Dify 最新更新内容汇总｜附完整命令

在大模型应用开发领域，Dify 一直是一个非常受欢迎的开源平台。它将 LLM 应用编排、Prompt 管理、Agent 构建、知识库检索、工作流自动化、API 发布、模型接入与运维管理 等能力整合到一个相对完整的平台中，适合个人开发者、企业团队以及 AI 应用产品团队快速搭建生成式 AI 应用。

随着 Dify 持续迭代，平台在 工作流能力、模型接入、知识库检索、Agent 工具调用、权限管理、部署体验、性能优化 等方面都有不少更新。本文将对 Dify 的最新更新方向进行系统梳理，并附上常用的完整部署、升级、备份、启动、停止、查看日志等命令，方便你快速上手和维护。

说明：Dify 更新频率较高，不同版本的具体功能可能存在差异。实际生产环境升级前，建议先查看官方 GitHub Release 说明，并在测试环境验证后再升级。

一、Dify 是什么？

Dify 是一个开源的大语言模型应用开发平台，主要面向 AI 原生应用的快速构建。它既适合无代码或低代码方式搭建聊天机器人、知识库问答、Agent 应用，也适合开发者通过 API 集成到自己的业务系统中。

Dify 的核心能力包括：

• Chatbot 聊天应用
• Agent 智能体应用
• Workflow 工作流应用
• Text Generator 文本生成应用
• RAG 知识库问答
• 多模型供应商接入
• Prompt 编排与调试
• 工具调用
• API 发布
• 团队协作与权限管理
• 日志、监控与追踪

相比直接调用大模型 API，Dify 的优势在于它提供了应用层的完整抽象，帮助开发者把复杂的大模型调用流程产品化、流程化和可视化。

二、Dify 最新更新重点概览

Dify 近期的更新主要集中在以下几个方向：

1. 工作流 Workflow 能力增强
2. Agent 智能体体验优化
3. 知识库与 RAG 检索能力提升
4. 更多模型供应商和模型类型支持
5. 应用调试与日志追踪增强
6. 部署、升级与运维体验优化
7. 权限、安全与企业化能力完善
8. 前端交互与控制台体验优化

下面我们逐项展开。

三、Workflow 工作流能力持续增强

Workflow 是 Dify 近年来非常重要的能力之一。相比传统的单轮 Prompt 调用，Workflow 可以将一个复杂任务拆解为多个节点，以可视化方式编排执行流程。

常见的工作流节点包括：

• 开始节点
• LLM 节点
• 条件分支节点
• 代码执行节点
• HTTP 请求节点
• 知识库检索节点
• 模板转换节点
• 变量赋值节点
• 结束节点

1. 工作流更适合复杂业务场景

在实际业务中，一个 AI 应用往往不是简单地“用户输入问题，大模型直接回答”。例如：

• 客服系统需要先识别用户意图，再查询知识库，再决定是否转人工；
• 合同审查需要先解析文档，再提取条款，再逐项判断风险；
• 数据分析助手需要先理解用户需求，再调用接口查询数据，最后生成图表或结论；
• 营销文案工具需要根据用户画像、商品信息、平台风格生成不同版本内容。

这些场景都适合使用 Workflow 来完成。

2. 条件分支能力更加灵活

条件分支是工作流中非常关键的能力。通过条件判断，可以让应用根据用户输入、模型输出、接口结果等变量走不同路径。

例如：

如果用户问题属于售后问题 → 进入售后知识库检索
如果用户问题属于订单问题 → 调用订单查询接口
如果用户问题属于投诉问题 → 生成安抚话术并通知人工客服

这让 Dify 不再只是一个简单聊天机器人平台，而是可以承担一定程度的业务流程编排。

3. HTTP 请求节点适合连接业务系统

HTTP 请求节点可以让 Dify 工作流调用外部 API。例如：

• 查询订单状态
• 查询用户信息
• 获取商品库存
• 触发企业微信通知
• 调用内部 CRM 系统
• 写入数据库服务
• 调用第三方 SaaS 平台

这对于企业落地 AI 应用非常重要，因为 AI 应用最终通常需要与真实业务系统打通。

四、Agent 智能体能力优化

Agent 是 Dify 的另一类重要应用形态。它允许大模型根据用户目标，自主规划步骤，并调用工具完成任务。

1. 工具调用更加稳定

Agent 的核心在于工具调用。Dify 支持配置多种工具，例如：

• 网络搜索工具
• HTTP 工具
• 自定义 API 工具
• 数据查询工具
• 知识库检索工具
• 代码执行工具

新版 Dify 在工具调用链路上持续优化，提升了 Agent 执行复杂任务时的稳定性和可控性。

2. Agent 更适合半自动化任务

Agent 适合以下场景：

• 自动收集资料并总结
• 根据问题选择合适工具
• 多步骤查询和整理信息
• 自动生成报告
• 自动调用业务接口
• 简单任务规划

不过需要注意的是，Agent 的自主性越强，越需要设置边界。生产环境中不建议让 Agent 无限制调用高风险接口，比如删除数据、修改订单、资金操作等。

3. 工具权限需要谨慎配置

在企业场景中，Agent 工具权限应遵循最小权限原则：

• 只开放必要接口；
• 高风险操作需要人工确认；
• 接口应增加鉴权；
• 调用日志应完整记录；
• 敏感数据应脱敏处理；
• 避免模型直接接触数据库高权限账号。

五、知识库与 RAG 检索能力提升

Dify 的知识库能力是很多团队使用它的核心原因。它可以将文档、网页、FAQ、产品资料、内部制度等内容导入知识库，再通过向量检索和大模型生成回答。

1. 支持多种文档类型

常见可导入内容包括：

• PDF
• Word 文档
• Markdown
• TXT
• HTML
• CSV
• 网页内容
• API 导入数据

具体支持格式会随版本变化，建议以控制台页面和官方文档为准。

2. 分段策略更重要

RAG 效果很大程度取决于文档分段质量。一个常见误区是认为“文档上传了就一定能回答好”，实际上并不是。

影响知识库问答质量的因素包括：

• 文档本身是否结构清晰；
• 分段大小是否合理；
• 分段重叠是否适当；
• 标题层级是否完整；
• 是否包含过多噪声内容；
• Embedding 模型是否合适；
• Top K 参数是否合理；
• 是否开启重排序模型；
• Prompt 是否约束模型基于知识库回答。

3. 检索增强更加适合企业知识问答

对于企业内部助手，Dify 知识库常见用途包括：

• 员工制度问答；
• 产品手册问答；
• 客服知识库；
• 售前资料查询；
• 技术文档助手；
• 合同条款检索；
• 项目资料归档问答。

为了提升可靠性，建议在回答中要求模型给出引用来源，避免纯粹依赖模型记忆生成答案。

六、模型供应商接入更加丰富

Dify 支持接入多种模型供应商。常见包括：

• OpenAI
• Azure OpenAI
• Anthropic
• Google Gemini
• Cohere
• Hugging Face
• Replicate
• Groq
• Together AI
• Mistral
• Ollama
• Xinference
• LocalAI
• OpenAI API Compatible 接口
• 国内部分大模型服务商

对于企业而言，模型接入能力非常关键，因为不同模型在价格、速度、上下文长度、中文能力、工具调用能力、私有化部署能力上差异明显。

1. OpenAI Compatible 接口非常实用

很多模型服务商都兼容 OpenAI API 格式。Dify 支持以 OpenAI Compatible 的方式接入模型，这意味着只要服务商提供兼容接口，就可以较方便地配置到 Dify 中。

常见配置项包括：

API Key
API Base URL
Model Name
Completion 类型
Embedding 类型
上下文长度
最大输出 Token

2. 本地模型部署需求增加

越来越多团队希望将模型部署在本地或私有云，以满足数据安全和成本控制需求。Dify 可以结合 Ollama、Xinference、LocalAI 等工具使用。

例如，使用 Ollama 启动本地模型：

ollama pull llama3
ollama run llama3

如果需要在 Dify 中接入 Ollama，需要确保 Dify 容器能够访问 Ollama 服务地址。

七、应用调试与日志追踪增强

Dify 应用从开发到上线，调试能力非常重要。更新后的 Dify 在日志、会话、调用链追踪等方面持续改进。

1. 调试 Prompt 更方便

开发者可以在控制台中调整 Prompt、模型参数、变量输入、知识库配置，然后直接测试效果。

常见可调参数包括：

• Temperature
• Top P
• Max Tokens
• Presence Penalty
• Frequency Penalty
• Stop Sequence
• 上下文轮数
• 知识库 Top K
• 相似度阈值

2. 日志有助于定位问题

当应用回答异常时，可以从日志中排查：

• 用户输入是什么；
• 检索到了哪些知识片段；
• Prompt 最终拼接结果是什么；
• 模型返回了什么；
• 工具调用是否成功；
• HTTP 节点是否超时；
• 工作流变量是否为空；
• Token 消耗是否异常。

这对于生产环境非常重要。

八、部署体验优化

Dify 最常见的部署方式是 Docker Compose。官方提供了相对完整的 docker-compose.yaml 配置，包含 API、Web、Worker、数据库、Redis、向量数据库等组件。

Dify 常见组件包括：

• api
• worker
• web
• db
• redis
• nginx
• weaviate 或其他向量数据库
• sandbox
• ssrf_proxy
• plugin_daemon 等，视版本而定

不同版本组件名称可能略有不同。

九、Dify 完整部署命令

下面以 Docker Compose 方式部署为例。

1. 安装基础依赖

Ubuntu / Debian

sudo apt update
sudo apt install -y git curl wget vim ca-certificates gnupg lsb-release

2. 安装 Docker

curl -fsSL https://get.docker.com | sudo bash

启动 Docker：

sudo systemctl enable docker
sudo systemctl start docker

查看 Docker 版本：

docker version

3. 安装 Docker Compose

较新的 Docker 已内置 Compose 插件，可使用：

docker compose version

如果没有安装，可执行：

sudo apt install -y docker-compose-plugin

再次验证：

docker compose version

4. 拉取 Dify 源码

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

如果需要指定版本，可以先查看 Tag：

git tag

切换到指定版本，例如：

git checkout 1.0.0

注意：版本号请替换为你实际需要部署的版本。

5. 进入 Docker 部署目录

cd docker

复制环境变量文件：

cp .env.example .env

编辑环境变量：

vim .env

6. 启动 Dify

docker compose up -d

查看容器状态：

docker compose ps

查看所有容器：

docker ps -a

7. 查看服务日志

查看全部日志：

docker compose logs -f

查看 API 日志：

docker compose logs -f api

查看 Worker 日志：

docker compose logs -f worker

查看 Web 日志：

docker compose logs -f web

查看 Nginx 日志：

docker compose logs -f nginx

8. 访问 Dify

默认情况下，可以通过服务器 IP 访问：

http://服务器IP

如果你修改了端口，例如映射到 8080，则访问：

http://服务器IP:8080

首次访问需要创建管理员账号。

十、Dify 升级完整命令

升级前务必备份数据库和 .env 文件。生产环境不建议直接升级，建议先在测试环境验证。

1. 进入 Dify 目录

cd /path/to/dify

例如：

cd ~/dify

2. 停止服务

cd docker
docker compose down

3. 备份环境变量

cp .env .env.backup.$(date +%F-%H%M%S)

4. 返回项目根目录并拉取最新代码

cd ..
git fetch --all
git pull

如果你使用指定版本，可以执行：

git fetch --tags
git checkout 

例如：

git checkout 1.0.0

5. 对比新的环境变量

cd docker
diff .env.example .env

如果新版本 .env.example 中新增了配置项，需要手动补充到 .env 中。

编辑：

vim .env

6. 拉取最新镜像

docker compose pull

7. 启动服务

docker compose up -d

8. 查看升级后状态

docker compose ps

查看日志：

docker compose logs -f

十一、Dify 备份与恢复命令

1. 备份 PostgreSQL 数据库

先查看数据库容器名称：

docker compose ps

一般数据库服务名可能是 db。

执行备份：

docker compose exec db pg_dump -U postgres dify > dify_backup_$(date +%F-%H%M%S).sql

如果数据库用户名或库名不同，请根据 .env 修改。

2. 备份上传文件和存储目录

在 Dify Docker 目录下，通常会有 volumes 或挂载目录。可以整体打包：

tar -czvf dify_storage_backup_$(date +%F-%H%M%S).tar.gz volumes

3. 备份环境变量

cp .env .env.backup.$(date +%F-%H%M%S)

4. 恢复数据库

先将 SQL 文件复制到服务器，然后执行：

cat dify_backup.sql | docker compose exec -T db psql -U postgres dify

十二、常用运维命令汇总

1. 启动服务

docker compose up -d

2. 停止服务

docker compose down

3. 重启服务

docker compose restart

4. 重启单个服务

docker compose restart api

docker compose restart worker

docker compose restart web

5. 查看容器状态

docker compose ps

6. 查看资源占用

docker stats

7. 查看镜像

docker images

8. 清理无用镜像

docker image prune -a

9. 清理无用容器和网络

docker system prune

10. 进入 API 容器

docker compose exec api bash

11. 进入数据库容器

docker compose exec db bash

12. 查看磁盘占用

df -h

du -sh *

十三、生产环境升级注意事项

Dify 虽然可以通过 Docker Compose 快速部署，但生产环境仍需要关注以下问题。

1. 不要裸奔暴露后台

建议使用：

• HTTPS
• 防火墙
• 反向代理
• 访问控制
• 强密码
• 管理员账号保护

如果部署在公网服务器上，建议只开放必要端口。

2. 配置 HTTPS

可以使用 Nginx + Certbot 配置免费证书。

安装 Certbot：

sudo apt install -y certbot python3-certbot-nginx

申请证书：

sudo certbot --nginx -d your-domain.com

自动续期测试：

sudo certbot renew --dry-run

3. 定期备份

至少备份：

• PostgreSQL 数据库；
• .env 文件；
• 上传文件；
• 向量数据库数据；
• 自定义配置；
• 插件或工具配置。

建议写入定时任务。

编辑 crontab：

crontab -e

示例：每天凌晨 3 点备份数据库：

0 3 * * * cd /path/to/dify/docker && docker compose exec -T db pg_dump -U postgres dify > /backup/dify_db_$(date +\%F).sql

十四、Dify 常见问题排查

1. 页面打不开

检查容器状态：

docker compose ps

查看 Nginx 日志：

docker compose logs -f nginx

检查端口：

sudo ss -tulnp

2. API 服务异常

查看 API 日志：

docker compose logs -f api

重启 API：

docker compose restart api

3. Worker 不执行任务

查看 Worker 日志：

docker compose logs -f worker

检查 Redis：

docker compose logs -f redis

重启 Worker：

docker compose restart worker

4. 知识库上传失败

重点检查：

• 文件大小限制；
• 存储目录权限；
• Worker 是否正常；
• 向量数据库是否正常；
• Embedding 模型是否配置正确；
• API Key 是否有效。

查看日志：

docker compose logs -f api worker

5. 模型调用失败

检查：

• API Key 是否正确；
• Base URL 是否正确；
• 模型名称是否填写正确；
• 服务商余额是否充足；
• 网络是否能访问模型服务；
• 是否被代理、防火墙或地区限制影响。

十五、推荐的 Dify 使用实践

1. 先设计应用流程，再写 Prompt

不要一开始就堆 Prompt。建议先明确：

• 用户是谁；
• 输入是什么；
• 输出是什么；
• 是否需要知识库；
• 是否需要调用工具；
• 是否需要人工审核；
• 失败时如何兜底。

2. 知识库内容要结构化

推荐使用 Markdown 维护知识库资料，例如：

# 产品名称

## 功能介绍

## 使用步骤

## 常见问题

## 注意事项

结构越清晰，检索效果越好。

3. Prompt 中增加约束

例如：

请严格基于知识库内容回答。
如果知识库中没有相关信息，请回答“当前资料中未找到相关信息”，不要编造。
回答时请尽量引用相关依据。

4. 工作流适合承载核心逻辑

如果应用逻辑比较复杂，不建议全部塞进一个 Prompt 中。可以拆成：

• 意图识别节点；
• 知识库检索节点；
• 外部接口节点；
• LLM 总结节点；
• 格式化输出节点；
• 异常兜底节点。

这样更容易维护，也更容易排查问题。

十六、总结

Dify 的更新方向非常清晰：它正在从一个 LLM 应用搭建平台，逐步发展为一个面向企业级 AI 应用的编排和运行平台。无论是 Workflow、Agent、RAG 知识库，还是多模型接入、日志追踪、API 发布和部署运维能力，都在不断完善。

对于个人开发者来说，Dify 可以大幅降低 AI 应用开发门槛；对于企业团队来说，Dify 可以帮助快速验证 AI 场景，并逐步沉淀为可维护、可扩展、可接入业务系统的生产级应用。

如果你准备部署或升级 Dify，建议遵循以下步骤：

1. 先阅读官方 Release；
2. 在测试环境部署验证；
3. 备份数据库和配置文件；
4. 再执行生产环境升级；
5. 升级后观察日志和核心功能；
6. 定期备份并监控资源占用。

掌握本文中的部署、升级、备份和排查命令，基本可以覆盖 Dify 日常使用和运维中的大部分场景。