夜雨聆风前三篇文章，我们从零开始，一步一步：
第一篇：搞懂了大模型的基本概念（Token、Temperature、Prompt）
第二篇：用C#写出了第一行调用大模型的代码
第三篇：手写代码搭建了RAG知识库问答系统
但有一个问题一直困扰着我们：每次改点东西都要写代码，太麻烦了！
比如运营同事想加一条新知识，得等我写代码插入向量数据库；想调整检索相似度阈值，又得等我改代码、重新编译。这效率，跟传统软件开发有什么区别？
今天，我们换个思路：用可视化拖拽的方式搭建AI应用，就像小时候搭积木一样。我们要用的工具叫Dify。它真正实现了AI不再是程序员的专利。不懂代码的产品经理、运营、甚至是普通上班族，只要会拖拽方块，就能做出自己的AI智能助手。
一、Dify是什么？先看一个场景
假设你要开一家奶茶店，想做个智能客服回答常见问题（营业时间、菜单、价格）。如果手写代码，你要：
1、把问题答案整理成文档
2、写代码切片、向量化、存数据库
3、写检索逻辑、拼提示词
4、写API接口供前端调用
5、每次改菜单都要重复步骤2-4
用Dify呢？你只需要：
1、在网页上把文档拖进去
2、点几下按钮创建应用
3、得到一个可直接对话的机器人
4、要改菜单？更新文档，机器人自动同步
不需要写一行代码。
Dify是一个开源的AI应用开发平台，它把大模型、知识库、提示词、工作流这些复杂的东西，封装成了一个个可视化的“积木块”。你只需要拖拽、连接、配置，就能搭出一个完整的AI应用。
二、部署Dify（真的只需要一条命令）
Dify官方提供了Docker一键部署。如果你还没装Docker，先去docker.com下载安装。我本地安装的docker desktop，详细安装过程略过，最终效果如下：
等几分钟，看到所有容器状态变成Started，就成功了。
打开浏览器，访问http://localhost:8020，注册一个账号（本地部署随便填）。你会看到Dify的主界面，前期经过一些管理员配置后，用户即可以像搭建积木一样组装一个AI应用出来，后续文章会举一些公司可能用到的案例演示：
左边菜单：知识库、工具、应用、工作流，中间是操作区，右上角可以设置模型（比如添加OpenAI或通义千问的API Key）我使用的还是自己本地搭建的Ollama大模型服务。
三、搭积木第一步：创建知识库
还记得第三篇我们手写代码插入的那几条知识吗？现在用Dify，完全不用代码。
点击左侧 “知识库” → “创建知识库”
选择 “导入文本”，把下面三条内容逐条粘贴进去：
武汉纬星智能科技成立于 2021 年，总部位于武汉。
AI 代码助手支持 C#、Python、Java 等语言，提供代码补全和错误检测。
客服联系方式：support@wistarits.com，工作时间 9:00-18:00。
点击 “下一步”，Dify自动帮你做了三件事：
分段：把长文本切成小块（Chunk）
嵌入：调用嵌入模型转成向量
存储：存入内置的向量数据库
整个过程不到2分钟。你可以点进知识库，看到每个文本块已经被向量化，还能手动调整分段的长度。
对比手写代码：我们花了30多行代码+自己启动Qdrant，才实现同样的功能。现在，点鼠标就行。
四、搭积木第二步：创建问答应用
知识库有了，我们来创建一个能回答问题的机器人。
点击左侧 “应用” → “创建应用”
选择 “知识库问答” 类型，取名“公司客服助手”
在设置页面，点击 “添加上下文”，选择刚才的知识库
右边就是对话窗口，输入“你们的联系方式是什么？”
输出：
根据知识库，客服联系方式是 support@wistarits.com，工作时间为 9:00-18:00。
成功！一个基于私有知识的问答机器人，零代码完成。
现在，运营同事可以自己登录Dify，添加或修改知识，机器人回答会实时更新。程序员终于不用当“知识搬运工”了。
五、搭积木第三步：工作流编排（让AI“动手”）
上面的应用只是一个“固定套路”的问答。如果想让AI根据不同的情况执行不同的操作，就需要工作流。
点击应用设置页的“工作流”选项卡，你会看到一个流程图：
开始节点：接收用户输入
知识库检索节点：去知识库里找相关内容
LLM节点：把检索结果+用户问题发给大模型
结束节点：返回答案
这其实就是第三篇RAG流程的可视化版本！你可以拖拽节点、修改参数（比如检索条数、相似度阈值），完全不用改代码。
更厉害的是：你可以在工作流中加入条件判断和工具调用。
举个例子：让机器人既能回答公司知识，又能查天气。
在Dify的 “工具” 菜单里，启用“天气查询”工具（可能需要免费申请一个天气API Key）
回到工作流，添加一个 “条件分支节点”：判断用户问题是否包含“天气”
如果是，走 “工具节点” 调用天气API；如果不是，走原来的知识库检索
最后汇总结果返回
这样，用户问“武汉今天天气怎么样”，机器人就会调用天气接口返回实时数据。这就是“技能”（Skills）的雏形——AI不仅能回答问题，还能执行动作。
后续我们会专门讲MCP协议，它就是让这种“工具调用”标准化的技术。
六、集成到C#：一行代码都不改，AI逻辑随意变
低代码编排好了，怎么让我们的C#业务系统用上它？
Dify每个应用都提供标准的API。你只需要：
在应用设置页点击“API访问”，复制API Key
在APIPost中调用工作流
关键好处：以后你想修改机器人的逻辑（比如改提示词、换模型、加工具），只需要在Dify里改工作流，C#代码完全不用动。真正的“逻辑与调用分离”。
七、总结：从码农到积木搭建者
今天我们学到了：
✅ Dify是什么：一个让AI应用开发可视化的低代码平台
✅ 一键部署Dify，创建知识库和问答应用，零代码
✅ 工作流编排：像搭积木一样设计AI逻辑，加入条件判断和工具调用
✅ C#集成：用HttpClient调用Dify API，AI逻辑随时改，业务代码不变
回顾这个系列：
第一篇：为什么要学AI应用开发
第二篇：手写代码调用大模型API
第三篇：手写代码搭建RAG知识库
第四篇：用Dify零代码实现同样的功能，还能做更复杂的工作流
你可能会问：既然Dify这么好用，为什么还要学手写代码？
因为理解底层原理，才能用好工具。知道向量检索是怎么回事，你才能调优Dify的相似度阈值；知道提示词工程，你才能设计出高效的工作流。手写代码是“内功”，用Dify是“招式”，两者结合，才是真正的AI应用开发者。
下篇预告：从今天起，我们将跳出单一的技术框架，走进真实的AI落地场景。比如：如何用AI自动生成周报？自然语言生成SQL？如何搭建一个智能面试官？如何给传统OA系统加上“文档智能评分”功能？……每一篇都是一个拿来即用的企业级实例，也会分享给企业做AI落地的方案思路与避坑指南。
如果你也在思考“AI到底怎么帮公司省钱、提效”，欢迎继续关注。我是CodingMan，下篇见。
附：完整代码获取方式
本文所有代码已上传至GitHub，地址：
https://github.com/StarDragon2017/LearnAI