一、Dify
低代码/无代码开发：Dify通过可视化的方式允许开发者轻松定义Prompt、上下文和插件等，无需深入底层技术细节。
模块化设计：Dify采用模块化的设计，每个模块都有清晰的功能和接口，开发者可以根据需求选择性地使用这些模块来构建自己的AI应用。
丰富的功能组件：平台提供了包括AI工作流、RAG管道、Agent、模型管理等丰富功能组件，帮助开发者从原型到生产的全过程。
支持多种大语言模型：Dify已支持主流的模型，开发者能够根据自己的需求选择最适合的模型来构建AI应用。
Dify
聊天助手（Chat Assistant）：
基于LLM的对话助手，能够与用户进行自然语言交互，理解用户的问题、请求或指令，并给出相应的回答或执行相应的操作。
文本生成（Text Generation）：
专注于各种文本生成任务，如撰写故事、新闻报道、文案、诗歌等创意写作，以及文本分类、翻译等任务。
Agent（智能代理）：
这种助手不仅具备对话能力，还具备任务分解、推理、工具调用等高级能力。它能够理解复杂的指令，将任务分解为多个子任务，并调用相应的工具或API来完成这些子任务。
工作流程（Workflow）：
根据用户定义的流程编排，灵活地组织和控制LLM的工作流程。用户可以自定义一系列的操作步骤和逻辑判断，让LLM按照预定的流程执行任务。
Dify
二、Dify + RAG
如何将文档上传到Dify知识库构建RAG？将文档上传到Dify知识库的过程涉及多个步骤，从文件选择、预处理、索引模式选择到检索设置，旨在构建一个高效、智能的知识检索系统。
1. 创建知识库：Dify主导航栏中的“知识”，在此页面可以看到已有的知识库。
创建新知识库：拖放或选择要上传的文件，支持批量上传，但数量受订阅计划限制。
空知识库选项：如果尚未准备文档，可选择创建空知识库。
外部数据源：使用外部数据源（如Notion或网站同步）时，知识库类型将固定，建议为每个数据源创建单独知识库。
2. 文本预处理与清理：内容上传到知识库之后，需要进行分块和数据清洗，这个阶段可以理解为内容的预处理和结构化。
自动模式：Dify自动分割和清理内容，简化文档准备流程。
自定义模式：对于需要更精细控制的情况，可选择自定义模式进行手动调整。
3. 索引模式：根据应用场景选择合适的索引模式，如高质量模式、经济模式或问答模式。
高质量模式：利用Embedding模型将文本转换为数值向量，支持向量检索、全文检索和混合检索。
经济模式：采用离线向量引擎和关键字索引，虽然准确率有所降低，但省去了额外的 token 消耗和相关成本。
问答模式：系统会进行文本分词，并通过摘要的方式，为每段生成QA问答对。
4. 检索设置：
（1）在高质量索引模式下，Dify 提供三种检索设置：向量搜索、全文搜索、混合搜索
向量搜索：将查询向量化，计算与知识库中文本向量的距离，识别最接近的文本块。
全文搜索：基于关键字匹配进行搜索。
混合搜索：结合向量搜索和全文搜索的优势。
Rerank模型：对检索结果进行语义重排序，优化排序结果。
（2）在经济索引模式下，Dify 提供单一检索设置：倒排索引和TopK
倒排索引：一种为快速检索文档中的关键字而设计的索引结构。
TopK和分数阈值：设置检索结果的数量和相似度阈值。
三、Dify + Agent
1. 探索与集成应用模板
2. 选择推理模型
3. 编写提示与设置流程
4. 添加工具与知识库
工具集成：在“工具”（Tools）部分，用户可以添加各种内置或自定义工具，以增强代理助理的功能。这些工具可以包括互联网搜索、科学计算、图像创建等，帮助代理助理与现实世界进行更丰富的交互。
知识库：在“上下文”（Context）部分，用户可以整合知识库工具，为代理助理提供外部背景知识和信息检索能力。
5. 推理模式设置
Function Calling：对于支持该模式的模型（如GPT-3.5、GPT-4），建议使用此模式以获得更好更稳定的性能。
ReAct：对于不支持Function Calling的模型系列，Dify提供了ReAct推理框架作为替代方案，以实现类似的功能。
