Dify 基础入门与项目案例实现指南
一、Dify 平台是什么
Dify 是一个开源的大模型应用开发平台。说白了，就是让开发者不用写太多代码，就能搭出能跑在 GPT、Claude 这类大模型上的应用。它把后端服务和运维的东西封装好了，非技术背景的人也能上手。
主要功能：
- 可视化编排：拖拖拽拽就能搭出工作流
- 提示词调试：内置工具，改提示词马上看效果
- 多模型接入：OpenAI、Claude、本地 Ollama 都支持
- RAG 能力：接知识库做检索增强
- API 部署：一键暴露成接口，给其他系统调用
二、本地环境怎么搭
2.1 Dify 部署
用 Docker Compose 跑社区版最省事。部署完成后访问 http://localhost/signin 就能进管理后台。
2.2 Ollama 本地模型
学习和开发阶段推荐用 Ollama 跑本地模型，省钱，也能离线用。Ollama 默认监听 http://localhost:11434，接口兼容 OpenAI 的格式，改个 base URL 就能直接用。
三、案例一：财报数据提取助手
3.1 做什么
帮金融机构从财报里自动提取三个数字：营业收入、净利润、同比增长率。
3.2 提示词怎么写
核心就几条约束：
你是一个数据分析小助手，专注于从金融的财报中提取关键财务数据，当提取信息时请严格按以下规则操作：
1. 只提取三项数据：营业收入、净利润、同比增长率
2. 输出格式必须为JSON，字段名：revenue, net_profit, growth_rate
3. 金额单位统一为"亿元"，增长率带百分号
4. 不输出任何解释、注释或额外内容
示例：
输入："2022年营收42.1亿元，净利6.8亿，同比增9.2%"
输出：{"revenue": "42.1", "net_profit": "6.8", "growth_rate": "9.2%"}
3.3 实际跑一下
输入这段财报原文：
“2023年公司实现营业收入58.62亿元，同比增长12.3%；归属于上市公司股东的净利润为8.94亿元，同比增长5.7%。公司经营性现金流净额达15.2亿元，研发投入占比提升至8.5%。”
系统输出：
{"revenue": "58.62", "net_profit": "8.94", "growth_rate": "12.3%"}
只返回了要求的三项数据，经营现金流和研发投入占比被正确忽略了。
四、案例二：智能查询分类系统
4.1 要做什么
搭一个能判断用户问了什么的分类器，根据类型走不同的处理流程。
分类类型：
- 寒暄（你好、请问、hi……）
- 感谢（谢谢、感谢……）
- 告别（再见、拜拜……）
- 转人工（人工客服、转人工……）
- 需要查知识库（其他问题）
4.2 怎么实现的
用精确匹配加包含匹配两种方式。精确匹配用于短语完全相等的情况，包含匹配用于短查询场景，防止用户就打了两个字还要完全匹配才能识别。
分类逻辑判断后，返回一个 JSON 结构，告诉下游应该怎么处理。寒暄和感谢用随机语句回应，显得不那么死板。
4.3 提示词设计要点
- 先把每类问法的关键词列清楚
- 每种类型配上对应的处理策略
- 统一 JSON 输出格式，方便后续解析
- 精确匹配和包含匹配结合，平衡准确率和召回率
五、一些经验
提示词这块：约束条件要写死，别留给模型自己发挥。格式要求要说清楚，最好有例子。输出能简洁就简洁，少让模型发挥，它就少出错。
工作流这块：复杂任务拆成几步，每步单独测。留好错误处理，别一个环节挂了整个流程崩掉。
部署这块：先调通再上线。提示词做好版本管理，改动记录好。
六、结语
Dify 把大模型应用开发的门槛降了不少。本文两个案例——数据提取和意图分类——都是实际场景里常见的类型，希望能有参考价值。