4步跑通Dify工作流引擎：零基础上手，把知识问答流程搭起来

4步跑通Dify工作流引擎：零基础上手，把知识问答流程搭起来

【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify

上周三我在回复客户问题，每次都要翻文档、找答案，来回折腾了半小时。后来我想，干脆用 Dify 工作流把它串起来：资料丢进知识库，模型直接基于资料回答。从本地部署到跑通一条能用的流程，全程约一小时，不需要写一行代码。

核心能力速览：它做三件事 🧩

Dify 的核心是一个可视化工作流引擎，简单说就是让你像搭积木一样组装 AI 应用。它做三件事：

• 可视化工作流编排：把「LLM 调用」「知识检索」「条件分支」这类节点拖到画布上连起来，程序就按连线顺序执行。你不想写代码，主工作台就是这块画布。
• 知识库 RAG（检索增强生成）：上传的文档会被切片、做向量索引（把文档切块后变成可搜索的数字坐标），模型回答时就基于你的资料，而不是自己空想。
• 模型随换随用：OpenAI、Anthropic 或本地开源模型，在设置页里配好 API Key 就能切，流程本身不用动。

画布左侧是节点库，右侧可以实时查看每个节点的输入输出：

这些节点的具体实现在 api/core/workflow/nodes/，有兴趣可以自己翻。

从零跑通：Dify 最小可用流程 🚀

第1步：部署命令，先把环境跑起来

仓库自带完整的 Docker Compose 配置，你只需要四条命令把 Dify 拉起来：

git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker cp .env.example .env docker compose up -d

首次启动会拉起数据库、缓存、Web 服务等一批容器，初始化通常需要几分钟。等命令不再刷日志后，用浏览器打开 Dify 地址，看到初始化页面，这一步就算成功了。

第2步：基础配置，接上模型和资料

在初始化页创建账号登录后，做两件小事：

1. 到「设置 → 模型供应商」，填入你用的模型厂商的 API Key，勾选启用的模型；
2. 新建一个知识库，上传两三份 PDF 或 Markdown 资料，等待向量化完成（页面有进度显示）。

知识库状态变成「已完成」，说明模型接下来回答时有据可依了。

第3步：触发一次完整生成，验证流程真的在跑

进入「Studio」，选「工作流」新建。按顺序加三个节点：「知识检索」（选中刚建的知识库）→「LLM」（提示词里写清"基于检索内容回答用户问题"）→「结束」。用连线把三个节点串起来，在右侧输入区填一句测试问题，点「Run」。

你会在右侧测试面板看到：检索节点吐出了几条命中的资料片段，LLM 节点给出了完整回答，状态栏显示成功——这时流程就真跑通了。整个编排和变量传递由 工作流执行引擎 驱动，每个节点的输出自动成为下一节点的输入。

让它贴合你的业务：3个可调方向 🎛️

1. 换模型：改哪里——LLM 节点上的模型下拉框；怎么改——选一个更便宜的或本地部署的模型；效果——推理成本立刻降下来，敏感数据不出内网，其余配置一律不用动。

2. 调检索松紧：改哪里——知识检索节点的知识库选择和"检索条数"；怎么改——回答跑题就调小条数（比如从 10 降到 3），内容单薄就调大；效果——模型聚焦在相关性最强的几段资料上，答非所问会明显减少。

3. 接数据源，资料自动更新：改哪里——流程里的数据源节点；怎么改——选中 Notion、网页抓取或本地文件作为来源，定期把外部资料同步进知识库；效果——不用再手动上传文档，知识跟着业务变化走。数据源节点的实现在 api/core/workflow/nodes/datasource/。

跑不通？先看这5条 🩹

• 页面一直转圈打不开：用docker compose ps看容器是否全部 Up。首次启动数据库要初始化几分钟，等一会再刷新就行。
• 点 Run 立刻报错，节点标红：多半是连线漏了某个输入变量。看画布上红色提示，它一般会直接指出哪个节点缺什么。
• 生成的回答全是英文：LLM 节点的提示词里没约束语言。加一句"用中文回答"再重跑即可。
• 回答和资料对不上，还在乱编：检索阈值太松。去检索节点把相似度阈值调低、检索条数调少，让模型只看着最相关的片段说话。
• 连接模型报 401 或 403：API Key 填错、过期或账号欠费。到模型供应商设置里重新粘贴一次 Key。

写在最后 📌

回到开头那个周三的下午。现在你手里已经有一条能查资料、能回答问题的 Dify 工作流。下一步建议做两件事：先拿自己真实的资料库换上，连续问 10 个业务里的高频问题，看命中率；再给流程加一个「条件分支」节点——检索置信度低时不硬答，转给人工。流程跑通只是开始，后面怎么裁剪，才是它真正好用的地方。

【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify