**Dify 是一个用于构建 AI 应用程序的开源平台。****Dify融合了后端即服务（Backend as Service）和LLMOps理念。它支持多种大型语言模型，如Claude3、OpenAI等，并与多个模型供应商合作，确保开发者能根据需求选择最适合的模型。**Dify通过提供强大的数据集管理功能、可视化的Prompt编排以及应用运营工具，大大降低了AI应用开发的复杂度。

*什么是Dify（Define & Modify）？Dify是一个开源的大语言模型（LLM）应用开发平台，旨在简化和加速生成式AI应用的创建和部署。该平台结合了后端即服务（Backend as Service, BaaS）和LLMOps的理念，为开发者提供了一个用户友好的界面和一系列强大的工具*，使他们能够快速搭建生产级的AI应用。**

1. 低代码/无代码开发：Dify通过可视化的方式允许开发者轻松定义Prompt、上下文和插件等，无需深入底层技术细节。
2. 模块化设计：Dify采用模块化的设计，每个模块都有清晰的功能和接口，开发者可以根据需求选择性地使用这些模块来构建自己的AI应用。
3. 丰富的功能组件：平台提供了包括AI工作流、RAG管道、Agent、模型管理等丰富功能组件，帮助开发者从原型到生产的全过程。
4. 支持多种大语言模型：Dify已支持主流的模型，开发者能够根据自己的需求选择最适合的模型来构建AI应用。

Dify提供四种基于LLM构建的应用程序，可以针对不同的应用场景和需求进行优化和定制。

1. 聊天助手（Chat Assistant）：

2. • 基于LLM的对话助手，能够与用户进行自然语言交互，理解用户的问题、请求或指令，并给出相应的回答或执行相应的操作。

3. 文本生成（Text Generation）：

4. • 专注于各种文本生成任务，如撰写故事、新闻报道、文案、诗歌等创意写作，以及文本分类、翻译等任务。

5. Agent（智能代理）：

6. • 这种助手不仅具备对话能力，还具备任务分解、推理、工具调用等高级能力。它能够理解复杂的指令，将任务分解为多个子任务，并调用相应的工具或API来完成这些子任务。

7. 工作流程（Workflow）：

8. • 根据用户定义的流程编排，灵活地组织和控制LLM的工作流程。用户可以自定义一系列的操作步骤和逻辑判断，让LLM按照预定的流程执行任务。

**二、Dify + RAG****

如何将文档上传到Dify知识库构建RAG？将文档上传到Dify知识库的过程涉及多个步骤，从文件选择、预处理、索引模式选择到检索设置**，旨在构建一个高效、智能的知识检索系统。**

1. 创建知识库：Dify主导航栏中的“知识”，在此页面可以看到已有的知识库。

• 创建新知识库：拖放或选择要上传的文件，支持批量上传，但数量受订阅计划限制。
• 空知识库选项：如果尚未准备文档，可选择创建空知识库。
• 外部数据源：使用外部数据源（如Notion或网站同步）时，知识库类型将固定，建议为每个数据源创建单独知识库。

2. 文本预处理与清理：内容上传到知识库之后，需要进行分块和数据清洗，这个阶段可以理解为内容的预处理和结构化。

• 自动模式：Dify自动分割和清理内容，简化文档准备流程。

• 自定义模式：对于需要更精细控制的情况，可选择自定义模式进行手动调整。

3. 索引模式：根据应用场景选择合适的索引模式，如高质量模式、经济模式或问答模式。

• 高质量模式：利用Embedding模型将文本转换为数值向量，支持向量检索、全文检索和混合检索。

• 经济模式：采用离线向量引擎和关键字索引，虽然准确率有所降低，但省去了额外的 token 消耗和相关成本。

• **问答模式：**系统会进行文本分词，并通过摘要的方式，为每段生成QA问答对。

4. 检索设置：

（1）在高质量索引模式下，Dify 提供三种检索设置：向量搜索、全文搜索、混合搜索

• 向量搜索：将查询向量化，计算与知识库中文本向量的距离，识别最接近的文本块。

• 全文搜索：基于关键字匹配进行搜索。

• 混合搜索：结合向量搜索和全文搜索的优势。

• Rerank模型：对检索结果进行语义重排序，优化排序结果。

（2）在经济索引模式下，Dify 提供单一检索设置：倒排索引和TopK

• 倒排索引：一种为快速检索文档中的关键字而设计的索引结构。
• TopK和分数阈值：设置检索结果的数量和相似度阈值。

**三、******Dify + Agent**********

****如何在Dify平台搭建Agent**？****在Dify平台上，通过选择模型、编写提示、添加工具与知识库、配置推理模式及对话开启器，最后进行调试预览并发布为Webapp，实现Agent的创建与部署。

1. 探索与集成应用模板

Dify平台提供了丰富的“探索”（Explore）部分，其中包含多个代理助理的应用模板。用户可以直接将这些模板集成到自己的工作区中，快速开始使用。同时还允许用户创建自定义代理助理，以满足特定的个人或组织需求。

2. 选择推理模型

代理助理的任务完成能力很大程度上取决于所选LLM模型的推理能力。建议使用如GPT-4等更强大的模型系列，以获得更稳定、更精确的任务完成结果。

3. 编写提示与设置流程

在“说明”（Instructions）部分，用户可以详细编写代理助理的任务目标、工作流程、所需资源和限制条件等提示信息。这些信息将帮助代理助理更好地理解并执行任务。

4. 添加工具与知识库

• 工具集成：在“工具”（Tools）部分，用户可以添加各种内置或自定义工具，以增强代理助理的功能。这些工具可以包括互联网搜索、科学计算、图像创建等，帮助代理助理与现实世界进行更丰富的交互。
• 知识库：在“上下文”（Context）部分，用户可以整合知识库工具，为代理助理提供外部背景知识和信息检索能力。

5. 推理模式设置

Dify支持两种推理模式：Function Calling和ReAct。

• Function Calling：对于支持该模式的模型（如GPT-3.5、GPT-4），建议使用此模式以获得更好更稳定的性能。
• ReAct：对于不支持Function Calling的模型系列，Dify提供了ReAct推理框架作为替代方案，以实现类似的功能。

6. 配置对话开启器

用户可以为代理助理设置对话开场白和初始问题，以便在用户首次与代理助理交互时，展示其可以执行的任务类型和可以提出的问题示例。

7. 调试与预览

在将代理助理发布为应用程序之前，用户可以在Dify平台上进行调试和预览，以评估其完成任务的有效性和准确性。

8. 应用程序发布

一旦代理助理配置完成并经过调试，用户就可以将其发布为Web应用程序（Webapp），供更多人使用。这将使得代理助理的功能和服务能够跨平台、跨设备地提供给更广泛的用户群体。

最后如果您也对AI大模型感兴趣想学习却苦于没有方向👀

小编给自己收藏整理好的学习资料分享出来给大家💖

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码关注免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉如何学习AI大模型？👈

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。