Dify 最值钱的三个功能是 Workflow 工作流、RAG 知识库和 Agent 智能体。把这三个搞明白，基本上能覆盖 80% 的 AI 应用场景。

Workflow：拖拽搭建 AI 流水线

Dify 的 Workflow 编辑器是一个无限画布，你把各种节点拖上去、连线、配参数，一条 AI 流水线就搭好了。

核心节点类型：

一个典型的客服 Workflow 长这样：

Start → Question Classifier → [产品咨询] → Knowledge Retrieval → LLM → Answer
                             → [退换货]   → HTTP Request (查订单) → LLM → Answer
                             → [投诉]     → Human Input → LLM → Answer

实用技巧：Workflow 分两种——Chatflow（带对话记忆，适合聊天场景）和 Workflow（无状态，适合批量任务）。如果你的应用需要多轮对话，选 Chatflow；如果是定时跑的数据处理管道，选 Workflow。

RAG 知识库：让 AI 读懂你的文档

RAG（Retrieval-Augmented Generation）是让 AI 基于你自己的文档回答问题的技术。Dify 把整个 RAG 流程封装好了：上传文档 → 自动分块 → 向量化 → 存入向量数据库 → 检索 → 注入 LLM 上下文。

支持的文件格式：TXT、Markdown、PDF、HTML、XLSX、DOCX、CSV、PPTX、EPUB——基本上办公文档都能吃。单文件上限 15 MB，可以改配置放大。

三种分块策略：

1. General（通用）：按分隔符和长度切块，大部分场景够用
2. Parent-Child（父子）：小块精确匹配，大块提供上下文，检索精度更高
3. Q&A：适合 FAQ 表格类文档，按问答对切分

# 通过 API 创建知识库并上传文档
import requests

headers = {"Authorization": "Bearer YOUR_API_KEY"}

# 创建知识库
resp = requests.post("http://localhost/v1/datasets", headers=headers,
    json={"name": "产品手册"})
dataset_id = resp.json()["id"]

# 上传文档
with open("manual.pdf", "rb") as f:
    requests.post(f"http://localhost/v1/datasets/{dataset_id}/document/create-by-file",
        headers=headers,
        files={"file": f},
        data={"indexing_technique": "high_quality",
              "process_rule": '{"mode": "automatic"}'})

检索模式：向量搜索（语义匹配）、全文搜索（关键词匹配）、混合搜索（两者结合 + Rerank 重排序）。我建议直接用混合搜索——精度最高，速度也没慢多少。

Agent 智能体：让 AI 自己决定该干什么

Agent 不是按你设计的固定流程走，而是 AI 自己判断该调用什么工具、该执行什么步骤。

两种推理策略：

• Function Calling：模型一次性判断意图、选工具、提取参数。速度快，适合意图明确的场景
• ReAct：模型交替"思考"和"行动"，一步一步推进。适合需要多轮推理的复杂任务

工具类型：

• 内置工具：Google 搜索、计算器、DALL-E 生图、天气查询等 50+ 个
• 自定义 API 工具：写一个 OpenAPI Schema，Dify 自动帮你调
• 子工作流工具：把另一个 Dify Workflow 当工具调用，实现 Agent 套 Workflow

# 自定义工具的 OpenAPI Schema 示例
openapi: 3.0.0
info:
  title: 订单查询
  version: 1.0.0
paths:
  /api/orders/{orderId}:
    get:
      summary: 根据订单号查询订单状态
      parameters:
        - name: orderId
          in: path
          required: true
          schema:
            type: string
      responses:
        '200':
          description: 订单信息

Agent 搭配 RAG 知识库和自定义工具，基本上能处理大部分企业内部的智能问答需求。