Dify 实战案例分享｜零基础可学

适合人群：

• 想学习 AI 应用搭建，但没有编程基础的新手
• 想用 Dify 做知识库问答、客服机器人、工作流自动化的人
• 想快速理解 Dify 能做什么、怎么做、如何落地的产品/运营/职场人士

一、为什么推荐零基础学习 Dify？

过去，如果想做一个 AI 应用，通常需要具备一定的编程能力，比如会调用大模型 API、会写后端接口、会处理向量数据库、会设计前端页面等。对于很多非技术人员来说，这些门槛非常高。

而 Dify 的出现，降低了 AI 应用开发的难度。它是一个开源的大语言模型应用开发平台，可以帮助用户通过可视化方式快速搭建 AI 应用，例如：

• 企业知识库问答机器人
• 智能客服助手
• 文案生成工具
• 简历优化助手
• SQL 查询助手
• 会议纪要整理工具
• 自动化工作流应用
• 多轮对话机器人

简单来说，Dify 就像一个“AI 应用搭建器”。你不需要从零写代码，只需要配置模型、上传知识库、设计提示词、搭建流程，就可以做出一个能实际使用的 AI 应用。

对于零基础学习者来说，Dify 最大的优势在于：

1. 上手快：界面清晰，操作逻辑比较直观；
2. 门槛低：不需要掌握复杂编程知识；
3. 可落地：可以直接部署到真实业务场景中；
4. 扩展强：支持工作流、知识库、API、工具调用等能力；
5. 适合学习 AI 产品思维：不只是“玩 AI”，而是学会如何设计 AI 应用。

本文将通过一个完整实战案例，带你从零开始理解 Dify 的使用方法。

二、实战案例：搭建一个企业知识库问答助手

本次案例我们要搭建的是一个“企业知识库问答助手”。

它的作用是：用户输入问题后，AI 可以根据企业内部资料进行回答，而不是胡乱编造答案。

例如，用户可以问：

• 公司报销流程是什么？
• 新员工入职需要准备哪些材料？
• 年假申请规则是什么？
• 产品售后服务政策有哪些？
• 某个业务文档里的核心内容是什么？

这个案例非常适合零基础学习，因为它覆盖了 Dify 中最常见、最实用的几个功能：

• 创建 AI 应用
• 配置大模型
• 上传知识库
• 编写提示词
• 测试问答效果
• 优化回答质量
• 发布应用

三、准备工作：你需要提前准备什么？

在开始之前，你需要准备以下内容。

1. 一个 Dify 账号或部署环境

如果你只是学习，可以直接使用 Dify 官方云服务。注册账号后即可使用。

如果你有一定技术基础，也可以选择私有化部署 Dify。对于零基础用户，建议先使用云端版本，这样可以避免 Docker、服务器、数据库等复杂配置。

2. 一个可用的大模型

Dify 支持多种大模型服务，例如：

• OpenAI
• Claude
• DeepSeek
• 通义千问
• 智谱 AI
• 月之暗面 Kimi
• 百度文心一言
• 火山方舟
• 本地部署模型

对于新手来说，可以先选择一个使用成本较低、配置简单的模型。只要模型能够正常对话，就可以完成本次案例。

3. 一批知识库资料

知识库资料可以是以下格式：

• PDF 文档
• Word 文档
• TXT 文本
• Markdown 文档
• FAQ 表格
• 企业制度说明
• 产品手册
• 操作流程文档

如果你暂时没有真实企业资料，也可以自己准备一些模拟文档。例如：

《公司员工报销制度》
《新员工入职流程说明》
《产品售后服务政策》
《客户常见问题 FAQ》

资料不需要特别复杂，刚开始可以准备 3 到 5 个文档，用来测试知识库问答效果。

四、第一步：创建一个新的 Dify 应用

进入 Dify 后，通常可以在首页看到“创建应用”按钮。

Dify 常见的应用类型包括：

• 聊天助手
• 文本生成应用
• Agent 应用
• 工作流应用
• Chatflow 应用

对于本案例，我们建议选择 聊天助手 或 Chatflow。

如果你是零基础用户，建议先选择“聊天助手”，因为它配置更简单，更适合入门。如果你后续想做更复杂的流程，例如先判断用户意图，再查询不同知识库，再输出结构化答案，就可以使用 Chatflow 或 Workflow。

创建应用时，可以填写：

• 应用名称：企业知识库问答助手
• 应用描述：用于回答企业内部制度、流程、产品政策等问题
• 应用图标：可以选择一个简洁的图标

创建完成后，你会进入应用配置页面。

五、第二步：配置大模型

AI 应用的核心是大模型。Dify 本身不是模型，而是一个应用开发平台，它需要连接外部模型来完成生成回答的任务。

在 Dify 的模型配置中，你需要选择一个模型供应商，并填写 API Key。

以常见模型为例，你通常需要完成以下步骤：

1. 在模型服务平台创建账号；
2. 获取 API Key；
3. 回到 Dify 的模型供应商设置页面；
4. 添加 API Key；
5. 选择默认模型；
6. 测试连接是否成功。

模型参数方面，新手可以重点关注以下几个：

1. Temperature

Temperature 可以理解为回答的“创造性”。

• 数值越低，回答越稳定、保守；
• 数值越高，回答越发散、有创意。

对于知识库问答场景，建议设置为 0.2 到 0.5。因为我们希望 AI 根据资料准确回答，而不是自由发挥。

2. Max Tokens

Max Tokens 控制模型回答的最大长度。

如果你希望回答简洁，可以设置得低一些；如果希望回答详细，可以设置得高一些。企业知识库问答通常可以设置在中等偏高水平。

3. 上下文长度

不同模型支持的上下文长度不同。如果你的知识库文档比较长，建议选择上下文能力更强的模型，这样回答时可以参考更多内容。

六、第三步：创建知识库

知识库是本案例的关键。

在 Dify 中，知识库通常用于实现 RAG，也就是检索增强生成。它的基本逻辑是：

1. 用户提出问题；
2. 系统先从知识库中检索相关内容；
3. 把相关内容提供给大模型；
4. 大模型根据检索到的资料生成回答。

这样做的好处是，AI 不仅依赖模型自身的记忆，还能参考你上传的企业资料，从而减少幻觉，提高准确率。

创建知识库的步骤

进入 Dify 的知识库管理页面，点击创建知识库。你可以给知识库命名，例如：

企业制度知识库

然后上传准备好的文档。

上传文档后，Dify 会对文档进行处理，通常包括：

• 文本解析
• 文档分段
• 向量化处理
• 建立索引

这些步骤听起来比较技术化，但在 Dify 中基本是自动完成的。

七、第四步：设置文档分段策略

很多新手会忽略文档分段，但它对问答效果影响非常大。

如果分段太短，AI 拿到的信息可能不完整；如果分段太长，检索结果可能不够精准，还会浪费上下文空间。

常见分段方式包括：

• 按标题分段
• 按段落分段
• 按固定长度分段
• 自定义分隔符分段

对于企业制度、流程说明类文档，建议优先使用“按标题”或“按段落”分段。因为这类文档通常结构比较清晰，例如：

一、报销适用范围
二、报销材料要求
三、报销审批流程
四、报销到账时间

如果按照这些标题进行分段，用户询问“报销审批流程是什么”时，系统就更容易检索到对应内容。

分段建议

对于零基础用户，可以参考以下经验：

• 单个分段不要太短，避免信息碎片化；
• 单个分段不要太长，避免检索不精准；
• 每个分段最好围绕一个明确主题；
• 文档中尽量使用清晰标题；
• FAQ 类内容可以一问一答作为一个分段。

八、第五步：将知识库关联到应用

创建好知识库后，需要回到刚才创建的“企业知识库问答助手”应用中，把知识库关联进去。

在应用配置页面中，找到“上下文”或“知识库”相关设置，添加刚才创建的知识库。

关联后，用户提问时，应用就可以检索知识库内容。

这里需要注意一个关键点：知识库并不是上传后自动万能，仍然需要通过提示词约束模型如何使用知识库。

如果提示词写得不好，模型可能会出现以下问题：

• 没有依据资料回答；
• 回答过于笼统；
• 编造知识库中没有的信息；
• 没有说明信息来源；
• 遇到不知道的问题仍然强行回答。

因此，下一步我们要编写系统提示词。

九、第六步：编写高质量提示词

提示词是 AI 应用效果的灵魂。

对于企业知识库问答助手，我们的目标是：让 AI 只根据知识库回答问题，如果知识库中没有相关内容，就明确说明“暂未查询到相关信息”。

可以参考以下提示词模板：

你是一个专业、严谨的企业知识库问答助手。
你的任务是根据知识库中的内容回答用户问题。

回答要求：
1. 优先依据知识库检索到的内容进行回答；
2. 不要编造知识库中不存在的信息；
3. 如果知识库中没有相关内容，请回答：“根据现有知识库资料，暂未查询到相关信息。”；
4. 回答要清晰、简洁、有条理；
5. 如果问题涉及流程，请使用步骤列表说明；
6. 如果问题涉及规则，请分点说明；
7. 不要输出与问题无关的内容；
8. 如有必要，可以提醒用户联系相关负责人确认最新政策。

这个提示词的重点在于：

• 明确角色；
• 明确回答依据；
• 限制模型胡编；
• 规定回答格式；
• 给出异常处理方式。

如果你的企业场景更复杂，还可以增加语气要求，例如：

请使用正式、友好、适合企业内部沟通的语气。

如果你希望回答更像客服，也可以加上：

回答最后可以补充一句：“如果你还需要进一步帮助，可以继续告诉我你的具体情况。”

十、第七步：测试问答效果

配置完成后，就可以开始测试。

建议不要只问简单问题，而要从多个角度测试应用效果。

1. 测试明确问题

例如：

员工报销需要提交哪些材料？

如果知识库中有相关制度，AI 应该能够准确列出材料清单。

2. 测试流程类问题

例如：

请告诉我完整的报销审批流程。

理想回答应该是按步骤说明，例如：

1. 员工提交报销申请；
2. 部门负责人审批；
3. 财务审核发票和金额；
4. 财务安排付款；
5. 员工收到报销款。

3. 测试知识库没有的问题

例如：

公司是否提供海外购房补贴？

如果知识库中没有相关内容，AI 不应该编造，而应该回答：

根据现有知识库资料，暂未查询到相关信息。

4. 测试模糊问题

例如：

我刚入职，需要做什么？

如果知识库中有入职流程，AI 应该能够识别用户意图，并给出新员工入职相关事项。

5. 测试追问能力

例如：

第一轮：

新员工入职需要准备哪些材料？

第二轮：

这些材料什么时候提交？

一个好的知识库助手应该能结合上下文，理解“这些材料”指的是上一轮提到的入职材料。

十一、第八步：优化回答质量

第一次搭建出来的应用，通常不会完美，需要不断优化。下面是几个常见问题和解决方法。

问题一：回答不准确

可能原因：

• 文档内容不清晰；
• 文档分段不合理；
• 检索结果不相关；
• 提示词约束不够；
• 模型能力较弱。

解决方法：

• 优化文档结构，增加标题；
• 调整分段策略；
• 补充 FAQ 文档；
• 降低 Temperature；
• 在提示词中强调“不得编造”。

问题二：回答太长

解决方法是在提示词中增加：

回答控制在 300 字以内，除非用户要求详细说明。

问题三：回答太生硬

可以增加语气要求：

请使用自然、友好、专业的表达方式，避免机械化回复。

问题四：知识库查不到内容

可能原因包括：

• 文档没有成功索引；
• 用户提问方式和文档表述差异太大；
• 知识库内容本身缺失；
• 检索参数设置不合适。

解决方法：

• 检查文档解析结果；
• 添加同义词表达；
• 增加 FAQ；
• 将用户常见问题整理成问答形式上传。

十二、进阶玩法：用工作流做更智能的问答

当你熟悉基础知识库问答后，可以尝试使用 Dify 的工作流能力。

例如，原来的问答逻辑是：

用户提问 → 检索知识库 → 大模型回答

进阶后可以变成：

用户提问 → 判断问题类型 → 选择对应知识库 → 检索资料 → 生成回答 → 输出建议

比如企业中可能有多个知识库：

• 人事制度知识库
• 财务报销知识库
• 产品说明知识库
• 售后服务知识库
• IT 支持知识库

当用户问“电脑无法连接公司 WiFi 怎么办”，系统应该优先检索 IT 支持知识库；当用户问“差旅报销标准是多少”，系统应该检索财务知识库。

通过工作流，你可以让 AI 应用具备更强的业务判断能力。

十三、真实落地建议：不要只搭应用，要搭流程

很多人学习 Dify 时，只关注“能不能回答”，但真实业务落地更关注“是否能解决问题”。

一个知识库问答助手要真正发挥价值，需要考虑以下几点。

1. 知识库要有人维护

企业制度经常变化，如果知识库长期不更新，AI 回答就可能过时。

建议建立维护机制：

• 指定负责人；
• 每月更新一次；
• 重要制度变更后立即更新；
• 删除过期文档；
• 标注文档版本和生效日期。

2. 要收集用户反馈

可以让用户对回答进行评价，例如：

• 有帮助
• 没帮助
• 答非所问
• 信息过时

通过反馈可以发现知识库缺口，持续优化应用。

3. 要明确 AI 的边界

AI 可以辅助回答，但不能替代所有人工判断。对于涉及法律、财务、人事争议、合同条款等重要问题，建议增加提醒：

以上内容仅根据当前知识库资料整理，具体执行请以公司最新制度及相关负责人确认为准。

4. 要设计好使用入口

应用做好后，还要考虑用户在哪里使用。

常见入口包括：

• Web 页面
• 企业微信
• 飞书
• 钉钉
• 内部系统
• 官网客服窗口

如果入口不方便，员工或客户就不会主动使用。

十四、零基础学习 Dify 的路线建议

如果你刚开始学习 Dify，可以按照以下路线循序渐进。

第一阶段：熟悉基础功能

重点学习：

• 创建应用
• 配置模型
• 编写提示词
• 简单对话测试

目标是做出一个基础聊天助手。

第二阶段：掌握知识库问答

重点学习：

• 上传文档
• 文档分段
• 知识库检索
• RAG 问答
• 回答效果优化

目标是做出一个可用的知识库助手。

第三阶段：学习工作流

重点学习：

• 节点逻辑
• 条件判断
• 变量传递
• 多步骤任务
• 外部工具调用

目标是做出能够处理复杂任务的 AI 应用。

第四阶段：学习发布与集成

重点学习：

• 应用发布
• API 调用
• 嵌入网站
• 接入企业微信/飞书/钉钉
• 权限和数据安全

目标是让应用真正被业务使用。

第五阶段：持续运营优化

重点学习：

• 用户反馈分析
• 日志查看
• 成本控制
• 知识库更新
• 提示词迭代

目标是让 AI 应用从“能用”变成“好用”。

十五、案例总结

通过本次案例，我们从零开始搭建了一个“企业知识库问答助手”。整个过程可以总结为八个步骤：

1. 注册并进入 Dify；
2. 创建聊天应用；
3. 配置大模型；
4. 创建并上传知识库；
5. 设置文档分段；
6. 关联知识库到应用；
7. 编写系统提示词；
8. 测试并持续优化。

对于零基础用户来说，Dify 的价值不只是“可以做一个聊天机器人”，更重要的是它让普通人也能参与 AI 应用设计。你可以把自己的业务经验、行业知识、工作流程，转化成一个真正可用的 AI 工具。

如果你是运营，可以用 Dify 做内容生成助手；如果你是客服负责人，可以做智能客服知识库；如果你是 HR，可以做员工制度问答机器人；如果你是产品经理，可以快速验证 AI 产品原型；如果你是创业者，也可以用 Dify 低成本搭建 MVP。

学习 Dify 的关键，不在于一开始就追求复杂，而在于先找到一个真实的小场景，把它跑通。比如先做一个报销制度问答助手，或者一个产品 FAQ 助手。只要第一个案例成功，你就会逐渐理解 AI 应用的搭建逻辑。

最后给零基础学习者一个建议：
不要害怕技术名词，也不要一开始就纠结复杂架构。先动手做一个最小可用版本，再根据实际问题不断优化。Dify 最适合的学习方式，就是边做边学。

当你真正完成第一个 Dify 应用时，你会发现，AI 应用开发并没有想象中那么遥远。它已经从程序员专属技能，逐渐变成每个职场人都可以掌握的新能力。