Dify零基础完全使用教程：拖拽搭出你的第一个AI智能体，本地部署+DeepSeek接入+每日资讯摘要Agent实战

昨天你可能还在为”接不上 AI 大模型”发愁——今天 GitHub Trending 榜首给了一个答案：Dify。这是一个完全开源、本地部署、拖拽就能搭出 AI 智能体的可视化工作台。不需要写代码，不需要懂 Python，把模型、知识库、工具、流程像搭积木一样粘起来，就能做出”输入问题自动查资料 + 调用工具 + 输出结果”的 AI 应用。

这篇文章用一个”AI 每日资讯摘要 Agent”的实战案例，从零带你跑通 Dify 整个流程。读完后，你能在自己电脑上做一个真正能用的 AI 智能体——而不是只停留在”听说 Dify 是个低代码平台”的阶段。

什么是 Dify？3句话讲清楚

Dify 是个”搭 AI 应用的可视化工作台”：不用写很多代码，拖拖拽拽就能做出能回答问题、能查资料、能调用工具的 AI 应用
它是开源的、可完全本地部署：你的数据可以不出本机，隐私绝对安全
它把 LLM 应用从原型到生产的工程链路全部收敛到一个平台：模型接入、RAG、工作流、Agent、可观测、多渠道发布——都在一个界面里完成

Dify 解决的核心问题：模型层和应用层之间，必须有一个”应用编排层”来把模型、知识、工具、流程粘合起来。2023 年 a16z 提出”可组合 AI 技术栈”的判断之后，行业共识已经清晰——Dify 正是这个层里社区最活跃的开源实现（GitHub 仓库 langgenius/dify）。

你用 Dify 能做什么？

企业知识库问答 Bot：把公司的产品手册、规章制度上传到 Dify，做一个内部员工问答助手
每日资讯摘要 Agent：自动抓取 10 个 RSS 源、调用 AI 总结、推送到微信
AI 简历筛选助手：上传 100 份简历，AI 自动按 JD 评估、生成飞书评估表
AI 短文案生成器：输入主题，AI 自动生成 5 版小红书/抖音文案
AI 客服分流：根据用户问题自动分类，转给对应的人工客服

今天这篇文章，我们要做”每日资讯摘要 Agent”——每天早上自动从几个 RSS 源抓取 AI 行业新闻，AI 自动总结成 200 字摘要，输出到指定位置。

第一步：部署 Dify（10分钟，本地 WSL 2）

Dify 部署在 Docker 上，最简单的方式是在 Windows 上用 WSL 2 跑（Mac 直接用 Docker Desktop）。

方法 A：Mac 用户（推荐）

安装 Docker Desktop：访问 docker.com/products/docker-desktop 下载 Apple Silicon 版
下载 Dify 源码：git clone https://github.com/langgenius/dify.git
进入目录：cd dify/docker
复制环境配置：cp .env.example .env
启动服务：docker compose up -d
等待 1-3 分钟，看到所有容器显示 “Up” 即启动成功

方法 B：Windows 用户（WSL 2）

在 Microsoft Store 搜索安装 Ubuntu 22.04 LTS（启用 WSL 功能后）
在 Ubuntu 中安装 Docker：sudo apt install docker.io docker-compose
下载 Dify：git clone https://github.com/langgenius/dify.git
后续步骤同 Mac

启动成功后，浏览器访问 http://localhost/install 进入初始化设置：

设置管理员邮箱和密码
进入主界面，看到”探索 / 工作室 / 知识库 / 工具”四个标签页

小贴士：

首次启动可能需要 5 分钟拉镜像，耐心等
如果 80 端口被占用，编辑 .env 把 EXPOSE_NGINX_PORT 改成 8080
建议给 Docker 至少分配 4GB 内存（在 Docker Desktop → Settings → Resources）

第二步：接入大模型（5分钟，DeepSeek 性价比首选）

Dify 默认不绑定模型，需要你接入至少一个 LLM 才能用。最推荐 DeepSeek——国产、价格便宜、中文能力强。

访问 platform.deepseek.com，注册账号、开通 API、复制 API Key
在 Dify 主界面右上角点击”头像” → “设置” → “模型供应商”
找到 DeepSeek，点击”安装”
把 API Key 粘贴到 “API Key” 字段，保存

如果想完全本地、不用联网：可以装 Ollama（ollama.com）跑本地模型，但普通笔记本建议至少 16GB 内存。

接好模型后，可以在”工作室 → 创建空白应用”中选一个 Chatbot 类型，测试一下”你好”看是否能正常回复——能回复就说明模型接通了。

第三步：搭”每日资讯摘要 Agent”工作流（15分钟）

这一步是核心。我们要做的工作流是：每天早上 9 点，从 5 个 RSS 源抓取最新 20 条新闻，调用 AI 总结成 200 字摘要，输出到指定位置。

创建工作流应用

在”工作室”页面，点击 “创建空白应用” → 选 “工作流”（Workflow）类型 → 命名”每日资讯摘要 Agent” → 创建。
添加”开始”节点

系统会自动生成 START 节点。我们配置定时触发：
- 触发方式：定时（Schedule）
- 执行时间：每天 09:00
- 输入参数：rss_urls（数组类型）、max_items（数字，默认 20）
添加”HTTP 请求”节点：抓取 RSS 内容

在 START 节点后面添加 HTTP 请求节点：
- 方法：GET
- URL：{$start.rss_urls}（用循环节点会处理每条）
- 超时：30 秒
添加”代码执行”节点：解析 XML

RSS 返回的是 XML，需要解析提取每篇文章的标题、链接、发布时间。
- 语言：Python
- 输入：xml_content（字符串）
- 代码示例（核心逻辑）：
```
import feedparser
import json
feed = feedparser.parse(xml_content)
items = [{
    "title": e.title,
    "link": e.link,
    "published": e.published
} for e in feed.entries[:20]]
return {"items": items}
```
添加”循环”节点：处理每篇文章

从解析结果中逐条处理：
- 遍历：{$parse.items}
- 循环体里添加 “LLM 节点” 调用 AI 总结

添加”LLM 节点”：AI 总结

在循环体里配置：

模型：deepseek-chat（你之前接好的）

系统提示词：

你是一个 AI 行业资讯编辑。请用中文将以下新闻标题和摘要压缩成 50-80 字的简洁摘要。
要求：1. 突出技术亮点 2. 标注对普通人的影响 3. 不超过 80 字。

用户输入：{$loop.item.title}\n{$loop.item.summary}

添加”代码节点”：合并结果

把循环生成的每条摘要合并成一段：

summary = "\n\n".join([item['summary'] for item in $loop.output])
return {"full_summary": summary}

添加”结束”节点

输出 full_summary 字段。

整个工作流的形状：START → 抓 RSS → 解析 XML → 循环处理每条 → 合并输出 → END。所有节点之间的连线都可以拖拽。

第四步：调试和发布（5分钟）

1. 测试运行：在右上角点击”运行”按钮，传入测试参数：

{
  "rss_urls": ["https://www.aibreakingwire.com/rss", "https://example.com/feed.xml"],
  "max_items": 20
}

2. 查看运行结果：每个节点会显示输入、输出、耗时，能直接看出哪里出问题。

3. 发布为 API：点击”发布” → “发布更新” → “API 访问”。Dify 会生成一个调用 URL：

POST http://localhost/v1/workflows/run
Headers: Authorization: Bearer YOUR_API_KEY
Body: {"inputs": {...}, "response_mode": "blocking"}

4. 对接定时任务：用系统 cron（Mac/Linux）或 Windows 任务计划，每天 9 点调用这个 API：

curl -X POST http://localhost/v1/workflows/run \
  -H "Authorization: Bearer app-xxxxxxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{"inputs": {"rss_urls": [...], "max_items": 20}, "response_mode": "blocking"}'

5. 推送结果到微信：在工作流末尾再加一个 HTTP 节点，调用企业微信或 Server酱的 webhook，把摘要推送到你手机上。

进阶玩法：把 Dify 接到自己的产品里

如果你有自己的网站或 App，想接入 AI 能力但不想从头开发，Dify 提供了标准 API：

// JavaScript 示例
const response = await fetch('http://your-dify/v1/chat-messages', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    inputs: {},
    query: '帮我写一份产品介绍',
    user: 'user-001',
    response_mode: 'streaming'
  })
});

可以做：

网站智能客服
App 内的 AI 助手
微信小程序里的”AI 问答”功能
Notion / 飞书 / Slack 内的 AI 命令

常见的 3 个坑和解决方法

坑 1：HTTP 节点超时

RSS 源响应慢会导致整个工作流卡住。解决方法：在 HTTP 节点设置超时 30 秒，并勾选”出错时继续”——单条失败不影响整批。

坑 2：循环节点变量引用

循环体内引用变量要用 {$loop.item.xxx} 的格式，不能直接用 {$xxx}。新手最容易在这里卡住——记住：循环里的变量都要带 loop. 前缀。

坑 3：AI 输出不稳定

同一个 prompt 多次运行可能输出格式不一样。解决方法：在提示词里明确”输出必须是 JSON 格式” + 启用 Dify 的”输出变量自动解析 JSON”功能。如果还是不稳，可以在 LLM 节点后加一个”代码节点”做兜底解析。

总结：Dify 适合谁？

Dify 适合：

想搭一个 AI 应用但不会写代码的运营/产品/业务人员
想做企业内部知识库问答的行政/HR/技术支持
想给自己或客户做 AI 客服、AI 助手的独立开发者
想搭 Agent 但不想从 0 写 LangChain 的程序员

Dify 不适合：

需要高并发（>100 QPS）的生产服务（建议直接用 Python/Node 调 API）
需要复杂的多模态工作流（Dify 的多模态节点还在完善中）
需要严格的权限控制和审计（Dify Enterprise 版才有完整功能）

如果只是想体验，开通 dify.ai 云服务（每月免费 200 次调用）就能直接用；想完全本地化、零成本，就按本文方法用 Docker 部署。

下一步可以做什么：把你公司的产品手册上传到 Dify 知识库，做一个”AI 客服 Bot”；或者把今天的这篇文章扔进 Dify，让它每天自动总结成 200 字摘要发到你的微信。试试看，你也能在半小时内做出自己的第一个 AI 智能体。