Dify 完整教學：不用寫程式，把公司知識庫變成 AI 客服與工作流
2026年7月11日
13.8 萬 GitHub 星星的開源 LLMOps 平台 Dify，讓你在視覺化畫布上蓋出 RAG 知識庫、AI 客服與代理工作流。這篇教你從零開始：自架或雲端、建知識庫、發布成網頁與 API。
上個月一家做零件買賣的台中傳產老闆問我：「我們的產品型錄兩百頁，業務每天被同樣的規格問題轟炸，有沒有辦法讓 AI 來接？」我讓他們的年輕同事用 Dify 試做——把型錄 PDF 丟進知識庫、拉一條對話流、掛到官網上，前後三個下午，一個會查型錄的 AI 客服就上線了。沒寫一行程式。
這就是 Dify 的定位：把「做一個懂你家資料的 AI 應用」這件事，從工程專案變成拖拉點選。
Dify 是什麼？
Dify 是開源的 LLMOps／代理工作流平台，2026 年 4 月 GitHub 星數已突破 13.8 萬，超越 Flowise、直逼 n8n，是目前最熱門的開源 AI 應用建構平台。它把五件事收進同一個介面：視覺化工作流編排、RAG 知識庫管線、代理框架、模型管理、營運監控（LLMOps）。
部署方式兩條路：雲端版有免費的 Sandbox 方案，Professional 每月 59 美元、Team 159 美元；或者用 Docker Compose 自架，功能核心免費，資料完全留在自己機器上。
能做什麼？
- RAG 知識庫問答：上傳 PDF、Word、網頁，自動切塊、向量化，讓 AI「查了才答」，大幅減少幻覺。
- AI 客服：把知識庫接上對話流，一鍵發布成網頁 App、嵌入式聊天視窗或 API。
- 代理（Agent）：以 Function Calling 或 ReAct 定義代理，內建 50 多種工具（Google 搜尋、生圖、計算等）可直接掛給它用。
- 多步驟工作流：在畫布上串「分類 → 檢索 → 生成 → 審核」的複雜流程，每個節點可以用不同模型。
怎麼用？四步上手
步驟一：選部署。 想快，用雲端 Sandbox 免費開始；重視資料主權（法務、醫療、內部文件），一台有 Docker 的主機執行官方 compose 檔就能自架，模型呼叫走你自己的 API 金鑰。
步驟二：建知識庫。 後台開一個 Knowledge，把文件拖進去。切塊策略新手用預設即可，但有兩個小訣竅：文件先整理成「一段講一件事」的格式，檢索品質差很多；表格類資料轉成 CSV 或 Markdown 再上傳。
步驟三：拉一條 Chatflow。 從模板挑「知識庫問答」，把你的 Knowledge 掛上檢索節點、選一個模型（Claude、GPT、Gemini 或接 Ollama 本地模型都行），在系統提示詞寫清楚角色與回答規則——「查不到就說不知道，不要瞎掰」這句一定要加。
步驟四：發布。 一鍵發布成獨立網頁、嵌入官網的聊天氣泡，或拿 API 金鑰整合進你自己的產品。到這裡，一個懂你家資料的 AI 應用就活了。
進階技巧
- 標註回饋閉環：營運介面能看到所有真實對話，把答錯的問答「標註」成正確答案回餵，客服會越用越準。
- 多模型分工：分類、改寫用便宜快的模型，最終回答用高階模型，成本能砍一半以上。
- 敏感詞與審核節點：對外客服一定要加輸出審核，防止代理說出不該說的話。
- 搭配 n8n：Dify 管「AI 應用本體」，n8n 管「前後端流程」（收到表單→呼叫 Dify API→寫回 CRM），組合技見我們的 n8n 教學。
注意事項
- 免費 Sandbox 有額度與功能限制，正式對外服務前先確認訊息量夠不夠，不夠就升級或自架。
- 自架不等於零成本：模型 API 的 token 費用、主機費、embedding 費都是實開銷，先抓預算再上線。
- 資料治理要想在前面：什麼文件能進知識庫、對話紀錄存多久、誰能看後台，這些在企業導入時比技術問題更重要。
TheAI學院評語
評語：Dify 是目前「非工程師也能把 RAG 做起來」完成度最高的開源方案，中小企業想做自家 AI 客服，從它開始的試錯成本最低。
延伸閱讀：想比較同類工具可以看 Flowise 與 Langflow；想找可以自動化的場景，任務清單裡的客服與知識庫類都適合當第一個專案。
（本文功能與定價資訊查證於 2026 年 7 月，以官方最新公告為準。）
常見誤解 / 破除迷思
許多人誤解 Dify 只是一個簡單的 AI 客服工具，實際上它是一個完整的 LLMOps／代理工作流平台，能夠幫助企業建立自己的知識庫、代理框架和模型管理系統。另外，許多人也誤解 Dify 只能用於客服，實際上它可以用於各種應用場景，例如自動化工作流、文檔查詢等。
選擇 Dify 的理由
| 項目 | 說明 |
|---|---|
| 易用性 | Dify 提供了視覺化工作流編排和拖拉點選的介面，使得非工程師也能夠輕鬆使用 |
| 自主性 | Dify 支持自架部署，企業可以完全控制自己的資料和模型 |
| 延展性 | Dify 支持多種模型和工具，企業可以根據自己的需求進行擴展 |
| 成本 | Dify 提供了免費的 Sandbox 方案和合理的付費方案，企業可以根據自己的需求進行選擇 |
實用步驟
- 評估需求：企業需要評估自己的需求，包括客服、知識庫和工作流的需求。
- 選擇部署方式：企業需要選擇適合自己的部署方式，包括雲端版和自架版。
- 建立知識庫：企業需要建立自己的知識庫，包括上傳文件和建立代理框架。
- 配置模型：企業需要配置自己的模型，包括選擇模型和設定參數。
- 測試和優化：企業需要測試和優化自己的 AI 應用，包括標註回饋閉環和多模型分工。
未來趨勢
Dify 的未來趨勢包括：
- 更多的模型和工具：Dify 將會支持更多的模型和工具，包括自然語言處理、計算機視覺等。
- 更強大的工作流：Dify 將會提供更強大的工作流功能，包括多步驟工作流和條件判斷等。
- 更好的使用者體驗：Dify 將會提供更好的使用者體驗，包括更簡單的介面和更快速的反饋等。
常見問題
Dify 免費能用到什麼程度？
雲端 Sandbox 方案免費但有訊息額度與功能限制，適合驗證想法；自架版功能核心免費、資料留在自己主機，但模型 API 費用與主機成本自付。正式營運常見選擇是 Professional 方案（每月 59 美元）或自架。
Dify 和 n8n 有什麼不同？該選哪個？
定位互補：Dify 專注「AI 應用本體」（知識庫、對話流、代理），n8n 專注「流程自動化」（觸發、串接、排程）。做 AI 客服選 Dify，做跨系統自動化選 n8n，成熟團隊常常兩套一起用。
用 Dify 做的 AI 客服會不會亂回答？
RAG 架構讓模型「查了才答」能大幅降低幻覺，但不能歸零。實務上要在系統提示詞明確要求「查不到就承認」、加上輸出審核節點，並利用標註功能持續把答錯的案例修正回餵。
公司內部文件放進 Dify 安全嗎？
用自架版資料留在自己主機，安全性取決於你的主機管理；用雲端版則要評估供應商的資料政策。敏感產業（法務、醫療、金融）建議自架，並事先制定哪些文件可入庫、對話紀錄保存多久等治理規則。
資料來源：theai
