之前免费出圈 Coze 开始收费了，总结来看：
- API 只有 100 次免费额度；
- 除了在 coze 主页使用，其他外部平台如：微信公众号/抖音，只有 100 次免费额度
- 不能使用火山引擎的方舟大模型中的免费额度；
有没有类似 Coze 的开源项目？
目前有两个 Coze 的开源平替，同样支持智能体搭建：FastGPT 和 Dify。
就目前的体验来看，二者各有优劣：
- FastGPT：在知识库召回上更优；
- Dify：支持的AI大模型更为丰富，插件生态更完善。
关于 FastGPT，可以看之前的教程：FastGPT：给 GPT 插上知识库的翅膀！0基础搭建本地私有知识库，有手就行。
今日分享，将手把手带大家私有化部署体验 Dify，并把它接入个人微信。
1. Dify 简介
在线体验：https://dify.ai/
Dify 是 Do it for you （为你而做）的简称。
和 Coze 非常类似，Dify 也内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，以及一套易用的界面和 API。
如果你用过 Coze 搭建智能体，那么迁移到 Dify 会非常丝滑。
如果你没用过 Coze，那么可以前往上面的在线体验地址，先去点点看~
如果不想自己部署，官方地址也提供了一定的免费额度，不过只支持上传 50 个文档，且支持 RAG 的向量空间也只有 5 MB。
如果不想付费，且对自己的私有数据安全有更高要求，那么强烈建议你本地私有化部署，参考下面步骤，相信你也能搞定！
2. Dify 私有化部署
参考文档：https://docs.dify.ai/v/zh-hans/getting-started/install-self-hosted/docker-compose
首先，克隆 Dify 源代码至本地，然后进入 docker 目录，复制一份环境变量，采用默认端口，一键启动：
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d
启动成功后，你会发现共有 9 个容器：包括 3 个业务服务 api / worker / web，以及 6 个基础组件 weaviate / db / redis / nginx / ssrf_proxy / sandbox。
内存占用共计 1690 M，所以至少确保有一台 2G 内存的机器。
因为项目中启动了一个容器 nginx 将 web 服务转发到 80 端口，所以在浏览器中，直接输入公网 IP 即可，设置一下管理员的账号密码，进入应用主界面。
3. 接入大模型
整个界面非常简单，先不管能干啥，我们先把大模型接入进来。
怎么接入？
不得不说，Dify 把这么重要的需求设置的实在太隐秘了，着实折腾了一段时间才找到👇
在
设置
里找到
模型供应商
，这里已经支持了上百款模型，我这里主要先接入了三款有免费额度的。
其中：
- SiliconFlow 提供了大量免费的 LLM API，即便是需要付费的模型，新注册用户也有 2000W Token 的体验额度。可前往注册&体验地址 领取。
- 火山引擎的方舟大模型也提供了一定的免费额度，怎么接入？
在火山方舟控制台找到：在线推理-创建推理接入点，就可以拿到接入点名称。
如果你打算采用本地部署的大模型，Dify 也提供了对 Ollama 的支持：
不了解 Ollama 的小伙伴，可以回看教程：本地部署大模型？Ollama 部署和实战，看这篇就够了
如果你有用过 OneAPI 管理过各种大模型，Dify 也提供了对 OpenAI-API-compatible 的支持：
不了解 OneAPI 的小伙伴，可以回看教程：OneAPI-接口管理和分发神器：所有大模型一键封装成OpenAI协议
4. 创建工作流
回到主页，点击
创建空白应用
，这里的聊天助手和文本生成应用，是功能最为单一的 LLM 应用，都不支持工具和知识库的接入。
Agent 和 工作流有什么区别？
- Agent：智能体，基于大语言模型的推理能力，可以自主选择工具来完成任务，相对简单。
- 工作流：以工作流的形式编排 LLM 应用，提供更多的定制化能力，适合有经验的用户。
通常，我们需要 Agent 和 工作流配合使用，Agent 负责对话理解，Workflow 处理具体的定制功能。
今天，我们就把上一篇在 coze 做的微信消息转发插件迁移过来，给大家展示一下工作流的搭建方式。看看 Dify 能否完成同样的功能。
先创建一个工作流，进来后，在
开始
中添加后面添加添加两个参数：好友昵称 和 消息内容：
然后在
开始
后面添加一个 Http 请求：
在 Http 请求中填入相关信息：url 就是上篇中搭建的机器人的
发送消息的API
，body 内容参考请求体参数填写，如下图所示。
注意，上述填写 json 结构体时，一定要将变量加双引号，否则后面测试不通。
最后，创建一个结束流程，把 http 请求接口的结果进行返回。
创建成功后，点击
运行
测试一下：
运行
测试没问题后，你需要将它发布为一个工具（类似 coze 中的插件），才能供后面的 Agent 调用。
注意：这里的工具调用名称，是后续给大模型调用的，工具描述需要写清楚。
5. 创建 Agent 应用
工具发布以后，回到首页，在工具 tab 页的工作流中可以看到：
接下来，我们来创建一个 Agent 应用，来调用该工具：
可以先设置一下角色提示词：
你作为一个聊天机器人，能够深刻理解对话内容背后的意图。可以使用wechat_msg工具，给对方的微信号发送答复。
然后，在下方的工具处，把我们刚发布的工具添加进来：
最后，如果指令任务执行的不够好，右上角选择切换一个大模型：
在右侧的
预览与调试
区域，测试一下吧~
测试案例一：
让它给我的
大号
微信讲一句土味情话，可以看到成功调用了刚刚添加的工具！
还能干点啥？
测试案例二：
比如查询天气，那就添加天气相关的工具，Dify 中内置了两款插件。
OpenWeather
这个工具申请 API Key 后需要等大约 1h 后才能生效。这里选择高德的天气插件，给大家演示。
首先采用的是豆包大模型，需要调用两个工具的任务，居然就掉链子了，得再次强调一次任务才能发送成功！
所以，指令遵循是否完美，和选用的大模型有很大关系，
Doubao-pro-128k
就需要发两次消息，换用
gpt-4
后就一次搞定了!
来微信看看，成功发送！👇
完美实现类似昨天 coze 的功能!
写在最后
作为 Coze 的开源平替，Dify 也是一个非常强大的智能体开发和搭建平台，
今天通过搭建一个简单的工作流和 Agent 的具体实操，带着大家熟悉了 Dify 的本地部署体验，成功实现了微信 AI 消息转发。
关于 Dify，还有诸如
知识库
、
API 调用
等更丰富的功能，后续再跟大家分享~
如果本文对你有帮助，不妨点个免费的赞和收藏备用。
版权归原作者 AI码上来 所有， 如有侵权，请联系我们删除。