为什么我们应该选择Dify工作流

核心观点

Dify 是为了支持普通用户与企业用户而设计的，即支持简单的工作流搭建，也支持企业级的部署，工作流API对接等需求；
Dify 的工作流市场提供了大量的模板可以应用和参考；
Dify 的包含了非常丰富的插件，包含官方插件、第三方插件、甚至用户可以自己开发插件；
Dify 提供了简单易用的工作流节点，同时在节点级别支持脚本(Python/JS) 脚本编写;
Dify 的工作流可以直接通过API接口对接，企业应用友好。

方便部署

Dify 是开源项目，通过Github下载相应的Release版本，或者是直接通过克隆下载后切换到tag分支即可。

通过 Docker compose 可以一键运行。在Linux服务器中可以非常方便的启动，对于PC端用户，可以直接

使用 Docker desktop 支持启动即可。

当然可以通过 .env 的设置，来进行线上项目的配置。

工作流丰富

Dify提供了两类工作流的制作方式，以及常用的工作流模板。支持工作流、ChatFlow 两种不同的类型。

工作流：直接进行功能的搭建，不限制任何场景，可控性最强;
ChatFlow：聊天对话，包含历史记忆，能够定义初始对话场景和提示词，支持多轮对话，主要以大模型推理为主;

同时 Dify 还有新手模板，包含“聊天助手”，“Agent”，“文本生成” 这三种快速启动模板。

工作流支持导出和导入，导出的工作流 yaml 文件可以方便的进行分享，也可以通过拖拽等方式，一键导入。

节点与插件

Dify 与其余的工作流平台不同点是可以方便的接入各种插件，尤其现在的大模型非常多，使用Dify接入不同的大模型非常方便，

对于我们而言，最重要的大模型插件是 Ollama 插件，这样我们就可以使用免费的大模型来进行前期的验证与测试。

而不需要去进行购买Token或者是注册第三方的开发者账号。这一点充分的体现了开源软件的开放性。

知识库检索

Dify支持知识库管理与检索，同样支持对接 Embidding 大模型来提供知识库检索的精度。

在工作流中支持知识库检索对于企业用户而言非常重要，在工作流交互过程中来扩展大模型的能力。

知识库检索同样对于 2025年在中国兴起的 AI漫剧制作也是非常重要的，因为我们可以通过知识库检索，

来快速的进行剧情加载、人物角色设计参考等方面的应用。

例如在知识库中增加人物参考图，在生成分镜图片时，就可以使用图生图等模式，来进行图片参考。

企业应用

Dify的开源项目直接可以使用 docker compose 进行部署，通过设置env可以开启私有化插件的定制和安装，确保数据安全。

Dify 的工作流都可以通过 API 进行接口形式的访问，这样就可以实现可视化编辑/更新工作流，通过API接口访问，形成了Agent服务的能力。

例如：

curl -X POST 'http://127.0.0.1/v1/completion-messages' \
--header 'Authorization: Bearer {api_key}' \
--header 'Content-Type: application/json' \
--data-raw '{
  "inputs": {"query": "Hello, world!"},
  "response_mode": "streaming",
  "user": "abc-123"
}'

这样就可以定制企业的UI样式，实现独立的开发。

现有工作流对比

Dify vs Coze(扣子)

Coze是面向的是普通用户，针对企业的能力稍差。其中插件更多的是基于字节跳动或者是第三方服务商，尤其是大模型插件不包含 Ollama 等免费服务；
Coze的工作流节点中，对于内容提取相对复杂，需要使用大模型来进行变量的提取。包括字符串拼接等提示词处理，可控度不高。
Dify 的工作流节点可以通过直接对接 python/js 脚本节点来处理输入，也可以通过字符串处理，来使用Jinja 模板语言来实现内容的生成，便于优化提示词。
Coze 私有化部署同样适用docker compose，可以一键启动，但是却无法默认接入插件市场，需要在扣子官方平台申请Token后，才能接入，安装官方/第三方的公共插件；
Coze（扣子）的官方网站发生整体改变，原有的Coze cloud 直接变成了 Coze 编程工具，由此可见 Coze 的重心发生了巨大的变化。

总结

如果你希望了解工作流的搭建，并且有一点点的编程能力，那么使用Dify是比较好的选择。

如果你完全没有编程功底，那么就去用Coze的线上体验，这样会方便一些。

为什么我们应该选择Dify工作流