产品简介
self-dify 是一个Dify大模型应用开发全流程指南，从Docker安装到本地部署Dify，学习构建如猜病例、面试宝典等特色AI应用。适合AI开发者、产品经理、学生及爱好者，系统掌握从提示词设计到高阶任务编排的技能。
核心功能
- 一站式环境搭建：指导Docker安装与Dify本地部署
- 多种AI应用实战：包括猜病例、甜蜜哄人、新生入学指南等
- 系统技能学习：从提示词设计到工作流、知识库、DeepResearch等高阶任务
- 跨平台支持：兼容Windows、macOS和Linux系统
- 学习路线清晰：提供从零基础到进阶的完整学习路径
快速开始
- 安装Docker：根据操作系统下载并安装Docker桌面版
- 部署Dify：使用Docker Compose启动Dify本地服务
- 配置模型：准备并设置LLM API Key或本地部署Ollama
- 开始学习：按照教程目录，从“Dify本地部署”逐步实践
界面预览
与其他方案对比
| 对比项 | 本工具 | 同类商业软件 | 在线服务 |
|---|---|---|---|
| 费用 | 开源免费 | 通常收费或含广告 | 可能有订阅或上传限制 |
| 隐私 | 本地运行，数据自持 | 依赖厂商政策 | 需上传数据到服务器 |
| 可定制性 | 源码开放，社区活跃 | 受限于官方功能 | 功能固定 |
适合谁用
- 希望系统学习AI应用开发的初学者和开发者
- 需要快速构建AI助手原型的产品经理
- 对大模型应用感兴趣的在校学生
- 探索AI自动化技术的自学者
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/datawhalechina/self-dify