dify架构

一、分层架构设计

1. ‌数据层‌

   • 包含 ‌Dataset（数据集）‌ 和 ‌Prompts（提示词）‌ 两类输入源，通过 ETL 流程进行数据清洗与结构化处理，并借助 ‌RAG Pipeline‌ 实现知识检索增强，提升模型输出的准确性‌。

2. ‌开发层‌

   • 提供 ‌Prompts IDE‌（可视化提示词编排工具）和 ‌Agent DSL‌（智能代理开发语言），支持开发者以低代码方式定义 AI 应用逻辑，例如构建多步骤任务链或集成自定义工具‌。

3. ‌编排层‌

   • ‌Orchestration Studio‌ 为核心组件，负责协调模型调用、工具链执行和流程控制，同时通过 ‌Moderation System‌（审核系统）和 ‌Cache System‌（缓存系统）保障应用稳定性和响应效率‌。

4. ‌基础层‌

   • ‌Storage‌：支持结构化数据存储（如 PostgreSQL）和非结构化数据存储（如 OSS）‌；
   • ‌LLMs‌：集成多厂商大语言模型（如 OpenAI、Claude3），支持动态模型路由和统一接口调用‌。

---

二、模块化设计

• ‌前端架构‌：基于 Web 目录实现用户界面，包含可视化编排工具和运营监控面板‌；
• ‌后端架构‌：通过 API 目录封装核心业务逻辑，包括数据集管理、模型调度、权限控制等模块，SDKs 目录提供多语言开发工具包‌；
• ‌扩展性‌：支持插件化扩展工具链（如代码解释器、数据爬虫），并通过 Function Calling 模式实现自动化操作‌。

---

三、核心技术栈

• ‌RAG 引擎‌：结合向量数据库实现高效语义检索，支持多模态数据处理‌；
• ‌Agent 框架‌：支持任务分解与多代理协同，需手动配置工具调用顺序和 Prompt 逻辑（如金融分析场景中的数据处理→可视化→报告生成流程）‌；
• ‌LLMOps 工具‌：内置模型监控、版本管理和 A/B 测试能力，支持应用持续优化‌。