上周有个读者在后台问我："你每次说的这些工具，我看了觉得挺好，但自己不会写代码，根本用不上。"

我说你先别急。

今天这个东西，真的不需要写代码。

我每周实测一款AI工具，把踩过的坑和捡到的宝都写在这里，建议先关注不迷路。

---

一个被严重低估的开源平台

事情是这样的。

两周前我在GitHub上闲逛，看到一个项目叫Dify。当时我以为又是哪个套壳ChatGPT——这种项目每天冒出十几个，看都看不过来。

但它的Star数不对劲。

数以万计。

一个号称"开源LLM应用开发平台"的项目，凭什么？

我点进去看了五分钟，然后花了十五分钟部署。

跑起来的那一刻，我理解了。

这东西跟ChatGPT的GPTs很像——但它是开源的、可以私有化部署的、而且能力覆盖面比GPTs更广。

最关键的是：整个过程我一行代码都没写。

Dify本质上是一套可视化的AI应用工厂——从Prompt编排到知识库、从工具调用到工作流，全部拖拽完成。

---

15分钟部署实录

我在Windows上跑的。三步。

### 第一步：安装Docker Desktop

如果你电脑上已经有Docker，跳过这一步。

没有的话，去docker.com下载Docker Desktop，一路下一步安装就行。Windows 11上记得在安装界面勾选"Use WSL 2"。

安装完重启电脑。就这一步需要重启，后面全是命令。

### 第二步：拉代码

打开PowerShell（右键开始菜单就能找到），执行：

git clone https://github.com/langgenius/dify.git
cd dify/docker

如果你没装Git，可以直接从GitHub下载zip包解压，也一样。

### 第三步：一键启动

在同一个PowerShell窗口里，执行：

docker compose up -d

然后等。

第一次启动会下载几个镜像，大概3-5分钟，取决于网速。我这边电信宽带，下了4分半。

看到所有容器状态都是"Started"的时候，部署完成了。

打开浏览器，输入 `http://localhost`。

一个完整的AI应用开发平台出现在你面前。

15分钟。0行代码。一个跟ChatGPT GPTs同级别、但更自由的开源AI平台跑在了你自己电脑上。

---

搭第一个AI应用：5分钟

注册完账号进来，左边菜单栏一排功能。我先试了最基础的知识库问答。

选了一个场景：把我过去三个月的公众号文章丢进去，让它能回答读者提问。

### 1. 创建知识库

点"知识库"→"创建知识库"，随便起个名字，比如"我的公众号文章库"。

### 2. 上传文档

拖了12篇Markdown文件进去。Dify会自动分段、向量化。

这里有个细节：Dify默认用Unstructured做文档解析，中文识别还不错。但如果你有大量PDF，建议在设置里切换到"高质量模式"，用的是Azure的文档智能服务——不过这个是付费的。

免费模式够用了。我12篇文章，3秒处理完。

### 3. 创建应用

点"工作室"→"创建应用"，选"聊天助手"类型。

在Prompt编排页面，系统已经帮你写了一个默认Prompt。我改成了：

你是一个公众号AI上手笔记的知识助手。根据知识库中的文章内容回答用户问题。如果知识库中没有相关信息，如实告知。

然后在"上下文"里绑定刚才创建的知识库。

### 4. 测试

点右上角"发布"，切到"预览"标签。

我问："你们公众号写过哪些AI工具？"

它从我12篇文章里提取了所有提到过的工具，列了一个清单，还标了每篇的发布日期。

我又问："Hermes Agent怎么部署？"

它把6月28号那篇文章的核心步骤概括了出来——三步、PowerShell命令、Docker。

跟问ChatGPT完全不同。它读的是我自己的文章，回答的是我自己的内容。

这种实操拆解每周更新，建议先关注，免得下次找不到。

---

两个让我意外的功能

搭建第一个应用只用了5分钟。但Dify真正让我意外的，是这两个功能。

### 工具调用：让AI自己去查数据

在应用设置里，有一个"工具"标签。Dify内置了十几种工具——搜索引擎、天气查询、网页抓取、代码执行。

我添加了Google搜索工具，然后在Prompt里加了一句：

当用户问及最新信息时，使用Google搜索获取实时结果，并结合知识库内容回答。

重新测试。我问："最近AI圈有什么新闻？"

它自己调用了Google搜索，抓取了前三条结果，做了摘要。

这个过程在后台是透明的——你能看到每一步的工具调用日志。哪个工具被调用了、入参是什么、返回了什么。

这一点比GPTs强。GPTs的工具调用对用户是黑盒的，你不知道它到底搜了什么、为什么搜到这个结果。Dify把整个链路都摊开了。

### 工作流模式：多步自动化

普通聊天应用是"一问一答"。工作流模式是"一个触发，一串动作"。

我试了一个场景：

1. 每天自动抓取Hacker News前三热帖 2. 用LLM翻译成中文 3. 摘要成200字 4. 发到企业微信

在工作流画布上，四个节点拖进去、连上线、配好参数。十分钟搭好。

这个功能的质量，说实话，快赶上一些付费的自动化工具了。

---

适合谁？不适合谁？

实测下来，Dify有几个非常清晰的优缺点。

适合：

- 想做AI应用但不会写代码的。Dify把Prompt、知识库、工具调用全做成了可视化。拖拽就够了。 - 需要私有化部署的企业。开源自部署，数据不出门。 - 想快速验证AI想法的。一个应用从创建到测试，五分钟。

不适合：

- 纯个人聊天用户。直接用ChatGPT更省事，Dify不是给你聊天用的。 - 需要极致定制化。虽然Dify支持自定义工具和插件，但深度定制还是得写代码。

需要注意的坑：

Dify免费自部署版本功能完整，但部分高级能力——比如上面说的高质量文档解析、工作流的高级节点——需要调用外部API（比如OpenAI的API Key）。不过基础问答功能完全离网可用。

另外，Docker部署默认用的是SQLite数据库。如果要做生产环境，建议换成PostgreSQL。官方文档有详细步骤，照着做就行。

---

总结

GPTs出来的时候，很多人觉得"AI应用开发平民化了"。

但GPTs在ChatGPT生态里，数据要传上云端，功能受限于OpenAI的框架，还随时可能因为政策调整被下架。

Dify给了另一个答案：同样的平民化体验，但东西在你自己的机器上。

部署只需要15分钟，搭建第一个应用只需要5分钟。不下任何代码，不需要理解什么是RAG、什么是向量数据库。

它把复杂的东西藏在了背后。

下期预告：我挖到了一个免费API聚合平台，100多个模型随便调。关注我，下期第一时间收到。

---

#Dify #AI应用开发 #开源工具 #零代码 #AI工具推荐

 

---