据 AlphaMoat 统计,截至 2026-09,Dify 累计下载 2,357 次、获 5 个星标,在全部 5,078 个 AI 技能中排名第 4,209 位,在「AI 智能体」分类(969 个)中排名第 850 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 46 | 1,592 | 2 | 1 |
| SkillHub ↗ | 131 | 2,357 | 5 | — |
各平台的计数口径不同,统计时间不一致。
它涵盖对话与工作流应用、RAG、模型和工具配置、节点、API 及自托管。实施前核对平台版本、模型凭据和权限;运行代码节点或 API 前检查输入及副作用。 执行远程安装脚本前先审核,保护 API key,避免非预期敏感文件上传,并在删除前确认。
资料发布于 2026-10-29
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 2,357 | — | 5 |
| 2026-08 | 1,773 | +19.8% | 5 |
| 2026-07 | 1,480 | +21.5% | 5 |
| 2026-06 | 1,218 | +12.5% | 4 |
| 2026-05 | 1,083 | — | 3 |
| 2026-03 | 670 | — | 2 |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
--- name: dify description: Dify AI应用开发平台指南。用于构建LLM应用、工作流、Agent和知识库。当用户需要(1)使用Dify创建AI应用 (2)设计LLM工作流 (3)配置知识库RAG (4)开发AI Agent (5)调用Dify API (6)自托管部署Dify时激活此技能。 --- # Dify AI应用开发平台 Dify是开源的LLM应用开发平台,支持快速构建AI应用、工作流和Agent。 ## 核心概念
### 应用类型
- **Chat App** - 对话型应用,支持会话持久化,适合聊天机器人、客服AI
- **Workflow App** - 工作流应用,无状态执行,适合翻译、写作、摘要
- **Agent** - 智能体应用,支持工具调用和自主规划
- **Completion App** - 文本补全应用,单次请求响应
### 核心组件
- **Studio** - 应用构建工作台
- **Knowledge Base** - 知识库,支持RAG检索增强
- **Model Providers** - 模型提供商配置
- **Tools** - 工具集成
## 工作流节点
### 输入输出
- **User Input** - 用户输入,定义输入变量
- **Output** - 输出结果
### 逻辑控制
- **IF/ELSE** - 条件分支
- **Iteration** - 迭代循环
- **Parallel** - 并行执行
### 数据处理
- **Parameter Extractor** - 参数提取,用LLM从自然语言提取结构化数据
- **List Operator** - 列表操作,过滤和转换数组
- **Variable Aggregator** - 变量聚合
- **Template** - 模板渲染
### LLM节点
- **LLM** - 大语言模型调用
- **Question Classifier** - 问题分类
- **Knowledge Retrieval** - 知识检索
### 工具节点
- **HTTP Request** - HTTP请求
- **Code** - 代码执行(Python/JavaScript)
- **Tool** - 工具调用
## 快速开始
### 部署Dify (Docker)
```bash
# 克隆最新版本
git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/latest | jq -r .tag_name)" https://github.com/langgenius/dify.git
# 启动
cd dify/docker
cp .env.example .env
docker compose up -d
```
访问 `http://localhost/install` 初始化管理员账户。
### 系统要求
- CPU >= 2 Core
- RAM >= 4 GiB
- Docker 19.03+
- Docker Compose 1.28+
## API调用
### 认证
所有API请求需要在Header中携带API Key:
```
Authorization: Bearer {api_key}
```
### 执行工作流
```bash
POST /v1/workflows/run
Content-Type: application/json
{
"inputs": {
"query": "翻译这段文字..."
},
"response_mode": "blocking", # 或 "streaming"
"user": "user-123"
}
```
### 发送聊天消息
```bash
POST /v1/chat-messages
Content-Type: application/json
{
"query": "你好",
"response_mode": "streaming",
"user": "user-123",
"conversation_id": "" # 首次为空,后续传入返回的conversation_id
}
```
### 响应模式
- **blocking** - 同步等待完整响应
- **streaming** - SSE流式响应
## 知识库
### 创建知识库
1. Studio → Knowledge → Create Knowledge
2. 上传文档 (支持txt, markdown, pdf, docx, html等)
3. 选择索引模式:
- **High Quality** - 高质量索引,需要Embedding模型
- **Economy** - 经济模式,关键词检索
### 检索设置
- **Vector Search** - 向量检索
- **Full Text Search** - 全文检索
- **Hybrid Search** - 混合检索
### 在应用中使用
工作流中添加 Knowledge Retrieval 节点,选择知识库。
## 详细参考
- [API文档](references/api.md) - 完整API接口说明
- [工作流节点](references/workflow-nodes.md) - 所有节点详细配置
- [知识库配置](references/knowledge-base.md) - 知识库高级设置
- [模型配置](references/model-providers.md) - 支持的模型提供商
## 资源链接
- 官方文档: https://docs.dify.ai
- GitHub: https://github.com/langgenius/dify
- 社区: https://github.com/langgenius/dify/discussions
把开发过程中的经验、错误与纠正记录为 Markdown 文件,供后续复用并晋升为工作区记忆。
用自然语言描述需求,在本地与远程技能市场里找技能并给出推荐的技能。
给 AI agent 用的浏览器自动化命令行技能。
把用户纠正与自我复盘沉淀成分层记忆、并按使用情况升降级的技能。
在安装第三方技能之前,按清单审查来源、权限与危险模式的技能。
把 agent 的记忆与跨技能状态存成带类型和约束的知识图谱的技能。
一份为 AI 代理规划主动跟进、工作记忆与复盘流程的工作区配置指南。
指导如何创建与更新有效 Claude 技能的写作指南。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。