Dify: установка и создание AI-приложений

Dify AI — это open-source платформа для разработки LLM-приложений с визуальным конструктором. Собрать чат-бота с RAG-поиском по документам компании, настроить многошаговый workflow с ветвлениями, запустить AI-агента с внешними инструментами и опубликовать готовый сервис — всё это делается через браузер, без написания тонны кода. На GitHub у проекта 146 000+ звёзд, а в марте 2026 команда привлекла $30 млн инвестиций под enterprise-сценарии.

Архитектура платформы

Dify построен по модульной схеме: каждый компонент можно заменить или настроить независимо. В основе лежат четыре ключевых блока: Workflow Builder (визуальный редактор сценариев), Prompt IDE (среда для экспериментов с промптами), Agent Engine (исполнение агентов через function calling или ReAct) и RAG Pipeline (полный цикл работы с документами — от загрузки и чанкинга до эмбеддинга и поиска).

Данные приложений хранятся в PostgreSQL, векторные индексы — в Weaviate, Qdrant или Milvus на выбор. LLM-провайдеры подключаются через единый интерфейс: GPT, Claude, Llama, Mistral и любые OpenAI-совместимые модели (включая Ollama для локального инференса).

Главная особенность Dify — low-code подход. Разработчик или даже бизнес-пользователь собирает логику приложения из готовых нод на холсте: Input, LLM, Knowledge Retrieval, HTTP Request, Code, Condition, Iteration. Официальная документация содержит полный список нод и примеры для каждого сценария.

Установка на VPS через Docker

Dify распространяется как Docker Compose-стек. Минимальные требования: 2 CPU, 4 ГБ RAM. Для продакшена лучше 4 CPU и 8 ГБ RAM, особенно если планируете RAG c большими объёмами документов.

Установка сводится к четырём командам:

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

После запуска 11 контейнеров (PostgreSQL, Redis, Weaviate, API, Worker, Web и прочие) откройте браузер по адресу http://your-server/install и пройдите мастер первичной настройки: укажите администратора, подключите LLM-провайдера и выберите векторную БД.

Из коробки Dify поддерживает PostgreSQL + Weaviate. Если предпочитаете Qdrant или Milvus — достаточно изменить переменные окружения в .env и перезапустить стек. Полный список переменных описан в документации.

В марте 2026 актуальная стабильная ветка — релиз 1.14.x Community Edition. Enterprise-версия добавляет SSO, аудит, брендирование и кастомные роли. Для маленьких команд Community Edition более чем достаточно.

Первое приложение: RAG-ассистент по документам

Самый частый сценарий внедрения Dify в бизнесе — чат-бот по внутренним документам компании. Вот как это выглядит на практике.

В дашборде Dify вы создаёте новое Knowledge (базу знаний), загружаете PDF, DOCX или TXT-файлы — регламенты, инструкции, прайс-листы, FAQ. Система автоматически разбивает документы на чанки (размер настраивается), генерирует эмбеддинги выбранной моделью и индексирует их в векторной базе. Можно загрузить до 100 файлов в одну базу знаний.

Дальше создаёте приложение типа Chat, подключаете созданное Knowledge и выбираете режим поиска: Q&A (точные ответы по чанкам) или Hybrid (комбинация полнотекстового и векторного поиска). Dify поддерживает реранжировку результатов (Rerank) для повышения точности — в документации описаны все тонкости настройки retrieval.

Результат — ассистент, который отвечает на вопросы сотрудников или клиентов на основе актуальных документов компании. Без галлюцинаций, без ручного поиска по папкам. По данным исследователей из Nikta.AI, RAG-системы на базе open-source инструментов показывают точность до 74% при правильной настройке чанкинга и ретривера.

Workflow и Chatflow: визуальная логика

Второй по популярности сценарий — построение многошаговых сценариев на визуальном холсте. Dify предлагает два типа редакторов: Chatflow (для диалоговых сценариев) и Workflow (для пакетной обработки данных).

Разница простая: Chatflow работает в режиме диалога — пользователь отправляет сообщение, проходит через цепочку нод, получает ответ. Workflow запускается однократно: на входе — пакет данных, на выходе — обработанный результат. Например, Chatflow подходит для ассистента поддержки, который задаёт уточняющие вопросы, а Workflow — для автоматической обработки входящих заявок: прочитал email, классифицировал, занёс в CRM, отправил уведомление.

Библиотека нод включает более 20 типов: LLM (с кастомным промптом), Knowledge Retrieval, HTTP Request, Code (Python/JS), Condition (ветвление), Iteration (цикл), Template (шаблонизация), Variable Aggregation, Parameter Extraction и другие. Ноды соединяются перетаскиванием — получается граф, который Dify выполняет в правильном порядке.

Продвинутая возможность — вложенные workflow. Можно вынести обработку документа в отдельный workflow и вызывать его из основного как подпроцесс. Это сильно упрощает поддержку: поменяли логику обработки PDF — обновили один вложенный workflow, а не пересобирали пять разных сценариев.

Мониторинг выполнения встроен прямо в платформу: каждое выполнение workflow записывается с детальной трассировкой — сколько времени заняла каждая нода, какие данные прошли по edges, где произошла ошибка. Документация по Workflow содержит примеры готовых сценариев для маркетинга, продаж и поддержки.

AI-агенты с инструментами

Отдельный тип приложений в Dify — Agent. Это не просто чат-бот, а автономный агент, который сам решает, какие инструменты вызвать для ответа пользователю. Dify поддерживает два режима: Function Calling (если модель его поддерживает) и ReAct (для моделей без function calling).

Из коробки доступно 50+ встроенных инструментов: Google Search, DALL-E, Stable Diffusion, WolframAlpha, GitHub, Notion, Slack, Gmail, YouTube, Wikipedia. Если стандартных недостаточно — можно подключить кастомный инструмент через OpenAPI-спецификацию (Swagger). Это значит, что любой REST API за минуту превращается в инструмент для агента.

В контексте одного агента можно скомбинировать Knowledge (база знаний по документам) + инструменты (поиск в интернете, вызов внешнего API) + промпт с инструкциями. Агент сам решает, когда обратиться к базе знаний, а когда вызвать инструмент.

Например: агент для отдела продаж получает вопрос от клиента, ищет ответ в базе знаний (прайсы, условия), проверяет актуальность курса валют через HTTP API, генерирует коммерческое предложение через LLM и отправляет его на почту — всё в одном диалоге. Без программиста, без написания кода.

Интеграция через API и MCP

Любое приложение, собранное в Dify, автоматически получает REST API. Dify генерирует эндпоинты с ключами доступа — можно интегрировать готового ассистента в Telegram-бота, CRM, сайт или мобильное приложение. API полностью совместим со стандартным OpenAI-форматом: если ваша система умеет вызывать ChatGPT API, она сможет вызвать Dify API.

С версии 0.14+ Dify также поддерживает экспорт сценария как MCP-сервера. Model Context Protocol от Anthropic — это открытый стандарт для подключения AI-агентов к внешним данным и инструментам. В контексте Dify это значит, что ваш workflow или агент может выступать как MCP-сервер для Cursor, Claude Desktop или другого MCP-клиента.

На практике это выглядит так: настроили workflow «Проверка контракта по регламентам компании», опубликовали как MCP-сервер, подключили к Cursor — и теперь AI-помощник в редакторе кода может проверять контракты на соответствие внутренним правилам, вызывая ваш Dify-workflow как внешний инструмент.

Dify vs CrewAI и n8n

Когда выбираешь платформу для AI-приложений, неизбежно сравниваешь Dify с CrewAI и n8n. Это три разных подхода, и выбор зависит от задачи.

CrewAI — это фреймворк для оркестрации multi-agent систем. Вы пишете на Python: определяете роли агентов, задачи, инструменты. CrewAI даёт максимальную гибкость — строите любую топологию агентов с любыми взаимодействиями. Но за гибкость платите кодом: без программиста не обойтись. Dify, напротив, рассчитан на low-code сценарии. CrewAI хорош для сложных исследовательских задач, Dify — для быстрых продуктовых решений.

n8n — это general-purpose workflow automation. Он умеет подключать AI-ноды, но не специализируется на них. n8n силён в интеграциях (400+ коннекторов к SaaS-сервисам), но его AI-возможности — надстройка над основным функционалом. Dify заточен под AI сценарии: RAG, промпт-инжиниринг, LLM-вызовы, агенты. Если вам нужно прокинуть данные из CRM в бухгалтерию — n8n. Если построить AI-ассистента по документам — Dify.

Есть и третий сценарий: использовать обе платформы вместе. n8n принимает заявку, обогащает данные, вызывает Dify API для AI-аналитики и отправляет результат обратно в CRM. Такой подход описан в обзоре AI-инструментов 2026 как наиболее зрелый для продакшена.

Характеристика	Dify	CrewAI	n8n
Подход	Low-code / No-code	Код (Python)	Low-code
AI-специализация	Полная (RAG, агенты, LLM)	Только multi-agent	Надстройка
Гибкость	Средняя (готовые ноды)	Максимальная (произвольный код)	Высокая (400+ интеграций)
Порог входа	Низкий	Высокий (нужен Python)	Средний
RAG из коробки	Да	Требует интеграции	Требует интеграции
MCP	Да (экспорт)	Через библиотеки	Через Community Nodes

Коротко

Dify — этоlow-code платформа, которая закрывает основные сценарии AI-автоматизации: чат-бот по документам, многошаговые сценарии обработки данных, AI-агенты с внешними инструментами. Установка на VPS занимает 5 минут через Docker Compose, а первый работающий прототип можно собрать за вечер.

Главные преимущества, которые стоит запомнить:

Для бизнеса: RAG-ассистент по документам компании без программиста. Загрузили PDF — получили чат-бота, который отвечает на вопросы на основе этих документов. Без галлюцинаций, без дообучения модели.

Для разработчика: визуальный workflow, который можно опубликовать как API или MCP-сервер. Быстрый прототип, который потом заменяют продакшен-кодом или оставляют как есть — Dify держит нагрузку на уровне тысяч запросов в день.

Для интегратора: единый интерфейс для подключения любых LLM-провайдеров — от Claude и GPT до Ollama на собственном сервере. Плюс совместимость с OpenAI API делает интеграцию тривиальной.

Если у вас есть задача — построить AI-ассистента для поддержки, обработки документов или автоматизации внутренних процессов — начните с Dify. Бесплатная Community Edition даёт полный функционал. Когда упрётесь в лимиты — Enterprise-версия решает вопросы безопасности и масштабирования.