Dify的安装部署我已经写过了，简单的模型配置我也在前面进行了讲解，今天我们主要来讲讲如何使用Dify。

一、创建应用

我们可以通过三种方式在Dify的工作室内创建应用

01.基于应用模板创建（新手推荐）

02.创建一个空白应用

03.通过DSL文件（本地/在线）创建应用

1、从模板创建应用

初次使用 Dify 时，你可能对于应用创建比较陌生。为了帮助新手用户快速了解在 Dify 上能够构建哪些类型的应用，Dify 团队内的提示词工程师已经创建好了多场景、高质量的应用模板。

弹出的页面中，默认是推荐，可以在左上角的菜单中进行筛选：

任意选择一个你喜欢或者需要的模板，鼠标放在模板上会浮现出【使用改模板】的按钮，点击按钮，然后选择应用图标，填写应用名称和描述（当然也可以不用直接点创建），将改模板添加至工作区。

进入这个模板后，可以基于模板的不同节点，调整模板使用的大模型，改成自己配置的模型即可

在画布上，鼠标右键可以选择“添加节点”、“添加注释”、“运行”和导入导出DSL等功能，详细的功能可以自己研究

调整完毕后，可以点击右上角的运行按钮测试你的应用

点击运行后可以看到详情和追踪tab的内容

可以实时追踪运行过程，点击每个节点都可以看到过程数据，等完全执行完毕，可以去结果tab中，查看最终的结果

2、创建一个空白应用

当你已经熟悉了怎么使用，想自己创建一个应用，自己编辑，那就可以选择创建空白应用：

点击后会跳转到创建空白应用的页面，Dify提供了五种应用类型，包括适合新手的【聊天助手】【Agent】【文本生成应用】，以及适合进阶用户的【Chatflow】【工作流】类型，可以填写自己的应用名称和头像即可开始设计自己的应用了：

我利用Dify自带的工具，做了一个单页面抓取的工作流应用，很简单的结构，就是操作一下看下效果：

其中单页面抓取这个节点是使用的Firecrawl的，需要额外授权才可以使用，授权的方式也很简单，就是首先你要有对应工具的账号，然后直接去官网拿到对应的API秘钥，之后再工具菜单页面找到你需要使用的对应工具的卡片，点击授权即可，我的页面是已经授权了，未授权的会是蓝色的“去授权”按钮。

点击“去授权”按钮后，填写API秘钥和API URL 即可，保存后就会显示“已授权”：

3、通过DSL文件创建应用

Dify DSL 是由 Dify.AI 所定义的 AI 应用工程文件标准，文件格式为 YML。该标准涵盖应用在 Dify 内的基本描述、模型参数、编排配置等信息。

点击导入DSL文件后，会给出弹框，让你去上传对应的DSL文件，也可以选择URL，则是输入DSL文件的URL，两种方式二选一就行：

导入后，也会在工作室区域显示导入的应用。导入 DSL 文件时将校对文件版本号。如果 DSL 版本号差异较大，有可能会出现兼容性问题。

二、应用类型

之前就说了，Dify为应用提供了五种应用类型，分别是【聊天助手】【Agent】【文本生成应用】【Chatflow】【工作流】，我们上面一直是以工作流的方式创建的应用，下面我们就简单的描述下各种类型的应用的界面。

1、聊天助手

通过简单的配置快速搭建一个基于 LLM 的对话机器人。支持切换为 Chatflow 编排。

创建聊天助手后，会自动跳转到聊天助手概览页面，点击左侧菜单“编排”来开始设置：

右上角会选择默认的模型，我们可以通过右上角调整使用的模型：

也可以点击“多个模型进行调试”，来对比哪个模型的效果更好，此处我们就不做过多介绍，有兴趣的小伙伴们可以自己研究：

我们下面做一个面试官的例子来介绍一下相关内容。

填写提示词

提示词用于约束 AI 给出专业的回复，让回应更加精确。你可以借助内置的提示生成器，编写合适的提示词。提示词内支持插入表单变量，例如 {{input}}。提示词中的变量的值会替换成用户填写的值。

我们点击提示词框右上角的“生成”，弹出提示词生成器：

我想让你担任{{jobName}}面试官。我将成为候选人，您将向我询问{{jobName})Java开发工程师职位的面试问题。

点击应用即可，返回到编排页面后，可以通过右下角管理不同的功能，可以根据自己不同的需求进行调整：

比如【对话开场白】功能，就可以添加多种开场白。

添加上下文

如果想要让 AI 的对话范围局限在知识库内，例如企业内的客服话术规范，可以在“上下文”内引用知识库，因为我们知识库还没创建，暂时就不添加相关信息了，有兴趣的小伙伴可以自行添加研究：

调试

在右侧填写好用户输入项，输入内容进行调试，若LLM给出的回答不理想，我么可以调整提示词或切换不同底层模型进行效果对比。

发布应用

调试完成后，我们就可以点击右上角的“发布”按钮生成独立的AI应用，除了可以通过公开URL体验该应用，我们也可以基于APIs的二次开发、嵌入至网站内等操作。还可以通过右边菜单，关注访问API、日志与标注、监测等模块功能，有兴趣的小伙伴可以自行研究。

2、Agent

同样和聊天助手的创建一样，也是在编排菜单下进行应用的编排，此处和聊天小助手大致一样，就不再做详细的描述，可以在模板中找到相关的应用模板，然后研究。

3、文本生成应用

文本生成应用也很简单，我也就不从0开始，直接找了个模板给大家演示一下：

4、Chatflow和工作流

【Chatfow】其实就是支持记忆的复杂多轮对话工作流，而【工作流】是面向单轮自动化任务的编排工作流，这部分在创建应用的时候实际上已经做了举例，这里也就不再多做描述，小伙伴们可以自行操作感受。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】