一个MCP协议，选StreamableHTTP或SSE均可，Dify插件都支持。然后复制MCP Server的路径，配置到Dify中。

在Dify中配置成功后，会显示“已授权”状态。

3. 创建Agent应用。选择“创建空白应用”→“Agent”模式，起个名字，例如“MCP-Demo”。

4. 配置模型和添加MCP工具。进去后非常简单，提示词完全不用写，右上角配置模型，然后在工具部分添加刚才安装配置好的MCP工具（安装的插件其实包含两个工具：一个是查找MCP工具列表，另一个是调用MCP工具）。

5. 运行测试。只说了一句话：“给我自己的QQ邮箱发个邮件，主题和内容如下……”然后就没有然后了，发送成功。下面还故意没写邮件主题，它会提示必须要有主题。是不是非常方便？比之前那种Agent写法简单太多了——以前得设置角色、技能、每一步怎么做，现在提示词里什么都不用写，直接告诉它你要发邮件，它会自己调用MCP的列表工具，找到合适的工具去执行。

收到的邮件：

Dify连接MCP的部分到此结束。

由于篇幅原因，Dify教程分为上下两部分，这篇是上半部分，下半部分后续将尽快更新。

（正文完）