Dify工作流入门指南：从零搭建AI应用完整教程

Dify是什么：低代码构建AI应用的平台

Dify是一款面向AI应用开发的低代码平台，无论是企业级应用还是个人使用场景，都能借助它快速搭建。它的核心价值在于把大模型调用、工作流编排、数据交互等能力封装成可视化模块，让不具备深厚工程背景的用户也能落地AI应用。

对于初次接触的人来说，可以把Dify理解成一个「AI应用工厂」——你不需要从头写代码调用API、管理对话状态、拼接提示词，而是通过拖拽节点、配置参数来完成整个应用的构建。这也是它近期在开发者社区中热度攀升的原因。

三种部署方式：在线、Docker与源码

Dify提供了灵活的部署选择，适配不同使用场景：

官方在线页面：无需部署，直接使用官方托管的Dify界面，功能与本地版本基本一致。缺点是如果应用需要访问本机数据库或本地环境，需要借助内网穿透工具把本机IP暴露到公网。
Docker部署：本教程采用的方案，基于Windows安装Docker后部署Dify。这种方式下本机的MySQL等环境可以被Dify直接访问，适合公司内部应用。
源码部署：适合需要深度定制的开发者。

教程作者强调，生产环境建议自己部署，尤其是需要与内部数据库、本地服务打交道的场景，本地Docker部署会更加方便可控。

为什么要配套安装MySQL 8

教程中专门用一节讲解在Windows上安装MySQL 8，原因很直接：后续在Dify中构建的AI应用往往需要访问数据库，做数据读取和AI交互。因此需要一个可用的数据库环境。

这就是MySQL8安装到Windows的原因

值得一提的是，MySQL的部署位置相当灵活——你可以装在Windows本机、用Docker部署，或放在VMware虚拟机上都没问题。Docker安装完成后，Dify的网络能够与Windows本机的MySQL、以及同一节点上虚拟机里的MySQL正常通信。安装完成后，还需要在Dify中完成连接MySQL的相关配置，才能让AI应用顺利读取数据库数据。

Dify的五大核心应用类型

这是整个教程的核心骨架。Dify官网提供的应用创建入口主要分为五种类型，前三种属于基础应用：

聊天助手与文本生成

聊天助手是最简单的形态，本质就是与AI大模型进行对话交互。文本生成则专注于内容产出，比如撰写文章、生成文档、创作小说、编写故事等一次性的生成任务。这两类应用上手门槛最低，适合作为入门起点。

Agent智能体

Agent智能体与前两者的关键区别在于能够调用工具。它可以系统地使用多个工具来完成用户的复杂指令。比如「先爬取网页、再对内容做分析」这样的多步骤任务，就需要Agent来编排完成。这让应用从「对话」升级到「执行任务」。

还有Agent的智能体也好

Agent（智能体）的底层逻辑源于「ReAct」（Reasoning + Acting）框架：模型先对任务进行推理，决定调用哪个工具、传入什么参数，收到工具返回结果后再继续推理，循环往复直到任务完成。这与普通对话模型「一问一答」的机制截然不同。在Dify中，Agent可以挂载的工具包括网络搜索、代码执行、数据库查询、HTTP请求等，也支持接入自定义工具。理解Agent的关键是认识到它本质上是「模型驱动的自动化流程」，模型自身负责规划步骤，而非由开发者手动写死执行顺序——这也是它比固定工作流更灵活、但稳定性相对更难把控的原因。

Chatflow与Workflow工作流

工作流是Dify的重头戏，分为两个部分：Chatflow（聊天流）和Workflow（工作流）。两者的核心差异其实很简单——Chatflow支持你与工作流进行持续对话，而Workflow只能进行一次性调用并输出结果。

就是Chartflow还有Workflow

构建工作流的基本单元是节点。创建Chatflow或Workflow时，需要用一个个功能模块组合成完整的流程，每个模块就是一个节点。教程会重点讲解Dify中最常用的那些节点，这些节点几乎覆盖了官网提供的大部分能力，并且每个节点的使用都配有实操案例。

模型接入：优先选择付费云端模型

所有AI应用都需要与大模型交互，因此接入模型是绕不开的第一步。教程给出的建议很务实：优先使用付费的云端模型。

可选的模型包括：

DeepSeek^广告：需付费，但价格极低。作者透露自己充值10元，用了很久还没花到1元。
ChatGPT：付费选项。
百度文心一言、阿里通义千问^广告：注册后通常有百万级别的免费token，对入门学习完全够用。

关于本地模型，教程虽然会讲解Dify与本机Ollama部署模型的整合方式，但不太建议入门者使用本地小模型——因为普通机器能跑的模型参数量小，实际效果往往不理想。当然，如果你有企业级集群，能部署像DeepSeek开源的数百GB大参数模型（下载后可能超过400G），那用本地模型构建企业级应用同样可行，效果也会更好。

大家不要紧张啊

Token是大语言模型计量用量的基本单位，粗略来说中文约1.5个汉字对应1个token，英文约4个字符对应1个token。云端模型的计费通常按「输入token + 输出token」分开计算，输出价格一般高于输入。以DeepSeek为例，其API定价在主流模型中属于极低水平，这也是教程作者充值10元"用很久还没花到1元"的原因。百度文心一言、阿里通义千问等国内模型提供的百万免费token，折合成实际使用量大约够完成数千次完整对话，对于学习阶段验证功能来说相当充裕，无需担心费用问题。

应用发布：从本地走向公网

在Dify中构建的应用不只能在本地界面使用，平台提供了多种发布方式：

发布为公开Web站点：生成一个所有人都能访问的链接，发布到公网供他人使用（本地部署需配合内网穿透）。
嵌入网站：把应用集成到你自己开发的网站中。
API调用：通过API或Python等方式在其他程序中调用构建好的Dify应用。

这一步让AI应用真正具备了对外服务的能力，而不仅仅停留在个人实验阶段。

内网穿透（如frp、ngrok、Cloudflare Tunnel等工具）是本地部署用户发布公开应用时绕不开的一步：本地Docker运行的Dify默认只能通过局域网IP访问，内网穿透工具会在公网服务器上开放一个固定域名或端口，把外部流量转发到你本机的对应端口，从而让外部用户可以访问你本地部署的服务。需要注意的是，这类工具会将本机服务暴露到公网，使用时应做好访问鉴权，避免数据库等敏感接口被未授权访问。

学习路径总结

综合来看，这套教程的学习脉络清晰：先搞懂Dify是什么与环境搭建（Docker + MySQL + 模型接入），再依次掌握聊天助手、文本生成、Agent、Chatflow、Workflow五类应用，最后学会应用发布。每个环节都配有实操案例，尤其工作流节点部分案例数量最多，是掌握Dify的关键所在。对于想快速入门AI应用开发的人来说，这是一条较为完整的实践路线。