课程简介
本课程旨在帮助学员了解 Dify 平台，并掌握企业级智能应用解决方案的构建方法。课程将从企业 AI 应用开发所面临的挑战入手，深入讲解 Dify 平台的核心定位、设计理念和关键特性。详细介绍如何利用 Dify 提供的可视化编排工具、多模型支持、RAG 引擎和 Agent 框架等功能，实现智能应用的快速开发、安全部署和灵活扩展。通过本课程的学习，学员将能够利用 Dify 构建出高效、可靠且符合企业需求的智能应用解决方案。
目标收益
•识别并理解企业在开发和部署生成式 AI 应用时面临的主要挑战。
•准确定义 Dify 平台，并阐述其作为 LLMOps 平台的核心价值和定位。
•掌握 Dify 平台的核心理念，如 BaaS 和 PaaS 在 AI 应用开发中的体现。
•熟练运用 Dify 平台的主要功能特性，包括可视化编排、多模型支持、RAG 引擎和 Agent 框架。
•针对企业场景，分析 Dify 平台在开发效率、数据安全和集成性等方面带来的价值。
•概述 Dify 平台的系统架构，并识别其关键组件及其相互关系。
培训对象
•需要构建和部署企业级 AI 应用的技术人员、产品经理和架构师。
•关注 LLMOps 平台，希望简化 AI 应用开发流程的专业人士。
•寻求提升数据安全、合规性，并充分利用 AI 能力的企业决策者。
•对 Dify 平台感兴趣，希望深入了解其功能和应用场景的开发者。
课程大纲
| 模块 1：Dify 平台导论 （Introduction to the Dify Platform） |
•1.1 学习目标 •1.2 企业 AI 应用开发的挑战与机遇 •1.3 定义 Dify：一个 LLMOps 平台 –1.3.1 核心定义与定位 –1.3.2 关键理念：BaaS 与 PaaS for AI •1.4 Dify 平台的核心功能与特性 –1.4.1 可视化工作流编排 （Visual Workflow Orchestration） –1.4.2 多模型支持与管理 （Multi-LLM Support & Management） –1.4.3 集成 RAG 引擎 （Integrated RAG Engine - Knowledge Base） –1.4.4 Agent 框架 （Agent Framework for Tool Usage） –1.4.5 应用模板与 API 发布 （Application Templates & API Publishing） •1.5 Dify 对企业的价值主张 –1.5.1 降低开发门槛，加速应用落地 –1.5.2 通过私有化部署保障数据安全与合规 –1.5.3 提供灵活性与可扩展性 –1.5.4 Dify 的定位比较 •1.6 Dify 系统架构概览 –1.6.1 关键服务组件 –1.6.2 核心依赖组件 （Dependencies） •1.7 关键术语 （Key Terms） •1.8 本章小结 •1.9 讨论与思考 |
| 模块 2：Dify 环境部署与配置 （Deployment and Configuration） |
•2.1 学习目标 •2.2 部署方式概述 –2.2.1 Dify Cloud （云版本） –2.2.2 私有化部署 （Self-Hosted） –2.2.3 为何选择私有化部署？ •2.3 使用 Docker 进行私有化部署 （Self-Hosting with Docker） –2.3.1 部署架构与依赖 –2.3.2 前提条件 （Prerequisites） –2.3.3 获取 Dify Docker 部署文件 –2.3.4 理解与修改 docker-compose.yaml –2.3.5 核心配置项调整 （通过环境变量） –2.3.6 启动 Dify 服务 –2.3.7 访问控制台与初始化设置 –2.3.8 常见部署问题与排查 （Troubleshooting） •2.4 连接与配置大语言模型 （LLM） –2.4.1 支持的模型提供商类型 –2.4.2 获取模型访问凭证 （以国内服务商为例） –2.4.3 在 Dify 中添加和管理模型 （以 DeepSeek API 为例） •2.5 本章小结 •2.6 实践练习 |
| 模块 3：构建基础 AI 应用：聊天机器人 （Building Basic Chatbots） |
•3.1 创建您的第一个聊天机器人应用 –3.1.1 选择应用类型：对话型 –3.1.2 基础设置：命名与描述 •3.2 提示词工程入门 （Introduction to Prompt Engineering in Dify） –3.2.1 编写系统指令 （System Prompt） –3.2.2 理解并使用变量 （Understanding & Using Variables） –3.2.3 上下文管理 （Context Management） 与对话历史 –3.2.4 调试与预览 •3.3 发布与集成初步 –3.3.1 生成 API 接口 –3.3.2 嵌入 Web 应用 –3.3.3 查看日志与进行标注 –3.3.4 应用监测概览 –3.3.5 其他集成可能性 （展望） •3.4 本章小结 •3.5 实践练习 |
| 模块 4：构建 RAG 应用：增强知识问答 （Building RAG Applications） |
•4.1 RAG 概念解析 （Understanding RAG） –4.1.1 为什么需要 RAG？ –4.1.2 RAG 工作流程 •4.2 Dify 中的知识库 （Knowledge Base in Dify） –4.2.1 创建知识库 –4.2.2 文本处理、分块与向量化 –4.2.3 管理知识库 •4.3 将知识库集成到应用中 –4.3.1 在应用中添加“上下文”节点 –4.3.2 调试与预览 –4.3.3 应用场景实例 –4.3.4 配置检索策略 （引入重排模型） •4.4 在 Dify 中构建高效 RAG 应用的最佳实践 –数据准备：质量优先，预处理是关键 –知识库配置：精细调整分块与嵌入 –检索策略：混合检索 + Reranker 优先 –Prompt 工程：明确指示，引导 LLM –测试与评估：持续迭代，数据驱动 –渐进式优化：先求有，再求好 •4.5 本章小结 •4.6 实践练习 |
| 模块 5：高级功能：使用 Agent 实现自动化工作流 （Using Agents） |
•5.1 Dify Agent 概念解析 –5.1.1 什么是 Agent？ –5.1.2 Agent 的工作模式：思考与行动的循环 •5.2 设计 Agent 的 Prompt （为“热点综述”量身定做） –5.2.1 Agent Prompt 设计 –5.2.2 Prompt 设计要点回顾 –5.2.3 在 Dify 中配置 Prompt •5.3 配置与使用内置工具 –5.3.1 本例使用的内置工具 –5.3.2 在 Dify Agent 中启用工具 –5.3.3 测试与预览 •5.4 关于自定义工具 （Custom Tools） •5.5 Agent 应用场景实例 •5.6 本章小结 •5.7 实践练习 |
| 模块 6：探索 Dify 工作流：可视化编排复杂任务 （Exploring Dify Workflows: Visually Orchestrating Complex Tasks） |
•6.1 工作流 （Workflow） 导论 –6.1.1 什么是 Dify 工作流？ –6.1.2 为什么需要工作流？ –6.1.3 理解 Dify 的编排模式：Workflow， Chatflow 与 Agent •6.2 工作流核心组件：认识节点 （Workflow Nodes） •6.3 构建您的第一个工作流：花语小能手 （Practical Case: Flower Whisperer） –6.3.1 场景定义：从花名到推广帖 –6.3.2 工作流结构解析 –6.3.3 在 Dify 中构建工作流 –6.3.4 运行与测试 •6.4 实践案例：构建 Chatflow 应用 - 易速客服 （Practical Case: YiSu Customer Service Chatflow） –6.4.1 场景定义：智能客服初步响应与转人工 –6.4.2 Chatflow 结构解析 –6.4.3 在 Dify 中构建 Chatflow –6.4.4 运行与测试 Chatflow •6.5 高级工作流/Chatflow 概念与最佳实践 –6.5.1 错误处理 （Error Handling） –6.5.2 优化 （Optimization） –6.5.3 发布为 API –6.5.4 何时选择 Workflow vs。 Chatflow vs. Agent （决策指南） •6.6 工作流/Chatflow 应用场景实例 （拓展） •6.7 本章小结 •6.8 实践练习 |
| 模块 7：企业级考量与实践 （Enterprise Considerations & Practices） |
•7.1 集成与扩展 （Integration and Extension） –7.1.1 API 对接企业系统 –7.1.2 Webhook 与回调机制 –7.1.3 二次开发与定制化 •7.2 安全与合规 （Security and Compliance） –7.2.1 私有化部署的数据安全保障 –7.2.2 访问控制与权限管理 –7.2.3 API 密钥安全管理 –7.2.4 敏感信息过滤与脱敏 –7.2.5 审计日志与追踪 •7.3 运维与监控 （Operations and Monitoring） –7.3.1 监控 Dify 服务状态 –7.3.2 应用调用量与 Token 消耗监控 –7.3.3 知识库更新与维护策略 –7.3.4 Dify 版本升级 •7.4 成本与性能优化 （Cost and Performance Optimization） –7.4.1 选择合适的 LLM –7.4.2 优化 Prompt 减少 Token 消耗 –7.4.3 RAG 检索效率优化 –7.4.4 Agent/Workflow 优化 |
|
模块 1：Dify 平台导论 （Introduction to the Dify Platform） •1.1 学习目标 •1.2 企业 AI 应用开发的挑战与机遇 •1.3 定义 Dify：一个 LLMOps 平台 –1.3.1 核心定义与定位 –1.3.2 关键理念：BaaS 与 PaaS for AI •1.4 Dify 平台的核心功能与特性 –1.4.1 可视化工作流编排 （Visual Workflow Orchestration） –1.4.2 多模型支持与管理 （Multi-LLM Support & Management） –1.4.3 集成 RAG 引擎 （Integrated RAG Engine - Knowledge Base） –1.4.4 Agent 框架 （Agent Framework for Tool Usage） –1.4.5 应用模板与 API 发布 （Application Templates & API Publishing） •1.5 Dify 对企业的价值主张 –1.5.1 降低开发门槛，加速应用落地 –1.5.2 通过私有化部署保障数据安全与合规 –1.5.3 提供灵活性与可扩展性 –1.5.4 Dify 的定位比较 •1.6 Dify 系统架构概览 –1.6.1 关键服务组件 –1.6.2 核心依赖组件 （Dependencies） •1.7 关键术语 （Key Terms） •1.8 本章小结 •1.9 讨论与思考 |
|
模块 2：Dify 环境部署与配置 （Deployment and Configuration） •2.1 学习目标 •2.2 部署方式概述 –2.2.1 Dify Cloud （云版本） –2.2.2 私有化部署 （Self-Hosted） –2.2.3 为何选择私有化部署？ •2.3 使用 Docker 进行私有化部署 （Self-Hosting with Docker） –2.3.1 部署架构与依赖 –2.3.2 前提条件 （Prerequisites） –2.3.3 获取 Dify Docker 部署文件 –2.3.4 理解与修改 docker-compose.yaml –2.3.5 核心配置项调整 （通过环境变量） –2.3.6 启动 Dify 服务 –2.3.7 访问控制台与初始化设置 –2.3.8 常见部署问题与排查 （Troubleshooting） •2.4 连接与配置大语言模型 （LLM） –2.4.1 支持的模型提供商类型 –2.4.2 获取模型访问凭证 （以国内服务商为例） –2.4.3 在 Dify 中添加和管理模型 （以 DeepSeek API 为例） •2.5 本章小结 •2.6 实践练习 |
|
模块 3：构建基础 AI 应用：聊天机器人 （Building Basic Chatbots） •3.1 创建您的第一个聊天机器人应用 –3.1.1 选择应用类型：对话型 –3.1.2 基础设置：命名与描述 •3.2 提示词工程入门 （Introduction to Prompt Engineering in Dify） –3.2.1 编写系统指令 （System Prompt） –3.2.2 理解并使用变量 （Understanding & Using Variables） –3.2.3 上下文管理 （Context Management） 与对话历史 –3.2.4 调试与预览 •3.3 发布与集成初步 –3.3.1 生成 API 接口 –3.3.2 嵌入 Web 应用 –3.3.3 查看日志与进行标注 –3.3.4 应用监测概览 –3.3.5 其他集成可能性 （展望） •3.4 本章小结 •3.5 实践练习 |
|
模块 4：构建 RAG 应用：增强知识问答 （Building RAG Applications） •4.1 RAG 概念解析 （Understanding RAG） –4.1.1 为什么需要 RAG？ –4.1.2 RAG 工作流程 •4.2 Dify 中的知识库 （Knowledge Base in Dify） –4.2.1 创建知识库 –4.2.2 文本处理、分块与向量化 –4.2.3 管理知识库 •4.3 将知识库集成到应用中 –4.3.1 在应用中添加“上下文”节点 –4.3.2 调试与预览 –4.3.3 应用场景实例 –4.3.4 配置检索策略 （引入重排模型） •4.4 在 Dify 中构建高效 RAG 应用的最佳实践 –数据准备：质量优先，预处理是关键 –知识库配置：精细调整分块与嵌入 –检索策略：混合检索 + Reranker 优先 –Prompt 工程：明确指示，引导 LLM –测试与评估：持续迭代，数据驱动 –渐进式优化：先求有，再求好 •4.5 本章小结 •4.6 实践练习 |
|
模块 5：高级功能：使用 Agent 实现自动化工作流 （Using Agents） •5.1 Dify Agent 概念解析 –5.1.1 什么是 Agent？ –5.1.2 Agent 的工作模式：思考与行动的循环 •5.2 设计 Agent 的 Prompt （为“热点综述”量身定做） –5.2.1 Agent Prompt 设计 –5.2.2 Prompt 设计要点回顾 –5.2.3 在 Dify 中配置 Prompt •5.3 配置与使用内置工具 –5.3.1 本例使用的内置工具 –5.3.2 在 Dify Agent 中启用工具 –5.3.3 测试与预览 •5.4 关于自定义工具 （Custom Tools） •5.5 Agent 应用场景实例 •5.6 本章小结 •5.7 实践练习 |
|
模块 6：探索 Dify 工作流：可视化编排复杂任务 （Exploring Dify Workflows: Visually Orchestrating Complex Tasks） •6.1 工作流 （Workflow） 导论 –6.1.1 什么是 Dify 工作流？ –6.1.2 为什么需要工作流？ –6.1.3 理解 Dify 的编排模式：Workflow， Chatflow 与 Agent •6.2 工作流核心组件：认识节点 （Workflow Nodes） •6.3 构建您的第一个工作流：花语小能手 （Practical Case: Flower Whisperer） –6.3.1 场景定义：从花名到推广帖 –6.3.2 工作流结构解析 –6.3.3 在 Dify 中构建工作流 –6.3.4 运行与测试 •6.4 实践案例：构建 Chatflow 应用 - 易速客服 （Practical Case: YiSu Customer Service Chatflow） –6.4.1 场景定义：智能客服初步响应与转人工 –6.4.2 Chatflow 结构解析 –6.4.3 在 Dify 中构建 Chatflow –6.4.4 运行与测试 Chatflow •6.5 高级工作流/Chatflow 概念与最佳实践 –6.5.1 错误处理 （Error Handling） –6.5.2 优化 （Optimization） –6.5.3 发布为 API –6.5.4 何时选择 Workflow vs。 Chatflow vs. Agent （决策指南） •6.6 工作流/Chatflow 应用场景实例 （拓展） •6.7 本章小结 •6.8 实践练习 |
|
模块 7：企业级考量与实践 （Enterprise Considerations & Practices） •7.1 集成与扩展 （Integration and Extension） –7.1.1 API 对接企业系统 –7.1.2 Webhook 与回调机制 –7.1.3 二次开发与定制化 •7.2 安全与合规 （Security and Compliance） –7.2.1 私有化部署的数据安全保障 –7.2.2 访问控制与权限管理 –7.2.3 API 密钥安全管理 –7.2.4 敏感信息过滤与脱敏 –7.2.5 审计日志与追踪 •7.3 运维与监控 （Operations and Monitoring） –7.3.1 监控 Dify 服务状态 –7.3.2 应用调用量与 Token 消耗监控 –7.3.3 知识库更新与维护策略 –7.3.4 Dify 版本升级 •7.4 成本与性能优化 （Cost and Performance Optimization） –7.4.1 选择合适的 LLM –7.4.2 优化 Prompt 减少 Token 消耗 –7.4.3 RAG 检索效率优化 –7.4.4 Agent/Workflow 优化 |
近期公开课推荐
