行业落地分享：Dify在顺丰内部AI Agent落地

Dify 是一个开源的大语言模型（LLM）应用开发平台，融合了后端即服务（Backend as a Service, BaaS）和 LLMOps 的理念，旨在帮助开发者快速构建和部署生成式 AI 应用。

Dify核心功能

• 低代码/无代码开发：提供可视化界面，允许开发者通过拖拽、配置等方式定义 Prompt（提示词）、上下文和插件，无需深入底层技术细节。
• 模块化设计：采用模块化架构，开发者可以根据需求选择性地使用不同模块来构建 AI 应用。
• 丰富的功能组件：
• AI 工作流：通过可视化画布构建和测试强大的 AI 工作流。
• RAG 管道：支持从文档摄入到检索的完整流程，可从 PDF、PPT 等常见格式中提取文本。
• Agent 智能体：基于 LLM 的推理能力，可以自主规划任务、调用工具，完成复杂任务。
• 模型管理：支持数百种专有和开源的 LLM，如 GPT、Llama2 等，并提供模型性能比较功能。
• 支持多种大语言模型：Dify 已支持主流的模型供应商，如 OpenAI 的 GPT 系列、Claude3 等。
• 数据集管理：提供强大的数据集管理功能，允许用户上传、管理文本和结构化数据。

Dify 现存缺点

任何技术产品都不可能完美无缺，Dify也不例外。深入了解其局限性，有助于我们在使用过程中更好地权衡利弊，充分发挥其优势，同时规避潜在问题。

改造 Dify 开发平台

新增MySQL配置项

1. 新增MySQL配置项在Dify的配置文件中，我们新增了MySQL的配置选项，允许用户指定MySQL数据库的连接信息，包括主机地址、端口、用户名、密码以及数据库名称。这为用户提供了更多选择，使其可以根据自身需求灵活选择数据库类型。
2. 修改数据库和表结构由于PostgreSQL和MySQL在语法和数据类型上存在差异，我们需要对Dify的数据库表结构进行适配性修改。这包括调整字段类型、索引定义以及约束条件等，以确保在MySQL环境下能够正常运行。
3. SQL语句的适配与修改Dify在运行过程中会执行大量的SQL语句，用于数据的增、删、改、查操作。为了兼容MySQL，我们对这些SQL语句进行了逐一审查和修改，确保它们能够在MySQL中正确执行。这一过程需要仔细处理，以避免因语法差异导致的运行错误。

检索增强

• 为Dify新增了对Elasticsearch 8的支持，使其能够充分利用Elasticsearch强大的全文检索、聚合分析以及实时数据处理能力。
• 引入了Contextual Retrieval（上下文检索）功能。通过这一功能，Dify能够在检索时充分考虑查询的上下文背景，从而返回更加符合用户意图的结果。
• 新增了对GraphRAG（图增强检索）和LightRAG（轻量级检索）的支持。这两种检索方式各有优势，能够为开发者提供更多选择。

集成内部服务

落地软件机器人 Agent 场景

Dify作为一个强大的AI开发平台，不仅在开发效率上表现出色，更在数据处理、智能问答、业务流程自动化以及SQL生成等场景中展现了强大的能力。

Dify 实践总结

在未使用Dify平台之前，顺丰的开发流程面临着诸多挑战。开发应用前后端、集成和封装LLM能力需要花费大量时间，尤其是开发前端应用时，往往需要从零开始搭建。然而，引入Dify平台后，开发效率得到了显著提升。