AI

Dify:16 萬 stars 的開源 LLM 應用開發平台,1.19.0 讓巢狀工作流程可以一層層追蹤

本內容僅供參考,詳細使用規則與工具安全性與否,建議要進行相關安全性測試與評估

這一個半月我們介紹的大多是「給工程師用的 Agent 工具」:在終端機裡跑、在 IDE 裡裝、用 Markdown 寫規則。但在企業裡,很多 AI 應用其實是由產品經理、營運人員與工程師一起打造的——他們需要的是一個可以拖拉設計流程、管理知識庫、監控成本、最後再用 API 交給工程團隊整合的平台。Dify(langgenius/dify)就是這類平台中最受歡迎的開源專案,約 161k stars,在 10 月以來的多份 AI 開源趨勢報告中持續位居前段。11 月 4 日,它剛釋出了 1.19.0 版。


1. 專案背景與定位

Dify 由 LangGenius 開發,README 的定位是「一個開源的 LLM 應用開發平台」:把 AI 工作流程設計、RAG 管線、Agent、模型管理與可觀測性整合在同一個協作工作區,讓團隊從原型到上線不需要重建技術堆疊。可以使用雲端版(Dify Cloud)、自架社群版,或包含 SSO、RBAC 與支援 SLA 的企業版。

需要特別注意的是它的授權:Dify Open Source License 是以 Apache 2.0 為基礎、加上額外條件的修改版,不是標準的 Apache 2.0(詳見第 4 節)。

2. 技術架構與核心設計

  • 視覺化工作流程:在畫布上設計與測試 AI 工作流程,工作流程也能被包裝成工具,被其他流程呼叫。
  • 廣泛的模型支援:數十家供應商的數百種商用與開源模型,以及任何 OpenAI 相容的模型。
  • Prompt IDE:撰寫 prompt、比較不同模型的表現,並支援文字轉語音等功能。
  • RAG 管線:從資料匯入到檢索的完整流程,內建 PDF、PPT 等文件的文字擷取。
  • 具沙盒的 Agent:Agent 有自己的沙盒,可以執行指令、安裝軟體與處理檔案;工具可來自 Dify Marketplace、MCP server 或自訂 API;Agent 可以是獨立的聊天應用,也可以是工作流程中的一個步驟。
  • LLMOps:記錄與監控效能,並用正式環境的資料與標註持續改善 prompt、資料集與模型;整合 Langfuse、LangSmith、Opik、Arize Phoenix、MLflow 等觀測平台。
  • Backend-as-a-Service:平台上的每個功能都有對應的 API,方便工程團隊整合到自己的產品中。
  • 1.19.0 重點(11 月 4 日):
    • 巢狀工作流程追蹤:被呼叫的 Workflow Tool 內部的子步驟,現在也會出現在外部的追蹤紀錄中
    • 應用封裝格式 v2:匯出的應用套件可一併包含其背後的工作流程,並成為預設格式
    • Agent 檔案的批次上傳與預覽
    • Skill 可透過 OpenAPI 與 difyctl CLI 管理
    • 資安強化:更新多個相依套件、SSRF 用戶端改用請求範圍的 cookie、限制資料集 token 範圍、追蹤設定的密鑰改為只寫不讀

3. 社群熱度與生態採用

約 161k stars、25.5k forks、超過 15,000 次 commit,open PR 717 個,README 提供 20 多種語言版本。自架的最低需求不高:2 核心 CPU、4 GiB 記憶體,加上 Docker 與 Docker Compose 2.35.0 以上版本,docker compose up -d 後到 /install 頁面完成初始設定即可。

4. 局限性與潛在風險

  • 授權不是標準 Apache 2.0:主要的額外條件包括——

    • 未經 Dify 書面授權,不得用原始碼經營多租戶服務(一個工作區即視為一個租戶)
    • 使用前端時,不得移除或修改主控台與應用中的 LOGO 與版權資訊
    • 允許商業使用(例如作為企業內部的後端或應用平台),但觸及上述條件時需要取得商業授權
    • 貢獻者同意開發方可以調整授權,貢獻的程式碼也可能被用於商業用途

    打算以 Dify 為基礎提供 SaaS 服務的團隊,務必先釐清授權。

  • Agent 沙盒的權限:Agent 能在沙盒中執行指令與安裝軟體,沙盒的網路與檔案存取範圍需要妥善設定;自架時也要設定沙盒的認證 token。

  • 升級需要規劃:1.19.0 包含資料庫遷移、環境變數更名與設定檔位置調整,並要求 API、worker、web、Agent 後端與沙盒映像一起升級;正式環境應先在測試環境演練。

  • 資安仍需持續關注:release notes 表示相依套件的強化「不保證解決外部或企業版基礎映像中的所有問題」;GitHub 的 Security 頁籤也有一定數量的項目,自架者應追蹤官方的安全公告。

  • 企業功能需付費:SSO、RBAC 等功能僅在企業版提供。

  • 平台綁定:用視覺化畫布設計的流程,遷移到其他平台的成本不低。

5. 應用價值與適用場景

最適合想讓非工程師也能參與 AI 應用開發的組織:客服機器人、內部知識庫問答、文件處理流程、資料分析助理,都可以先由產品或營運人員在畫布上設計與測試,再透過 API 交給工程團隊整合。LLMOps 與觀測整合,則讓應用上線後的成本、品質與錯誤都能被追蹤。對資料主權有要求的企業,自架社群版或企業版可以讓資料留在內部。

Monday 的觀點與架構建議

  • Dify 與本月介紹的 Coding Agent 工具代表了兩種互補的 AI 開發模式:Coding Agent 讓工程師更快寫程式,Dify 讓更多人不寫程式也能打造 AI 應用。大型組織很可能同時需要兩者。
  • 1.19.0 的巢狀追蹤是很實際的改進:當工作流程互相呼叫、層層嵌套時,沒有完整的追蹤紀錄,就幾乎不可能除錯。可觀測性正從「加分功能」變成「必要功能」。
  • 導入建議:先確認授權是否允許你的使用方式;自架時把沙盒、資料庫與管理介面放在內網;升級前在測試環境演練遷移;把觀測平台的密鑰與模型 API 金鑰集中管理。
  • 從 WeKnora、Auto Ontology 到 Dify,可以看到企業 AI 平台的競爭重點已經從「能不能接模型」轉向「治理、觀測與協作」——真正難的從來不是做出第一個 demo,而是讓它在正式環境中穩定運作一年。

參考來源