Dify 接入

Documentation Index

Fetch the complete documentation index at: https://api.xcompute.us/llms.txt

Use this file to discover all available pages before exploring further.

1. 聊天应用
2. 知识库问答
3. Agent 工作流
4. API 化的 AI 服务

​

这篇文章适合谁

1. 搭一个企业内部可视化 AI 平台
2. 做知识库问答
3. 做工作流或 Agent 应用
4. 让非研发人员也能参与 AI 应用搭建

​

你最终会得到什么

1. 一个能正常登录的 Dify 平台
2. 一个已经接到 Xcompute 的模型提供商
3. 一个最基础的测试应用
4. 后续继续做知识库、Workflow、Agent 的基础环境

​

官方安装方式

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

http://localhost/install

​

安装前先准备什么

1. 一台能运行 Docker 的机器
2. 至少 2 核 CPU 和 4GB 内存
3. 一把 Xcompute API Key
4. 能访问 Web 管理界面的浏览器

​

接入 Xcompute

1. 打开 Settings -> Model Providers
2. 选择支持 OpenAI 兼容的提供商类型
3. 填入 API Key 和自定义 Base URL

• Base URL: https://xcompute.us/v1
• API Key: 你的 Xcompute API Key

​

第一步：先部署 Dify

1. 能打开 http://localhost/install
2. 能创建管理员账号
3. 能进入后台首页

​

推荐配置顺序

​

第二步：最适合非技术用户的操作顺序

1. 先部署 Dify
2. 先接 Xcompute 模型
3. 先建一个最简单的 Chat 应用
4. 先验证它能回复
5. 再去做知识库或复杂工作流

​

配图参考

​

第三步：创建第一个测试应用

1. 新建应用
2. 选择 Chat 类型
3. 绑定你刚配置好的模型
4. 发一条测试消息

​

第四步：再往上叠能力

1. 知识库导入
2. Workflow 编排
3. Agent 应用
4. API 对外调用

​

常见问题

​

为什么我不建议一上来就做复杂 Workflow

​

怎么判断是 Dify 问题还是 Xcompute 问题？

1. 先去 API 参考页看请求格式
2. 再到 Dify 里做最简单的 Chat 应用
3. 如果最简单的都不通，就先查模型提供商配置

​

什么时候适合用 Dify

1. 你要做可视化 AI 应用后台
2. 你要做知识库问答或 Agent 工作流
3. 你希望业务团队也能参与配置，而不是完全靠代码

​

官方参考

1. Dify self-hosted install
2. Dify model providers
3. Dify OpenAI-compatible provider configuration