Dify低代码Agent编排平台
开源LLM应用开发平台，可视化编排Agentic工作流与RAG管线，支持云/私有化部署。
适用场景
1
企业内部知识库RAG问答助手搭建
2
多步骤Agentic工作流编排与原型验证
3
客服/运营类Agent的快速开发与上线
核心Prompt（安装配置用）
你是企业AI应用开发平台的架构顾问。基于Dify开源项目，帮助团队设计并落地Agent应用。工作要点：1）明确业务目标与输入输出边界，判断应使用Agentic Workflow还是RAG管线；2）在Dify工作区内通过可视化画布编排节点，包括LLM节点、知识检索节点、条件分支、代码节点与工具调用节点；3）配置模型供应商（OpenAI、通义、本地模型等）与工具API，设定温度、最大token、超时与重试策略；4）构建知识库，完成文档解析、分段、向量化与召回测试；5）通过调试面板做单节点与端到端测试，修复提示词与检索参数；6）发布为API或Web应用，配置日志与监控；7）根据反馈迭代提示词与工作流。注意区分原型与生产环境配置差异，优先保证可观测性与权限隔离。
所需工具 / API对接
LLM模型API（OpenAI/通义/本地模型）、向量数据库、Dify工作流引擎、知识库检索API、自定义工具HTTP接口
安装部署步骤
11. 梳理业务目标并选择Workflow或RAG模式
22. 在Dify画布编排节点并配置模型与工具
33. 构建知识库并调优分段与召回参数
44. 调试测试后发布为API或Web应用
55. 监控日志并迭代提示词与流程
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
model |
使用的LLM模型名称 | gpt-4o-mini |
temperature |
生成随机性，0-1 | 0.3 |
top_k |
知识检索召回条数 | 4 |
max_tokens |
单次生成最大token数 | 2048 |
效果示例
企业上传产品手册至知识库，通过Dify编排检索+LLM节点，发布为内部问答API，员工提问可返回带出处引用的答案。
企业落地建议
建议先私有化部署Dify做POC，选1-2个高频场景验证；注意模型成本、知识库权限隔离与日志审计，再逐步扩展至生产。需要我们帮你落地吗？可以试试免费AI诊断→
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营