Dify AI：带演示项目的指南

Dify 是一个易用的平台，帮助您以低代码或零代码方式构建 AI 应用。它通过拖拽具有不同功能的模块来工作。信息在模块之间流动，被处理并组合以生成答案。

在本文中，我将通过一步步创建一名 AI 旅行助手，带您了解 Dify 的基础知识。

我们通过发送 The Median（每周五发布的免费通讯，梳理本周 AI 关键信息）来为读者持续更新 AI 最新动态。订阅即可每周几分钟快速掌握要点：

什么是 Dify？

Dify 是一个旨在简化 AI 应用开发的平台，无需深厚的编码技能。它提供友好的低代码环境，用户可以通过拖拽不同组件来构建应用。

可以把 Dify 想象成一个数字工具箱，里面装满了可拼接的现成模块，用于搭建可用的软件。此方式让技术更易触达，使编程经验有限的人也能将想法变为现实。

每种模块都有输入，并根据模块类型将其转换为不同的输出。信息在各模块间传递和转换，最终产生结果。

开始使用 Dify

我们有两种使用 Dify 的方式：

• 本地部署。
• 使用云端版本。

本教程使用云端版本。Dify 的云端版本提供免费方案，因此无需付费订阅即可跟随教程操作。

如果您对本地部署感兴趣，最简单的方法是：

1. 从官方仓库下载或克隆 Dify。
2. 按仓库 README 的快速开始部分说明使用 Docker 运行 Dify。

在 Dify 中创建 Chatflow

Dify 提供多种应用类型。我们将专注于构建 Chatflow 应用，这是一种让用户通过聊天界面与智能体交互的 AI 流程。

要创建新的 Chatflow 应用，先点击 "Create from blank"，然后选择 "Chatflow" 选项。

创建流程时，我们设置一个名称，然后点击“Create”按钮：

这将创建如下默认流程：

该流程包含三个模块：

• 起始模块负责启动流程。对于 Chatflow，流程由用户发送消息触发。
• LLM 节点将用户消息作为输入并发送给 LLM，本例中为 gpt-4。
• 最终节点用于在聊天中显示消息。在此示例中，它连接到 LLM 节点，因此 LLM 节点的输出会发送到聊天界面。

这三个节点共同构成了一个类似 ChatGPT 的 AI 聊天。运行该应用前，我们需要安装并配置 OpenAI 插件。

安装并设置 OpenAI 插件

安装 OpenAI 插件的步骤如下：

1. 点击右上角的 "Plugins" 按钮。

2. 点击 “Install from Marketplace”。

3. 在搜索框中输入 "openai"，然后点击 OpenAI 插件。

4. 选中 OpenAI 插件并点击 “Install”。

接下来，我们需要设置 OpenAI API 密钥。如果您还没有，请在此处创建。请注意，使用 OpenAI API 并非免费，您需要为 API 密钥绑定支付方式。

拿到密钥后，按以下步骤进行配置：

1. 选择 LLM 节点。

2. 点击模型名称旁的配置图标。

3. 点击顶部的模型下拉菜单。

4. 点击列表底部的 "Model Provider Settings"。

5. 在 API key 部分点击 "Setup"。

6. 粘贴 API 密钥并点击 “Save”。

运行应用

现在我们可以点击预览按钮来运行应用：

目前它并不算有趣，因为只是一个 AI 聊天机器人。请记住，在用户发送消息之前，它不会执行任何操作。

创建变量

Dify 允许通过为变量赋值来存储应用状态，这些变量对所有模块可见。

要创建变量，点击变量按钮：

让我们创建一个变量来存储用户名：

此配置创建了名为 name 的变量，用于存储字符串（文本）。我们将默认值留空，因此变量初始为空字符串。

有多种方式可以填充它，但最常见的是使用 AI 模块从对话中自动识别。稍后我们会学习如何实现。在此之前，我们先学习如何检查变量的值以控制应用流程。

IF/ELSE 模块

要检查变量的值，我们可以使用 IF/ELSE 模块。该模块用于根据变量的值执行不同操作。

要添加新模块，点击底部的“+”按钮：

然后选择要添加的模块。本例中我们选择 "IF/ELSE"：

接着点击该模块进行配置，选择我们之前创建的 name 变量。

为测试起见，我们添加两个 Answer 模块。这些模块用于在聊天中显示消息。将其中一个连接到 IF 输出（条件为真时运行），另一个连接到 ELSE 输出（条件为假时运行）。

对于 IF 输出，我设置字符串 "Sorry, I don't know your name."；而对于 ELSE，我设置为 "Hello, {name}!"。我们可以用花括号在字符串中插入变量。这在后续构建提示词时也很有用。

点击 "Preview" 按钮即可试用该 Chatflow。请注意，Chatflow 由用户消息触发，因此需要先发送一条消息，比如 "Hi"。以下是根据是否设置了名字的不同结果（第二个示例中我在界面变量里手动设置了名字）：

变量赋值器与参数提取器模块

我们可以使用参数提取器模块借助 AI 识别并提取变量的值。该模块使用 LLM 从对话中提取信息。

我们先在 IF 分支后添加一个参数提取器模块。以下是模块配置：

• INPUT VARIABLE 设置为 sys.query，即用户消息。这意味着参数提取器模块将尝试从用户消息中提取值。
• 在 EXTRACTION PARAMETERS 中，我们定义要提取的信息。遗憾的是，这里不能直接指定变量，因此需要点击“+”按钮重新定义该信息。

• INSTRUCTION 字段是提示词，用于引导 LLM 要做什么。
• 接着我们添加一个变量赋值器模块，将参数提取器提取到的值（若有）赋给 name 变量。

务必将提取到的 name 赋给 name 变量。

完成此步后，name 变量可能仍未定义，因为用户可能没有提供姓名。因此我们再添加一个 IF/ELSE 模块进行检查：若名字已设置，则向用户问好；否则询问其姓名。

以下是一个交互示例：

此流程展示了 Dify 工作流的基本原理。无论用户消息是什么，只要姓名未定义，就尝试从消息中提取；若失败则询问；否则便用其姓名致意。

此时还没有 LLM 模块，因此该智能体不会执行其他任务。

代码模块

代码模块可用于执行自定义 Python 代码。我们来修改上一个流程，改为提取用户所在地而不是姓名。然后使用一个代码模块请求天气 API，并将天气预报发送给用户。

• 创建一个名为 location 的新变量。
• 将 IF/ELSE 模块改为检查 location 而非 name。
• 将参数提取器模块改为提取所在地而非姓名。
• 将变量赋值器模块改为将提取的值赋给 location 变量。
• 修改 Answer 模块，分别用于询问所在地并显示所在地。

完成这些步骤后，流程应如下所示：

以下是一个示例交互：

下一步是在得到所在地后添加代码模块。该模块向OpenWeather API 发起请求，获取该地的天气预报。

该 API 可免费使用，但需控制请求次数。

将第二个 Answer 模块替换为代码模块。

配置其接收一个参数，即 location 的值。

对于 Python 代码，下面演示如何使用 requests 包从 OpenWeather API 获取天气：

import requests

API_KEY = "PASTE_YOUR_API_KEY_HERE"

def main(location: str) -> str:
    base_url = "http://api.openweathermap.org/data/2.5/weather"
    params = {
        "q": location,
        "appid": API_KEY,
        "units": "metric",
    }
    response = requests.get(base_url, params=params)
    data = response.json()
    if response.status_code == 200:
        weather_desc = data["weather"][0]["description"]
        temp = data["main"]["temp"]
        return {
            "result": f"Current weather in {location}: {weather_desc}, Temperature: {temp}°C"
        }
    else:
        return {
            "result": "Could not retrieve weather data",
        }技术支持

最后，将代码节点的输出连接到一个 Answer 节点，向用户展示结果。

现在我们已有一个能告知天气预报的 Chatflow：

项目：创建旅行规划 AI 智能体

现在我们已经具备构建 AI 旅行助手所需的工具。可能性很多，但为避免过度复杂化，本教程将保持简洁。

该智能体将专注于规划旅行中的单日行程。它会先收集用户的所在地以及其喜欢的活动类型。为此我们使用两个变量：

• location：存储用户旅行目的地。
• activities：字符串数组，存储用户想做的活动。

以下是可用于同时提取这两个变量的流程：

在此示例中，我们首先使用一个变量提取模块，同时提取 location 以及 activities 列表。

然后我们使用 IF/ELSE 模块检查是否成功提取到每个参数，并在成功时更新变量。与之前的示例相反，这使得用户可以更新这些值。

在完成取值与变量赋值后，再添加一个 IF/ELSE 模块检查是否仍有缺失。如果缺少某项，就明确向用户索取。

如果 location 和 activities 都已定义，我们使用之前创建的代码模块获取该地天气。最后将天气、所在地与活动信息提供给一个 LLM 模块，为用户规划当天行程。

LLM 模块配置了系统提示词，告诉模型要做什么。所在地、活动与天气将被注入其中。以下是流程的最后部分：

以下是与该智能体的示例交互：

从回复中可以看到，由于代码节点的加入，智能体不仅能提供天气信息，还能在规划活动时加以考虑。

由于流程的设置方式，如果用户在第一条消息中就直接提供了信息，智能体会直接给出当天的行程计划。

定义自定义问候语

您可能注意到，智能体会先向用户发送一条问候消息：

要启用此功能，我们需要激活 Conversation Opener 功能。

Dify 工具

在本教程中，我们学习了 Dify 的基础构建模块。还有一个方面尚未涉及：工具（Tools）。

在 Dify 中，工具是强大的扩展，使您的 AI 智能体能够突破语言模型的限制，与外部世界交互。虽然 LLM 能基于训练数据和提示上下文进行推理并生成回答，但它无法实时访问在线数据或外部服务。

工具通过让智能体发起 API 调用、查询数据库、执行计算、检索文档等，充当 AI 与外部信息源之间的桥梁，从而解决这一问题。

您可以通过平台的可视化界面配置工具，指定工具类型（如 HTTP 请求、代码解释器或第三方插件）、输入/输出模式以及身份验证要求。配置完成后，这些工具可通过 Tool 模块在智能体流程中使用，您可以在模块间传递数据，并将结果馈送至 LLM 节点或其他逻辑模块。

这不仅让您的智能体更“聪明”，也更具行动力，能够通过与真实世界服务交互，提供最新、具上下文相关性的答案。

在我们的示例中，我们使用了代码模块请求天气 API。另一种做法是创建一个工具，并将该工具提供给 LLM 使用。

结语

在本教程中，我们探索了开始使用 Dify 所需的一些基础模块。不过，Dify 还有许多功能与能力有待发掘。

为加深理解，一个很好的练习是对我们创建的旅行助手进行增强。例如，加入互联网搜索能力以在线发现本地活动，从而丰富智能体的功能并提供更具动态性的建议。

如果您对像 Dify 这样的 AI 智能体搭建工具感兴趣，推荐继续阅读我们的其他教程：

• n8n：实践示例指南
• Langflow：带演示项目的指南