你有一個想法：做一個能回答公司內部文件的 AI 助手，或一個會自己查資料、呼叫工具的 agent。用 LangChain 從零寫，你得自己接模型、刻 RAG、處理對話記錄、再包一層 API——還沒做出東西，一週先過去了。Dify 想解決的就是這段「從想法到上線」的痛。
一句話講：Dify 是一個開源的 LLM 應用開發平台，用拉積木的方式把 workflow、RAG、agent、模型管理、監控全包在一個介面裡。你在畫布上把流程拉出來、測一測，就能發佈成 API 或聊天機器人。截至 2026 年 7 月，它在 GitHub 有超過 13 萬顆星，官方稱平台上已部署超過百萬個應用、開發者破 18 萬。它也是少數「中國團隊做、全球都在用」的開源 AI 專案。
Dify 到底能做什麼
- 視覺化 Workflow：在畫布上把「使用者提問 → 檢索文件 → 呼叫模型 → 回答」這種流程拉出來，每個節點都能單獨測，不用寫膠水程式碼。
- RAG 知識庫：把 PDF、PPT、Word 丟進去自動切塊、建索引，做出「會查你文件回答」的問答。2026 年加了混合檢索（hybrid search）、重排序（reranking），檢索品質比單純切塊強不少。
- Agent 能力：用 Function Calling 或 ReAct 定義會自己呼叫工具的 agent，內建 50 幾個工具（搜尋、繪圖、計算等），2026 也支援 MCP，能接外部的 GitHub、資料庫、瀏覽器。
- Prompt IDE：同一段 prompt 丟給不同模型比效果，調到滿意再上線。
- 發佈即 API：做好的東西每一個都自帶 REST API，可以直接嵌進你原本的系統，這點是它「Backend-as-a-Service」的核心賣點。
免費自架，但授權有兩個但書
Dify 開源、可以用 Docker 大概五分鐘架在自己伺服器上，內部自用不用付錢，資料也不出門。但它用的不是純 Apache 2.0，而是「Dify Open Source License」——Apache 加了兩條限制，這兩條一定要先看清楚：
- 不能拿去當多租戶 SaaS 對外賣：你可以自架自用，但想包成一個對外收費的雲端服務，得另外談商用授權。
- 不能移除介面上的 Dify 標示：console 上的 logo 和版權要留著。
簡單說：自己團隊內部用、嵌進自家產品，沒問題；想「拿 Dify 改個皮當自己的 SaaS 賣」，會踩線。
雲端版定價（2026 年 7 月）
| 方案 | 價格 | 重點 |
|---|---|---|
| Sandbox（免費） | $0 | 200 則一次性額度、5 apps、50 份文件——只夠試玩 |
| Professional | $59／月 | 5,000 額度/月、3 成員、無 API 限流 |
| Team | $159／月 | 10,000 額度/月、50 成員 |
| Enterprise | 客製 | SOC 2、專屬支援 |
要提醒的是，Pro 跳到 Team 是價格翻 2.7 倍、額度只翻 2 倍，多付的錢主要買「成員數 3 變 50」。如果你只是個人或小團隊，自架反而更划算——但自架要自己顧資料庫和向量儲存，生產級大概每月 $100 起跳，別把「免費」想成零成本。
誰適合、誰不適合
適合：想快速做內部 AI 工具、客服 agent、文件問答知識庫，又不想從零刻程式碼的團隊；重視資料自控、願意自架的企業。它把「做一個能用的 AI 應用」從一週壓到一個下午。
不太適合：想拿它當對外 SaaS 賺錢的（授權擋著）；邏輯高度客製、要精細控制每一步的（視覺化平台總有抽象天花板，這種情況純程式碼的 LangGraph 反而更自由）。模型方面，Dify 幾乎什麼都接——GPT、Claude、Gemini、DeepSeek，本地模型走 Ollama，彈性很大。
一句話結論：如果你要「快速把 LLM 變成一個能用的內部應用」，Dify 是目前最省事的選擇之一，先用 Sandbox 或自架試一輪；但商業模式如果是對外賣服務，先把那份授權讀完再決定。
延伸閱讀：Firecrawl：把網站變成 AI 讀得懂的資料、RAGFlow：主打深度文件理解的開源 RAG 引擎、Ollama：在自己電腦本地跑 LLM、GitHub 熱門開源 AI 專案精選、n8n：串服務與自動化選它，跟 Dify 互補。
※ 本文為工具介紹與使用心得整理，資訊（功能、定價、授權）截至 2026 年 7 月，AI 工具更新極快，star 數與方案請以 Dify 官網與 GitHub 當下為準。文中不含任何投資建議。
發佈留言