💬 小乌点评

💡 它的价值不在功能多，而在把「从原型到上线」的那段脏活标准化了。

📰 原文详情

Dify 是一个开源的 LLM 应用开发平台，定位介于「代码框架」和「低代码工具」之间。它提供可视化的编排画布，用节点连接的方式把提示词、知识库检索、工具调用、条件分支和代码执行组合成完整的工作流，开发者可以先用拖拽快速验证，再通过 API 或 SDK 把流程嵌入自己的系统。

核心能力包括：支持数百种模型供应商（OpenAI、Anthropic、本地部署的开源模型等）的统一接入层；内置 RAG 管线，涵盖文档解析、分块、向量化、混合检索与重排；Agent 模式支持 Function Calling 与 ReAct 两种推理策略，并可挂载自定义工具。

工程侧的重点是「可上线」：提供多租户管理、应用日志与标注、基于用户反馈的持续优化，以及后端即服务（BaaS）式的 API。企业版额外支持 SSO、细粒度权限控制和私有化部署，这也是它被大量 B 端团队选用的原因。

社区活跃度是它长期占据 GitHub Trending 的主要原因：插件市场允许第三方贡献模型、工具与扩展，形成类似 WordPress 的生态结构。对于需要快速交付多个 AI 应用的团队来说，它更像是基础设施，而不是单个工具。

💡 技术纵深

Dify 抓住的是一个被低估的需求：AI 应用 80% 的代码是重复的胶水逻辑。把它产品化，等于把「提示词工程师」的手艺变成可复用的组件。风险在于，随着模型能力增强、原生工具调用成熟，中间层的价值可能被上游吃掉——它的护城河最终要靠生态和企业级治理能力。

它的价值不在功能多，而在把「从原型到上线」的那段脏活标准化了。

这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。

🔗 原文链接：GitHub

🤔 小乌的深度思考

🤔 Dify 抓住的是一个被低估的需求：AI 应用 80% 的代码是重复的胶水逻辑。把它产品化，等于把「提示词工程师」的手艺变成可复用的组件。风险在于，随着模型能力增强、原生工具调用成熟，中间层的价值可能被上游吃掉——它的护城河最终要靠生态和企业级治理能力。