Dify 教學：建立第一個應用
在 Dify 中，「應用」是我們把大型語言模型（LLM，例如 GPT、Gemini、Claude 等）能力落地到實際場景的核心單位。只要建立一個應用，就能快速擁有：
- 封裝好的 API：後端或前端都能直接呼叫，並透過 Token 控制存取。
- 開箱即用的 WebApp：美觀的 UI，不需寫程式也能即刻部署，甚至能再做二次開發。
- 完整的管理介面：包括提示詞工程、上下文管理、知識庫接入、日誌分析和標註功能。
換句話說，建立應用的同時，你就完成了「AI 工程化的第一步」。
一、應用類型介紹
Dify 目前提供五種應用類型，不同的需求可以選擇不同類型：
| 類型 | 特點 | 適合情境 |
|---|---|---|
| 聊天助手 | 多輪對話、可接知識庫、支援開場白 | FAQ 助理、客服對話 |
| 文本生成應用 | 一問一答、表單輸入、結果輸出 | 翻譯、分類、摘要 |
| Agent | 可推理、拆解任務、呼叫工具 | 智能客服、跨系統整合 |
| 對話流 (Chatflow) | 定義流程的多輪對話，有記憶功能 | 複雜業務流程、線上表單 |
| 工作流 (Workflow) | 自動化、批次處理、單輪任務 | 文件批次生成、資料處理 |
Note
初學者建議先從 聊天助手 或 文本生成應用 開始。
二、建立應用的方式
在 Dify 的「工作室」中，你有三種方式建立應用：
- 從模板建立（推薦新手）
- 從空白建立
- 透過 DSL 檔案匯入
1. 從模板建立（最簡單）
Dify 內建許多高品質的應用模板（由提示詞工程師設計），例如 FAQ 助理、翻譯工具、知識檢索應用。 只要幾個步驟，就能快速上線：
- 進入 工作室 → 從模板建立
- 挑選一個模板（如 Code Interpreter）
- 按「加入工作區」即可
2. 從空白建立（自由度最高）
如果想要完全自訂，可以選擇 從空白建立：
- 進入 工作室 → 從空白建立
- 選擇應用類型（聊天助手 / 文本生成 / Agent / Chatflow / Workflow）
- 設定應用名稱、圖示、描述
建議
- 名稱取清楚（例如「電商客服助手」）
- 圖示可以用內建圖標或上傳自己喜歡的圖片
- 描述寫明用途（例如「協助客戶查詢訂單、退換貨流程」）
3. 透過 DSL 檔案建立（進階用法）
Dify 提供一個 DSL（YAML 格式）標準，能完整描述應用設定。
- 本地匯入：直接上傳
.yml檔案 - URL 匯入：填寫 DSL 文件網址（例如
https://example.com/your_app.yml）
適合情境：
- 你在 GitHub 找到一個應用範例，直接下載匯入
- 團隊內共用應用設定，只要一份 DSL 檔即可還原
注意
不同版本的 DSL 可能有相容性差異，若出現錯誤，請檢查 DSL 的版本號。
三、聊天助手 vs. 文本生成應用
很多人初學時會搞混，這裡簡單整理差異：
| 功能 | 文本生成應用 | 聊天助手 |
|---|---|---|
| WebApp 介面 | 表單 + 結果式 | 聊天式 |
| API 端點 | completion-messages |
chat-messages |
| 交互方式 | 一問一答 | 多輪對話 |
| 上下文保存 | 當次 | 持續 |
| 知識庫支援 | ✔️ | ✔️ |
| AI 開場白 | ❌ | ✔️ |
| 適用情境 | 翻譯、判斷、摘要 | FAQ 助理、客服 |
建議
- 如果只是「輸入 → 產出」，用 文本生成應用。
- 如果需要「聊天互動」，用 聊天助手。
四、動手建立第一個應用
首先選擇 從空白建立應用類型選擇聊天流(Chatflow)，設定好應用名稱、圖示、描述後點選建立。
Dify 工作流三大基本節點
在 Dify 裡，一開始大模型就會直接回覆。這三個節點算是 Dify 中最基本、最核心的基礎節點。這三個節點可以透過連線互相串起來，也能跟其他節點靈活組合，變成更複雜、可商用的流程工具。
開始節點
一開始，裡面會有一些最基本的參數，其中 System (也就是 Sys.Query)，就是在執行時，使用者輸入的內容。我們的聊天訊息，其實就是作為一個 Query 被送進來的。
另外也可以加入變數，這些變數有很多不同的類型，也能讓使用者自行輸入。輸入的內容同樣可以交給大語言模型來互動，像下面這樣示範：
LLM節點
接著，在大語言模型的部分，我們可以自己選要用哪一個模型。舉例來說，可以選 DeepSeek、Gemini、或是 ChatGPT，都行，直接挑一個就好。然後還會包含對應的上下文。我們可以直接引用 Sys.Query，只要點一下就能帶進來。
另外，還會有提示詞。提示詞可以輸入任何你想要的內容。像是輸入：「你是一個很厲害的資料科學家，請根據使用者的問題給出AI方面的回應。如果問題跟AI無關，請回覆『請詢問AI相關問題』。」這樣就能定義系統提示詞。這其實就是所謂的 Prompt Engineering（提示詞工程）。
再來，我們也能新增一個「使用者訊息」的節點。這個節點其實就是我們在聊天時，送進來的訊息。你可以隨便加一筆測試訊息。只要點選「＋」或是用斜線快速輸入，就能把上下文加進來。
直接回覆節點
當上下文帶進來之後，這個流程最後會走到「直接回覆」。在「直接回覆」這裡，就是由大模型產生回覆。只要點一下，就能看到結果。這個地方顯示的就是 LLM（大模型）的輸出，你也可以在這裡加上一些文字修飾或格式，例如在大模型回覆前面加個「回覆：」。
測試的時候，只要按「預覽」就能跑起來。比方說輸入：「請出一題AI的小測驗」，大模型就會輸出一題相關的考題。如果再輸入「今天天氣如何？」，因為這題跟 AI 無關，所以系統就會回「請詢問AI相關問題」。
這樣一來，我們就只用最基本的三個節點，就能搭建出一個能跟大模型互動的聊天應用了。