Dify

🧠 一、基本介绍
开源框架定位‌：基于 Python/Flask 构建的 LLM 应用开发平台，融合 BaaS（后端即服务）与 LLMOps 理念，支持可视化构建生产级生成式 AI 应用，采用 Apache 2.0 协议开源。
核心能力‌：
零代码构建 AI Agent、RAG 知识库、多步骤推理工作流
兼容主流模型（GPT/Claude/Llama3 等）及私有化部署。
最新版本‌：2025 年版强化工作流引擎与安全隔离机制。

🌐 二、行业地位与用户规模
技术影响力‌：GitHub Star 超 42K，企业用户包括顺丰（跨境支付系统）、三甲医院（门诊导诊 AI）等。
开发者生态‌：全球超 100 万活跃开发者，插件市场提供 50+ 预置工具（如 Google Search/WolframAlpha）。
市场份额‌：国内 LLM 开发平台市占率 Top 3，金融/医疗领域渗透率达 35%。
⚡ 三、系统优势
优势维度‌ ‌技术实现‌
低代码开发‌ 拖拽式工作流编排（DAG 可视化），开发效率提升 3-5 倍
多模型兼容‌ 统一 API 网关接入 300+ 模型（专有/开源），支持 OpenAI 标准
生产级优化‌ GPU 智能批处理（利用率 30%→85%），RAG 分层检索延迟 <50ms
企业级安全‌ RBAC 权限控制 + gVisor 代码沙箱隔离 + 审计日志追踪
⚙️ 四、核心机制
可视化工作流引擎‌
基于 Camunda BPM 改造，支持节点拖拽、条件分支、子流程嵌套，自动生成执行 DAG。
统一模型网关‌
抽象层解耦模型差异，实现 GPT/Claude/Llama 等 API 统一调用。
RAG 增强管道‌
文档处理流水线：OCR 提取 → 向量化嵌入 → 分层缓存（LRU+向量库）→ 实时检索。
Agent 执行框架‌
基于 ReAct 范式，支持函数调用动态调度工具链（如数学计算/网络搜索）。
🏗️ 五、架构特点
架构层‌ ‌技术栈与特性‌
接入层‌ RESTful API 网关 + WebSocket 实时通信
编排引擎‌ Celery 分布式任务队列（支撑 10 万+ QPS）
存储系统‌ PostgreSQL（元数据） + Redis（缓存/消息） + MinIO（文档存储）
部署架构‌ Kubernetes 云原生部署，支持混合模式（本地 LLM + 云端服务）
🎯 六、适用场景
场景类型‌ ‌典型案例‌ ‌关键技术组件‌
智能客服‌ 银行 24h 问答机器人 RAG 知识库 + 意图识别插件
内容生成平台‌ 新媒体自动撰稿系统 多模型调度 + 风格迁移工作流
数据分析助手‌ 电商销售报告自动化生成 SQL 工具链 + 图表渲染引擎
医疗辅助决策‌ 门诊电子病历生成 医学知识库 + 术语校验 Agent
工业流程自动化‌ 工厂设备故障诊断系统 物联网数据连接器 + 预警工作流

技术演进‌：2025 年版本新增多模态交互支持（语音/图像输入），强化工作流版本管理，并集成 ModelFine 微调组件提升领域适配性。其“可视化编排 + 企业级 LLMOps”架构已成为 AI 工程化落地的标杆范式之一。