⚡ Dify：141k Stars 的生产级 AI 应用开发平台，拖拽搭出你的 Agent 工作流

项目地址：https://github.com/langgenius/dify | ⭐ 141,407 Stars | 🛠 TypeScript | 作者：langgenius | 🏠 https://dify.ai

老实说，市面上的 AI 应用平台我试过不少——LangFlow 太轻量，Flowise 功能不够深，自己从头搭一个太折腾。直到看到 Dify，我才觉得「这个真能用到生产」。

Dify 是一个开源 LLM 应用开发平台，把 AI 工作流编排、RAG 管道、Agent 能力、模型管理、可观测性（Opik、Langfuse、Arize Phoenix）全塞进一个直观的可视化界面。141k Stars 不是白来的。

核心能力拆解

🔥 Workflow 编排：在可视化画布上拖拽节点，搭出复杂的 AI 工作流。每个节点可配置、可测试、可复用。

⚡ 多模型支持：GPT、Mistral、Llama3、DeepSeek——上百种模型随便切，一个接口全兼容。

🛠 Prompt IDE：比较模型输出、调 prompt、加 TTS 功能，全在同一个界面完成。

📚 RAG Pipeline：从 PDF/PPT 等文档自动提取文本，构建知识库，开箱即用。

🤖 Agent 能力：基于 Function Calling 或 ReAct 定义 Agent，内置 50+ 工具（Google Search、DALL·E、Stable Diffusion）。

📊 LLMOps：监控日志、分析性能、根据生产数据优化 prompt 和模型。

🔌 Backend-as-a-Service：所有功能都有 API，可以嵌入你自己的业务逻辑。

一行命令部署

别整那些花里胡哨的，Docker Compose 一键启动：

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

跑完打开 http://localhost/install，按引导初始化即可。要求不高——2 核 CPU + 4GB 内存就能跑。

深度思考

Dify 最骚的操作是它把「原型到生产」的路径缩到最短。普通开发者搭个 RAG 系统可能要花一周调向量库、配 embedding、写 API 接口——在 Dify 上拖拽就行。

而且它不像某些平台锁死你：模型随便换，数据在自己手里，还能接外部可观测性工具（Opik、Langfuse）。说白了，要颜值有颜值，要自由有自由。

总结

想搭 AI 应用的，直接 clone 下来跑一遍，比你自己从头写快一百倍。