铃阅
❌

阅读视图

Dify 企业版通过红帽 OpenShift 认证,进一步完善企业级 AI 部署能力

Dify 2026-10-23 19:19 江苏

从镜像安全、权限隔离到标准化部署、可观测性与弹性运维,让 AI 应用更快上线,也能长期稳定运行。

近日,Dify 企业版正式通过红帽 OpenShift 容器平台认证,并上架红帽生态系统目录,为已采用 OpenShift 的企业提供了一条更加标准化的 AI 应用部署路径。

过去几年,AI 应用开发的门槛正在逐渐降低。企业可以借助 Dify 编排 Agentic Workflow、接入企业知识库、灵活接入多种主流大模型,加快 AI 应用从原型验证到业务上线的进程。

随着 AI 应用进入生产环境,企业对平台的要求也从构建效率延伸至持续运营:如何满足安全与合规要求,如何管理跨部门的权限与资源隔离,以及如何定位和排查运行中的性能瓶颈,这些因素都会直接影响 AI 应用能否长期稳定运行,并持续为业务创造价值。

对于拥有成熟 IT 体系的大中型企业而言,将 AI 应用纳入既有的运维与治理体系,是推动 AI 规模化落地的重要一步。

AI 应用进入生产环境后,基础设施同样重要

在早期试点阶段,企业通常更关注 AI 应用能否解决具体问题。例如,能不能通过知识库回答内部问题、自动处理文档,或者将多个业务系统串联起来。

随着这些应用逐渐投入日常使用,团队需要考虑的事情也会发生变化。

安全与合规

金融、制造、政务等行业通常有明确的软件供应链管理要求,包括容器镜像来源、漏洞修复机制、运行权限等。即使应用本身已经完成开发,如果部署环境无法满足内部安全规范,仍然可能无法通过生产上线审批。

资源与权限管理

当多个部门开始使用同一套 AI 平台,企业需要管理的不只是应用访问权限,还包括不同工作负载之间的资源隔离、容器运行权限,以及对底层基础设施的访问控制。

监控与故障排查

例如,某个 AI 应用的响应时间突然增加,问题可能来自模型服务,也可能来自应用组件或集群资源。如果缺少统一的监控和日志体系,排查就需要在不同系统之间反复切换。

这些需求并不是 AI 应用独有的,但随着 AI 逐渐进入核心业务流程,它们也成为企业 AI 平台必须考虑的一部分。

Dify 企业版

正式通过红帽 OpenShift 容器平台认证

Dify 企业版现正式通过红帽 OpenShift 容器平台认证,相关认证信息现已发布在红帽生态系统目录。本次认证涉及 Dify 企业版的 12 个核心组件,主要包括:

  • 企业级基础镜像: 相关组件基于红帽 Universal Base Image 9(UBI9)构建。

  • 容器认证: 12 个组件均获得红帽 Grade A 评级。

  • 标准化部署: 支持通过 Helm Chart 在 OpenShift 集群中部署 Dify 企业版。

  • 运行安全: 部署后的容器可在 OpenShift Security Context Constraints(SCC)安全策略约束下运行。

对于已经使用 OpenShift 的企业而言,这意味着 Dify 企业版可以更好地融入现有的容器基础设施和运维体系,而不必为 AI 应用单独建立一套完全不同的部署环境。

企业可以继续使用熟悉的集群管理、安全策略和监控工具,同时通过 Dify 构建、发布和管理 AI 应用。

查看红帽官方认证信息:

https://catalog.redhat.com/en/software/container-stacks/detail/69fc3bfc14f7cd2916ffd595

从部署到运维,这次认证带来了哪些变化?

供应链安全:基于红帽 UBI9 构建

Dify 企业版的相关容器组件基于红帽 UBI9 构建。

UBI9 是红帽提供的企业级基础镜像,能够帮助企业采用统一的基础镜像标准,并结合红帽的安全公告与漏洞修复机制管理底层依赖。

对企业来说,这意味着每个运行在 OpenShift 上的 Dify 组件,都有可追溯的镜像来源和补丁机制。对金融、政务等行业,这一点直接关系到软件供应链安全和合规审计。

纵深隔离:平台级和业务级共同保障

OpenShift 的 SCC 是比 Kubernetes 原生 PSA 更严格的安全策略机制,用来控制容器的权限边界。

Dify 的 Pod 在 SCC 策略约束下运行,再结合 Namespace 隔离和 Dify 自身的多租户机制,可以同时从基础设施层和应用层做隔离。多部门共用一套 AI 平台时,数据和权限边界会更清晰。

一键部署:用 Helm Chart 标准化交付

Dify 企业版提供标准化 Helm Chart。企业可以用一条命令在 OpenShift 集群上拉起完整的 AI 应用开发平台,不需要逐一适配组件,也不需要手动处理依赖,明显缩短部署周期。

可观测性:结合应用追踪与基础设施监控

Dify 内置 Collector 组件,可输出 OpenTelemetry 协议,并接入 OpenShift 监控栈。这样一来,企业可以同时查看 AI 应用层指标和基础设施层指标。

弹性运维:自动扩缩和故障自愈

Dify 采用无状态微服务架构,可适配 OpenShift HPA 弹性伸缩和 Operator 自动化运维机制。当业务流量上升时,平台可以按策略扩容;当组件异常时,也能利用 OpenShift 的机制进行恢复。

企业实践

在现有基础设施上部署 AI 应用

某全球领先半导体企业已将 Dify 企业版部署在红帽 OpenShift AI 之上,并在底层接入其自研大语言模型。

在这套架构中:

  • 应用层由 Dify 企业版统一编排信息检索、虚拟助手和内容生成等场景

  • 底座层由红帽OpenShift AI 提供安全运行环境

  • 模型层使用企业内部自研大模型,让关键 AI 能力留在内部环境中

目前,该平台已覆盖数十个研发中心,支持 10+ 种语言,供数万名员工共同使用。

哪些企业适合评估这套方案

对于具备以下需求的企业,可以考虑将 Dify 企业版与 OpenShift 的组合纳入技术选型与部署方案评估:

  • 已经使用或计划使用 OpenShift 作为容器平台

  • 需要在私有化环境中运行 AI 应用

  • 对安全合规有明确要求,例如金融、政务、医药、制造等行业

  • 多个部门共用同一套 AI 平台,需要严格的数据和权限隔离

  • AI 应用已经从 PoC 进入生产,需要更稳定的运行环境

结语

Dify 解决的是 AI 应用如何更快构建的问题。

OpenShift 解决的是这些应用如何在生产环境中安全、稳定运行的问题。

两者结合后,企业可以在同一套体系里完成 AI 应用开发、部署、观测和运维。对于已经把 AI 应用推向生产的企业来说,这不是锦上添花,而是上线前必须认真处理的基础问题。

活动预告

Red Hat Summit 上海站

想进一步了解 Dify 如何与红帽 OpenShift 协同,帮助企业构建和部署 AI 应用?

欢迎10 月 30 日来到 Red Hat Summit 上海站,在AI 生态展区 6 号展台找到我们!期待与你面对面交流,聊聊 AI Agent、企业级部署,以及更多实际应用场景。

上海见!

了解更多

Red Hat Ecosystem Catalog|查看 Dify 企业版信息

https://catalog.redhat.com/en/software/container-stacks/detail/69fc3bfc14f7cd2916ffd595

Dify 企业版|了解企业版部署方案
https://enterprise-docs.dify.ai/zh/3.9.x/deploy/checklist

Dify GitHub|探索开源项目
https://github.com/langgenius/dify

跳转微信打开

  •  

看见灵感,听见回音:Dify Marketplace 让创作彼此连接

原创 Dify 2026-09-24 18:53 云南

Marketplace 新增精选推荐位,并推出点赞、星级评分与文字反馈,让每一个好想法在交流与反馈中持续完善。

全新 Dify Marketplace 让每一次作品发现和用户反馈紧密相连:通过精选展示位,你可以更轻松地探索优质作品与最新动态;同时,你也可以给插件和模板留下点赞、评分和文字反馈,让创作者清晰地了解自己作品的反馈与价值。

自创作者中心与模板市场上线以来,Dify Marketplace 已成为无数 Dify 应用诞生的起点。

1,000+

汇聚活跃插件

300+

开箱即用模板

你可以根据任务需要选择各类前沿模型,例如调用 DeepSeek 处理内容生成与复杂推理任务,或使用通义千问实现多模态内容处理。对于文档问答、PPT 制作等常见场景,还可以直接复用已有模板,再根据实际需求对流程进行调整和定制。

回顾创作者中心与模板市场的上线故事

探索 Dify Marketplace 现已收录的丰富资源:

https://marketplace.dify.ai/

随着 Marketplace 生态的蓬勃发展,这里不仅汇集了丰富的插件与模板,更碰撞出无限的创新灵感。

当一个优质插件或模板获得更高曝光,就会有更多用户看见它的价值,进而在全新的应用场景中,获得更长的生命周期,催生出更多宝贵的使用体验。这正是 Marketplace 存在的意义:让能解决实际问题的作品脱颖而出,也让创作者听到来自真实用户的声音。

为此,我们进一步优化了 Marketplace 的入口和使用体验。精选展示位让优质作品与最新动态一目了然,反馈功能则让每一次使用背后的真实体验都能直达创作者。

你的反馈,值得被听见

一个插件,也许正为你的工作流接入实时信息

一个模板,或许刚好为团队搭建好核心的架构

当别人的作品真正融入了自己的工作流后,你关注的便不再只是“它能不能用”;你会开始注意到,哪一个步骤帮你省去了繁琐的重复,哪里的体验还需要更贴合的微调,又是哪里的设计让你感受到了无声的默契。

如今,你可以将这些反馈直接传递给创作者。登录 Dify Marketplace 后,你可以在插件或模板详情页留下这些详细的体验感受。

登录后,可在插件或模板详情页点赞、评分或留下文字反馈:

插件:

https://marketplace.dify.ai/plugins

模板:

https://marketplace.dify.ai/templates

反馈可以很简单,也可以很具体。有时,一个红心就足以表达认可;有时,一个评分就能传递最直观的使用感受;而当某个细节至关重要时,一段文字能清晰还原它在真实工作流中的优势与卡点,帮助创作者指明下一步改进的方向。

无论你选择分享多少,你的每一次反馈,都让创作者真切地看到:他们的作品如何进入真实的使用场景,又如何在一次次使用中产生新的价值。

你的作品,值得被看见

作品发布后,插件和模板可能被应用到超出最初设想的场景中。一个插件可能成为更大应用中的一环,一个模板也可能被用于不同的工作流。

创作者中心会汇总你收到的所有反馈。每一份反馈都能精准触达对应的作品,让你了解每一条评价背后的使用体验,也能以多维视角审视自己所有创作的影响力。

前往创作者中心,查收你的作品反馈:

https://creators.dify.ai/

一条留言,可以启发新的用法;几句相似的建议,提示你某个值得深入打磨的细节;一句简短的感谢,也让你真切感受到,自己的作品切实地帮助到了他人。

这些回应,呈现了作品在真实使用中的表现,也让你更清楚哪些地方值得保留,哪些细节还可以继续打磨。

精选作品,触手可及

除了作品反馈,Marketplace 顶部还新增了精选展示位,集中呈现插件、模板、Dify 最新动态、活动和合作伙伴项目。

从进入页面的那一刻起,这些精选展示位就会为你指引更清晰的方向,帮你找到应用所需的功能、想要参与的活动,或是值得关注的合作机会。

对插件开发者和合作伙伴来说,展示位也提供了一个呈现新品与合作项目的官方窗口,让值得关注的作品更容易被开发者看到,也让新的能力和合作在进入 Marketplace 的第一时间获得更多关注。

一次精选推荐,可能就是某个新功能、新灵感或新合作的开始,也可能让你发现新的创作思路。

KEEP CREATING

此次更新,让你在 Marketplace 中的每一次分享都有了更完整的意义。

当有人注意到你的作品,将其融入自己的创作,并愿意留下反馈时,一次简单的使用便成为创作者与使用者之间的连接。久而久之,正是这些微小的互动,让原本单纯的资源汇聚,蜕变为一个真正有温度的社区。

这正是我们希望持续打造的 Marketplace:好的创作在这里找到新的使用场景,也带来新的灵感;而每一次真实的使用与反馈,又会回到创作者手中,成为下一次完善与创造的起点。

下一个应用,从这里开始

https://marketplace.dify.ai/

跳转微信打开

  •  

信任即核心:Dify 插件生态的安全与治理之道

原创 郑立 2026-09-24 18:53 云南

从安全、透明度与可维护性出发,理解 Dify 如何为持续增长的插件生态建立可验证、可追溯的信任机制。

郑立|Dify 高级开发者关系

写于 2026 年 8 月 25 日

信任不是一枚徽章

截至2026年8月25日,Dify的插件生态系统规模已十分庞大,仅靠一个标识和几句简单的安全声明,已无法再传递信任背书。插件市场需通过可重复的管控机制来赢得用户信赖:包括插件包内包含的内容、插件可访问的资源、经过审核的具体版本,以及当相关验证依据发生变化时的应对机制。

一则拉丁谚语告诫道:“Fide, sed cui vide”——信任,但要认清你所信任的对象。

这一准则对于开放插件生态系统而言极具实用价值:善意能够降低协作成本,且独立证据表明,这种善意具备可扩展性。

我们的目标并非承诺零风险,且从数字层面看这一目标过于理想化,从实操层面看也并不可信。我们的核心目标是让风险有迹可循:尽可能在发布前完成风险管控,必要时在发布后跟进处理,且每当插件版本发生变更时都需重新开展相关工作。

以 Dify 开发者关系团队成员的视角来看,这同样是一个社区设计层面的问题:贡献者需要快速、明确的反馈,而用户则需要能够理解的依据。 审核人员需要相应的管控机制,将人力注意力留给模糊性问题,而非耗费在重复性的溯源工作上。

目前部分管控措施已可在公开代码仓库中核验,另一些仍在持续建设和完善。明确这一边界本身也是治理的一部分:当路线图被包装成已经交付的能力,公众信任会迅速崩塌。

首先,要选对衡量的指标

良好的治理始于一个看似基础的问题:我们究竟在统计什么?

2026 年 7 月 31 日的 Marketplace 快照提供了几组真实有效的数据,但它们衡量的是插件生态的不同数据面。

数据

含义

正确解读

928

已列出的插件

7月31日快照中可见的市场条目。

907

带有安装记录的插件

快照中包含安装数据的条目。

263

官方标注条目

带有官方标识的市场交易记录。

262

唯一官方仓库ID

固定的官方仓库快照中不重复的插件ID。

99

主动维护的基线

由审核员上报的运维记录,并非官方标签的统计数量。

问题不在数字是否准确,而在于我们如何理解这些数字。

以 263 和 99 为例。263这个数值描述的是某一市场快照中的标签情况,99 描述了评审人员报告称处于积极维护状态的运营基线。前者是身份标识,后者是维护状态。两者都有明确的数据来源,将其中一项当作另一项的佐证,看似简洁便利,实则是错误的做法。

同样的原则也适用于安装量和调用量。安装记录反映插件的分发情况,调用记录反映特定时段内的实际使用情况。它们可以帮助我们观察生态的不同侧面,但无论哪一个,都不能单独回答插件是否可靠、是否具有业务价值,或者是否处于良好的维护状态。

即使指标本身选对了,还需要知道数据能够说明到什么程度。

本次调用分析覆盖2026年7月13日至8月12日期间。由于部分Pod身份信息缺失且计数器可能发生重置,其绝对统计量可能存在2至5倍左右的低估,因此,这组数据仅用于观察相对趋势、占比及排名,而不作为精确调用量的宣传依据。

理查德·费曼曾用更精妙的表述阐释了相关的控制原则:“首要原则就是绝不要自欺欺人——而你恰恰是最容易被自己愚弄的人。”  放在当前场景,它意味着很具体的原则:给出数据的同时,也要说明它的统计时点、口径和局限。 一个数字只有放回它产生的背景中,才真正具有解释力。

风险早已暗藏其中

最直接的风险并非理论层面的假设。我们已观测到.difypkg归档文件中包含.env文件、.git 可能暴露凭证的元数据、完整虚拟环境、.DS_Store、__pycache__、日志以及平台专属二进制文件。这些内容带来的风险性并不相同。有些只是开发过程中留下的无害文件,有些却可能泄露敏感信息、夹带未经审查的可执行内容,或在解压和运行后扩大攻击面。

理想情况下,插件包里应该只有插件,而不是开发者电脑里的“全家桶”。 这句话听起来像个玩笑,但背后的问题并不轻松:插件归档最终会进入用户环境,被解压并执行。因此,包里有什么、从哪里来、执行什么,并不是代码整洁度的问题,而是供应链安全的一部分。

其他开发者生态系统也已反复佐证了这一点。

GlassWorm “玻璃蠕虫”攻击活动曾利用恶意的 VS Code 和 Open VSX 扩展进行传播,相关扩展累计下载量超过 3.5 万次。相比这次攻击被冠以什么名称,其采用的技术手段更值得关注:若对身份、包内容及行为的审查不够严格,常见的分发渠道也会成为恶意代码的传播放大器。

发现速度同样至关重要。

一款假冒的 Prettier Plus 扩展在上线约 4 小时后便被下架,其间仅产生 6 次下载和 3 次安装。影响范围之所以有限,恰恰是因为检测和响应足够及时。对安全治理而言,“未得到广泛部署”正是我们期望的结果,而非说明该管控措施毫无必要。

LottieFiles 的 npm 事件说明了另一个问题。2024 年 10 月 30 日,攻击者利用泄露的凭证发布了三个恶意版本的软件包,事件随后得到控制。项目声誉虽能辅助发现风险,但无法替代版本级验证、凭证安全保障,以及可快速限制恶意内容传播的响应流程。

这些案例的成因并不完全相同,插件包中出现的意外残留,与攻击者主动植入恶意内容,也不能混为一谈。但从治理角度看,它们首先需要的是同一套基础能力:检查包内容,识别并披露敏感行为,保留可追溯的证据,并在发现问题时能够及时介入。

构建可信流水线,而非安全勾选框

安全审核不应该只是发布前的一次勾选,而应该贯穿插件从开发、提交到发布的整个过程。当前的公开实现采用了一套分层验证流程,让问题尽可能在进入 Marketplace 之前被发现。

开发者可以在提交 PR 前,通过 Dify Marketplace 工具包在本地完成初步检查。提交后,贡献模板会进一步记录作者、插件、版本、源仓库、联系方式、风险等级,以及相关的隐私和安全披露信息。

把反馈前置的目的很简单:越早发现问题,修复成本越低。

本地验证涵盖安全归档解压、包内容、密钥模式、二进制文件、包含来源、README 完整性、基于 OSV 的依赖漏洞检查,以及 Python 编译和安全模式检查等。对于金融相关的禁止行为,工具也会给出相应警告。

网络访问同样是检查的一部分。工具会检查已观测到的访问域名,并支持可选的 network.domains 声明。这一点尤其重要,因为部分 SDK 会在运行时动态构建 URL,仅依赖静态分析并不一定能够发现所有外部访问。

进入 CI 后,检查会继续进行。在公开的 dify-plugins 工作流中,pr-risk-label.yaml、pre-check-plugin.yaml、pre-check-plugin-sandbox.yaml以及upload-merged-plugin.yaml 分别提供风险标记、自动化检查、沙箱定向验证以及合并后上传管控能力。CI 会区分阻断性错误与警告,且软件包会在合并后、上传前重新完成验证。自动化机制可辅助审核人员开展工作,它并不会仅仅因为YAML显示为绿色就具备判断能力。

这套流程同时区分阻断项(Error)与警告项(Warning)。

阻断项意味着已经超出既定安全阈值,需要解决后才能继续;警告项则意味着存在需要进一步理解或人工判断的情况,但未必意味着插件本身存在恶意行为。这样的区分很重要:如果所有异常都被放行,安全规则就失去了意义;如果所有异常都被直接阻断,又会让合理但非常规的实现难以进入生态。

CI 通过并不意味着插件天然可信,而是意味着它通过了当前能够自动验证的检查。

插件上传后,工具包还支持提交扫描报告,供访问域和安全相关模块使用。这为后续的安全展示提供了基础,但这里需要明确区分已经落地的验证能力与仍在演进中的 Marketplace 机制。安全等级、评级展示及反馈机制目前仍属于持续迭代的框架范畴。

现行版本安全等级语义的演进

等级

当前版本的含义

S

已完成扫描;未发现高风险或中风险问题;依赖、权限及域名信息完整;作者信号已经验证,并经过额外复核

A

已完成扫描;未发现高风险问题;依赖及域名信息基本完整

B

存在需要关注的问题,例如过时依赖、低风险或中风险检测结果、作者身份未经验证,或扫描与域名透明度不完整

C

存在明确风险,例如高危漏洞、权限异常、未申报的敏感外部访问或可疑历史记录

Unscanned

当前版本尚未完成扫描、扫描失败,或现有证据不足以完成评级

这里有一个重要前提:评级属于版本,而不是插件本身。

插件每次升级后都需要重新扫描,旧版本的评级不应自动沿用到新版本。Official(官方)、Partner (合作伙伴)或 Verified (已验证)等身份信息可为决策提供支撑,但不能替代对当前包体和版本的实际验证。经确认的恶意行为或严重安全问题可绕过常规评级流程,直接进入限制、移除或人工审核环节。

让评分信息一目了然

在当前的安全详情设计中,评级标识被放在页面右上角,让用户在阅读详细信息之前就能快速判断当前版本的安全状态。例如,S 级使用绿色标识;C 级使用红色标识,并在安装前显示更醒目的风险警告。

依赖项列表沿用同样的结构,每个依赖都会显示包名、版本及对应状态,帮助用户快速定位可能受影响的依赖。颜色能够加快识别速度,文字、等级、包名和版本信息则负责说明风险究竟是什么。 这样,即使不依赖颜色,用户仍然能够理解评级结果,同时也为后续审核和追溯保留足够的信息。

图1   S表示“通过”;C表示“待审核”

二者均不构成担保承诺

PRD 状态 C   可见警告及受影响版本。

PRD 状态 S   明确证据且无警告

图2   八项控制措施构建版本范围的证据

图3   CI 阻断故障并将警告路由至待审核

透明度即管控手段

透明度在启用前最具价值,此时用户仍可做出知情选择。在实际场景中,插件可通过三种存在本质差异的方式运行:

  1. 仅本地执行。 该插件以代码形式在本地运行时环境中运行,不会向外部服务回传或发送任何数据。

  2. 客户直连服务。由客户提供API密钥或账户,并直接选择通过插件对接外部服务商。

  3. Dify 连接的服务。Dify 会提供凭证,或是在产品体验中集成统一托管的第三方功能。

这三种模式并不只是不同的产品标签。连接方式不同,意味着数据流向、管理责任和合同关系也可能不同。具体判断还会受到部署方式和实际数据流的影响,因此这里讨论的是一套产品治理框架,而非法律结论。

“阳光被誉为最佳消毒剂。”——路易斯·D·布兰代斯

对于插件用户而言,“阳光”意味着具体明确的信息。在启用插件前,用户应当能够查看该插件涉及的外部域名与服务,以及可能流出自身环境的数据类别:提示词、输出内容、文件、账户或工作区数据、元数据、日志以及凭证。未被列入清单的端点并不会因为其隐蔽就变得无害。

有效的信息披露还应说明数据处理的原因、存储或处理的地点、保留的时长,以及数据是否可能被用于模型训练或产品改进; 以及适用的隐私声明、DPA或服务条款。客户确认以及重大变更的可追溯记录,会将这类信息从形式化的表述转化为可落地的管控措施。

无论合同约定的角色如何划分,Dify 始终保有对系统对应部分的管控权:运行时隔离、传输安全、可强制执行的声明、审核机制,以及当行为与披露内容不符时的处置权。具体责任边界可能因场景而异,但产品设计中的安全要求不会因此消失。

许可也是供应链的一部分

插件 Marketplace 不只涉及代码的流转,也涉及使用和分发权限的流转。

这一实际链路简洁直白却极易被忽视:插件作者须拥有将插件提供给Dify的权限,Dify须拥有托管及分发该插件的权限,用户则须获得安装并使用该插件的充分权限。只要其中任一环节存在模糊地带,即便技术层面无瑕疵的安装包,也可能存在治理层面的缺陷。

开源软件贯穿于这一链条的每一个环节。其相关声明、署名要求、源代码提供义务、修改条款及再分发条件,并不会因采用了便捷的打包格式而消失。许可证就如同重力一般,无论发布清单中是否提及,都始终具备法律效力。

因此,一套成熟的治理机制需要让许可信息能够被看见和追溯,包括清晰的许可证声明、可检索的 OSS 组件信息,以及针对 Copyleft、AGPL 等相关义务的检查。同时还需明确开发者条款与传递给用户的任何许可或最终用户许可协议(EULA)之间的关联。

这些管控措施可协助审核人员提出恰当的问题,但不能代替具体场景下的法律判断。

其中一些实现方式仍处于设计和迭代阶段。例如专门的清单许可字段、许可白名单或黑名单、针对AGPL的SaaS路由、标准化终端用户许可协议以及点击即同意的确认机制,均能提升一致性。

但原则仍然与前文一致:没有产品或代码仓库证据支持的能力,就不应被描述为已经上线。 在治理问题上,明确区分“已经实现”和“计划实现”,本身就是可信度的一部分。

维护即治理

安全评审用于判定某个版本是否可以进入生态系统,而维护治理则负责明确版本准入后的后续安排。

为了让这一问题更易处理,我们将插件分为四个群组进行分析:官方模型类、官方非模型类、社区模型类以及社区非模型类。在同群组内进行对比,可避免让专业模型提供商与通用工具遵循相同的需求曲线来接受评判。

在每个分组内部,我们使用需求指数衡量插件的相对需求:

需求指数 = 60% 调用量百分位 + 40% 安装量百分位

在此基础上,再加入 1–5 分的关键性评分。原因很简单:使用热度和运营重要性有关,但并不是一回事。 一个调用量并不高的身份验证组件或关键数据连接器,仍然可能需要较高的维护优先级。

优先级

维护规则

P0

队列前20%的需求,且关键等级为4及以上,或已备案的关键等级5豁免项。

P1

优先级排名前40%且临界等级为3及以上,或任意临界等级为4及以上的插件。

P2

需求排名前70%,或临界等级为3及以上。

watch

其余所有内容均受监控,不代表官方拥有持续所有权。

图4 需求、关键性与时效性共同决定维护优先级

此处的 P0、P1 和 P2 是维护优先级,而非项目交付阶段。更新状态会提供另一项标识:近期更新指 30 天内有更新,正常维护指更新间隔为 31–90 天,更新滞后指更新间隔超过 90 天。

预计的季度重复性维护工作量也可以进一步分为:S 级为每季度 1–2 人天,M 级为 3–5 人天,L 级为 6–10 人天。

把工作量纳入模型很重要,因为维护能力最终受实际产能约束。每季度 30、60 或 120 人日这样的数字可以用于容量规划,并非服务水平协议。没有相应人员和时间支撑的维护计划,再完整的表格也无法让它真正发生。

因此,官方维护资源应优先集中在有明确资源支持的 P0 和 P1 插件上。对于社区插件,则可以根据需求、关键程度、维护者状态和生态价值,在官方接管、联合维护、赞助支持或持续观察之间选择不同路径。其余 P2 和 Watch 插件原则上继续由社区主导,同时保留基础验证和清晰的问题上报路径,而不默认附加周期性的官方 SLO。

这样的优先级这并非对内容质量或创作归属的评判。它解决的是一个更实际的问题:当维护资源有限时,如何以一致的方式决定先处理什么。而且答案不会永远不变。随着使用情况、更新时间和生态需求变化,维护优先级也应该重新计算。治理如果不能随着证据变化而调整,很快就会失去实际作用。

我们主动选择的权衡取舍

当治理直面权衡取舍,而非假装这些取舍根本不存在时,它才会真正具备公信力。

  • 贡献成本与安全性

每增加一项检查,都会给贡献流程增加一定成本。因此,我们尽量把验证前置到本地,让作者能够在提交 PR 前发现并修复问题,而不是等到审核和 CI 阶段再来回处理。

  • 自动化与误报

明确违反规则的问题应该阻断流程,模糊信号应以预警形式启动。通过影子模式、误报率观察、例外记录和逐步收紧规则,可以让自动化检查根据实际效果逐渐获得更高的执行权重,而不是一开始就对所有情况做强制判断。

  • 透明度与安全保证

安全评级或域名列表仅代表特定版本在某一时间点的可用证据,并非担保,版本发生变化后,旧的结论不能自动继承。重新扫描和明确的状态更新,是保持这些信息有效的前提。

  • 官方维护与社区自治

Dify 需要提供必要的安全保障、可靠的工具和明确的问题上报路径,但同时也为社区的独立探索保留空间。我们的目标是打造一个良性的公共生态,而非一座配备了异常完备 CI 的封闭花园。

贯穿这些取舍的原则其实很简单:让安全路径易于践行,让插件状态清晰可见,让管控力度与实际依据相匹配。一旦依据发生变化,决策也应随之调整。

信任并非通过一条评论、一枚徽章或一次政策发布就能建立。它是通过持续的验证、透明的产品信号、可落实的责任归属以及公平的响应流程逐步形成的。正因如此,信任本身也是产品能力的一部分。和其他重要能力一样,它需要被验证、维护,并随着生态变化持续迭代。

数据来源与研究方法

本文综合使用了以下几类证据:

  • 2026 年 7 月 31 日 Marketplace 快照,用于观察生态规模、插件分组和安装情况;

  • 2026 年 7 月 13 日至 8 月 12 日 SaaS 调用数据,用于分析相对使用情况和维护优先级;

  • Dify 内部治理与维护设计资料,用于说明治理框架及维护模型;

  • 截至 2026 年 8 月 25 日可核验的公开实现,用于区分已经落地的能力与仍在规划中的机制;

  • 公开供应链安全事件资料,包括 GlassWorm、Prettier Plus 和 LottieFiles npm 事件,用于提供其他开发者生态中的参考案例。

需要特别说明的是,Marketplace 快照并非实时计数器,调用总量也不用于证明绝对使用规模。 本文使用这些数据的目的,是观察相对趋势、分布和优先级,而不是对精确调用量作出超出数据能力范围的推断。

注:本文阐述的是治理设计与工程实践内容,不构成法律建议、认证,亦不代表任何插件均无风险的承诺。

跳转微信打开

  •  

关于近期虚假招聘信息的声明

原创 Dify 2026-09-21 16:15 云南

请通过官方渠道核实招聘信息,谨防以招聘为由要求充值、缴纳押金、垫付费用或转账的行为。

近日,Dify 注意到有第三方通过仿冒网站及线上账号冒用 Dify 名义发布虚假招聘信息,并以招聘为由诱导候选人充值、缴纳押金、垫付费用或进行转账。
上述网站、账号及相关活动均与 Dify 无关,亦未获得 Dify 任何形式的授权。Dify 的正规招聘流程不会以任何形式要求候选人充值、缴纳押金、垫付费用或进行转账。如遇此类情况,请勿继续操作,并请勿通过非官方渠道提供个人信息或财务信息。
如需了解或核实 Dify 的招聘信息,请通过以下官方渠道:
官方招聘页面:https://join.dify.ai/
官方招聘邮箱:joinus@dify.ai
如发现疑似冒充 Dify 的招聘网站、账号或其他可疑信息,欢迎通过 security@dify.ai 向我们举报。

请注意甄别信息来源,谨防诈骗,并妥善保护个人信息及财产安全。
Dify 团队

跳转微信打开

  •  

Dify 全新 Agent 体验正式上线

原创 Dify 2026-08-31 15:31 江苏

让成熟的 Agent 能力从一次构建走向更多业务场景。

今天,我们正式推出全新 Dify Agent。

随着模型能力不断提升,企业对 AI 的期待也从完成单一任务,走向让 Agent 自主理解目标-规划步骤-调用工具,并在真实业务中交付结果。

麦肯锡 2025 年全球调研显示,62% 的受访企业已经开始探索 AI Agent。当 Agent 从概念验证走向生产,团队需要解决的不只是“能否完成任务”,还有如何持续优化、跨场景复用,以及在出现偏差时快速定位和改进。

因此,我们重新思考了 Agent 在 Dify 中的角色。

在全新的设计中,Agent 不再只是依附于某个应用的执行节点,而是成为拥有独立配置、完整生命周期的 Dify Agent:它可以被独立构建、调试、发布和管理,也可以通过 Web App、API 或 Workflow 灵活接入各类业务场景。

从 Agent 节点到独立 Agent

过去|Workflow 中的执行单元

  • 2025 年初,Dify 在 Workflow 和 Chatflow 中引入 Agent 节点与代理策略(Agent Strategy),让模型得以在编排中自主决策。但彼时,它本质上仍是一个执行单元。

详见:

Dify Agent 节点 - 当工作流学会「自主思考」

随着 Agent 进入生产环境,企业对 AI 能力的长期可维护性与跨场景复用提出了更高要求。

现在|可独立维护与复用的 Agent

  • 在全新的 Agent 体验中,Agent 不再只是一个节点,而拥有了独立身份、配置和生命周期。

每个 Dify Agent 均拥有独立的模型、指令、技能、工具配置。团队只需集中构建与维护一次,即可在全局场景调用,让业务经验得以持续复用与演进。

1

Build 构建

基于真实业务任务打磨与沉淀能力

Manage 管理

精准管控维护,实现跨场景复用

2

3

Track 追踪

覆盖单次排查与长期运行监测,实现白盒治理。

Build

  从真实任务出发

  持续打磨 Agent 能力

许多业务问题,往往始于一线团队那些高频、具体且结果可明确评估的任务。

Agent 运行后,编排初期未曾考虑的缺口、规则冲突和流程断点会更快暴露,也正是在这个过程中,团队才能精准迭代,把验证有效的工作方法沉淀为 Agent 的长期能力。

为此,全新的 Agent 提供了两种互补的构建路径:

在 Build Mode 中,对话产生的配置变更会先保存为草稿(Build Draft)。你可以查看改动并选择应用(Apply)或放弃变更(Discard),也可以切换至预览模式(Preview),在正式发布前验证 Agent 的回答效果与交互体验。

Agent 不只是一段 Prompt

随着任务复杂度提升,把业务规则、专业方法、参考资料和工具说明全部写进 Prompt,会让配置越来越冗长,也更难维护。

Agent 不应依赖单一 Prompt,而应由多个可独立维护的模块组成。

因此,Dify 将 Agent 的能力拆分为不同部分:

Prompt 定义 Agent 的角色与行为边界,Skills、Tools 和 Sandbox 则分别赋予其业务能力、工具调用能力与安全的执行环境。

模块化后,团队可以分别维护不同能力。你可以随时替换某个工具或优化某项技能,无需反复调整 Prompt,极大降低了长期维护与多人协作的复杂度。

三种方式扩展 Agent 的执行边界

要让 Agent 真正进入业务,仅仅能够调用模型还不够。它还需要连接外部系统、复用团队已有的工作方法,并根据任务灵活调用临时能力。

为此,Dify 提供了Tool、Skill和Sandbox CLI 三种扩展方式:

Tool:接入需要长期运行的正式能力

为你的 Agent 接入生产级集成能力。

团队可通过以下方式扩展功能:Dify Marketplace 下载拓展工具、连接自定义 API 或 MCP 服务器,或将现有工作流封装为工具。

工具在工作区层级进行管理,并可在多个 Agent 之间共享。

例如,生成图表工具仅需安装配置一次,之后不同的 Agent 便可使用它来分析数据、生成周报,或是为内部仪表板构建图表。

对于需要额外配置的功能,高级设置(Advanced Settings)可将环境变量集中保存在一处,并在沙箱中供代理使用。当默认值或 runtime 设置发生变更时,无需逐一查找其所有出现位置即可完成更新。

Skill:沉淀团队方法与实践

许多业务任务都有固定的判断逻辑和工作方法。

Skill 可以将操作指南、参考资料与执行脚本封装在一起,让 Agent 按统一方法完成任务。

例如,一个增长分析 Skill 可以包含指标定义、计算规则和执行脚本,让 Agent 按照统一的方法计算 CTR、CPA 与 ROAS。

脚本不会显示在 Tools 列表中,而是随 Skill 保存和维护,无需额外开发为独立插件。

随着团队沉淀出更多可复用的方法,Skill 也不应只存在于单个 Agent 中。

我们也同时推出 Skill Management 功能,让 Skill 成为工作空间中的共享资源。团队可以集中创建和维护 Skill、管理发布版本并查看引用关系,让同一套业务方法服务于多个 Agent。

当客服分级、销售跟进或员工入职流程发生变化时,只需更新对应的 Skill,即可实现跨场景的能力同步。

Skill Management 已在 Dify 1.17.0 自托管版本上线,更新试试:

https://github.com/langgenius/dify/releases/tag/1.17.0

Sandbox CLI:处理当前任务中的临时需求

部分任务仅需使用一次,无需将其添加至 Agent 的长期配置中,Agent 可直接在当前 Sandbox 中安装并运行 CLI 工具。

例如,当你临时需要根据当前项目获取一份方案演示文稿时,Agent 可以在 Sandbox 中安装所需工具并生成文件;日志解析、文件转换和数据处理等一次性需求,也可以用同样的方式快速完成。

如果相同的 CLI 配置反复出现,可以将安装和调用方法沉淀为 Skill。当该能力需要在多个 Agent 间稳定运行时,可通过 API、MCP 服务器、插件或工作流,将其打造为 Dify 的共享能力。

在这样的扩展架构下,团队可以先快速验证,再将成熟做法逐步沉淀为安全、稳定且易于维护的生产能力。

让修正成为下一次运行的起点

Agent 的构建不会在首次发布时结束。

真实任务会持续暴露新的问题,团队需要判断应该调整提示词、工具还是 Skill,并把修正放到正确的位置。

在一次商品比较测试中,Agent 曾混淆两款商品的营养字段。我们没有继续追加临时 Prompt,而是将商品知识拆分为独立记录,并把“逐项检索、交叉核验、缺失信息不作推断”保存为 Skill 规则。

再次验证后,Agent 已能稳定区分两款商品的数据,并在处理过敏原、库存、退款及隐私相关问题时均把握好了恰当的边界。

Agent 的价值,不止于完成一次任务,更在于能够随着业务反馈持续演进。团队可以把运行中发现的问题转化为对知识、规则或 Skill 的调整,让一次修正成为下一次运行可复用的能力。

Manage

  一处构建,随处复用

过去,同种业务类型的 Agent 被复制到多个应用和 Workflow 中,复制次数越多,更新维护越混乱。

新的 Agent 体验改变了这种依附关系,Agent 从具体应用和节点中独立出来,团队可以在 Agents 页面集中查看和维护工作空间中的 Agent,并按状态、创建者和更新时间快速筛选。

每个 Agent 都拥有清晰的名称、描述和配置来源,让团队知道它负责什么、目前处于什么状态,以及应该在哪里继续维护。

Agent Console

一份配置,多个使用入口

Agent 构建完成后,不会被固定在一种产品形态中。

在访问点(Access Point)中,团队可以查看 Agent 的所有使用入口。工作流访问(Workflow access)还会列出正在调用该 Agent 的流程、版本和更新时间,帮助维护者在修改配置前了解可能影响的业务范围。

进入 Workflow,只管理当前业务

同一个 Agent 进入不同 Workflow 时,可以承担不同工作。

流程设计者无需重新配置它的 Prompt、Skills、Tools,而是通过 Agent 任务(Agent Task)为当前节点补充任务说明:这一次要完成什么、可以使用哪些上游变量与预期结果。配合新增的声明式输出,Agent 的结果可以按照预设结构交付给后续节点。

我们来看一个示例:假设你已经搭建了一个增长分析 Agent,它能够解答增长相关问题、计算指标并生成图表。

你既可以单独使用它,也可以将同一个智能体接入到活动分析工作流中,为其分配更具针对性的任务(Task)。在此基础上,工作流可负责处理质量检查、分支逻辑以及人工审核环节。

对于仅限单个工作流使用的临时功能,可从空白 Agent 节点开始从零搭建。如果后续发现该功能在其他场景下也适用,可将其保存到 Agent 库中进行集中管理。

Agent 决定“会什么”,Workflow 决定“做什么”。

既保证了共享能力的一致性,又明确了不同流程的业务边界。

Track

让工作过程清晰可见

当 Agent 被多个入口和 Workflow 复用时,仅依靠最终回答已经不足以定位问题。

因此,Dify 提供了从单次运行到长期表现的三层观测能力:

单次追溯

完整还原用户输入、规划过程、工具调用与回复。每条日志均标明请求来源,帮助团队判断是局部流程问题还是 Agent 配置问题。

节点流转检查

当 Agent 在 Workflow 中运行时,最终结果还会流经各类节点处理。

单节点运行信息与变量检查可帮助团队检查执行步骤及节点间传递的数据,看是否发生在 Agent 内部?还是后续的质量检查?条件分支或人工审核环节,从而更轻松地定位代理或其关联工作流中的问题。

长期指标监测

团队可以按时间和调用来源汇总使用量、交互情况、响应速度、用户满意度、Token 消耗与预估成本,并持续比较不同版本和业务场景下的质量、性能与成本表现。

此外,Dify 新增了 Workflow 日志归档功能,支持按月整理和下载历史运行记录,便于长期问题追溯、运营分析与内部审计。

该功能暂不在社区版中提供,关于日志留存与归档,请参阅:
http://docs.dify.ai/zh/cloud/use-dify/monitor/logs#日志保留

为什么选择 Dify 构建企业 Agent

全新的 Agent 体验建立在 Dify 一贯强调的四项能力之上:

  • 模型中立:灵活对接主流与私有模型,摆脱单一厂商锁定,平衡性能、成本与合规要求。

  • 可视化构建:从真实任务开始,通过 Build Mode 逐步完善 Agent,既保留 Build Mode 的自然语言探索,又提供透明可视的结构化配置,打通业务与技术团队的协同障碍。

  • 灵活组合: Agent 可以独立使用、通过 API 接入现有业务系统,也可以进入 Workflow,与数据处理、规则判断、人工审批及其他节点协同工作。同一份能力只需集中维护,便能服务不同团队和业务场景。

  • 透明可控:覆盖 Logs、Tracing、Monitoring、版本控制、凭证隔离与 Human Input(人工介入),确保 AI 在安全可控的边界内运行。

对于企业而言,真正的挑战往往不是能否构建一个 Agent,而是能否让它在组织中被安全地复用、持续地维护,并以可观测、可治理的方式进入生产环境。

Dify 将模型、Agent、Workflow、API 与运行观测放在同一平台中,让团队可以围绕一份能力建立清晰的开发和改进流程。

即刻开始构建

Agent 负责动态判断,Workflow 负责流程结构与控制边界,在二者的结合下,让企业无需在上线前预设所有情况,而是能在真实业务场景中灵活迭代。

从一项真实业务开始构建 Agent,在运行中不断打磨,再将成熟的能力复用到更多业务场景。

马上开始使用 → 

https://cloud.dify.ai/agents

了解如何配置 Agent,请参阅 → 

https://docs.dify.ai/zh/self-host/use-dify/build/new-agent/build

跳转微信打开

  •  

我们为什么重新设计了 Agent?

原创 Dify 2026-08-31 15:31 江苏

了解 Dify 如何重新设计 Agent,让 Agent 与 Workflow 从独立能力走向协同工作。

自诞生起,Dify 一直在做一件有些拧巴的事。

我们试图在快速发展的模型浪潮中,提供一套成熟的企业脚手架。但这意味着,我们必须时常在释放 SOTA(state-of-the-art,最先进水平) 模型实力以及企业要求的:私有化部署、模型中立、权限管理、可解释和可审计之间做出取舍。

因此,年初龙虾热的时候,我们没有立即跟进,做一款 DifyClaw 那样的时尚热门单品类产品。但很让我们兴奋的是,这几波热潮推动了社会共识的形成:CLI Agents 的范式借此契机正在走出 Coding 场景,进入越来越多的企业,解锁越来越多业务场景。

基于这个变化,我们重新设计了 Dify 中的 Agent 系统,让 Dify 应用和工作流可以将一部分复杂任务交给 CLI Agents 来完成。

哪些任务适合交给新的 Agent?

如果你的团队已经沉淀了一套成熟的业务 Skills,希望快速转化为 Agent 的能力,让 Agent 接手业务中重复、耗时的工作;如果你遇到了 Dify 插件生态尚未覆盖到的集成问题;又或者,业务人员希望通过对话指导和打磨一个 Agent,并绕过晦涩难懂的技术学习。

那么,新的 Agent 值得一试。

熟悉的 Agent 内核,

Dify 把通用的轮子造好。

从原理上看,新的 Agent 系统和 Codex、Claude Code 等 Coding Agents 采用了相近的核心结构:由模型驱动的 ReAct Loop,通过 Bash 等工具在独立沙箱环境中完成任务。

但 Agent 能真正进入生产环境,仅靠能够循环调用工具是不够的。

幕后,我们把大量精力投入到了模型切换、上下文管理、运行环境管理、失败策略等基础能力中。

用当下时兴的说法,Dify 提供了一套相对完备的 Loop Engineering。这样,你不必再为每个 Agent 重复解决这些常见问题,而可以把精力投入到如何将这些 Agents 编排到你的业务流程中来。

在安全与合规方面,Dify 企业版为每个会话启动一个独立的 Sandbox 容器,实现 PID、FS和网络隔离,并支持配置自定义的网络策略和 Security Context。Sandbox 基于安全加固的基础镜像构建,并以非 Root 用户运行。

Agent 已经足够强了,

为什么还需要工作流?

近半年,我们经常被问到一个问题:

当 Agent 经历了三年的探索,如今终于形成被广泛承认的范式之后,Dify 是否还会继续做工作流?

我们的答案是:

当然会,因为 Agent 与工作流解决的是不同维度的问题。

Agent 解决的是个体能力问题,而工作流解决的是能力如何能被组织和调度的问题。

即使个体能力强如人类,我们依然发展出了如线上会议软件、企业 IM、OA 工具、OKR 等一系列的“协作基础设施”。其中,有一些服务于临时协作,另一些负责承载稳定、反复发生的流程。

我们认为工作流解决的问题,是企业如何把现有的固化流程,以一种合理的方式,转化为 Agent 与人的协作产物,并让该产物能便捷地发布并在一套企业级基建上以及长期运行。在 Agent 能力得到跃升的今天,这个需求不但没有消失,反而显得愈发紧迫。

从即兴发挥

到可长期运行的软件补丁

传统的软件,本质上由数据库、数据之上的函数、以及人与这些函数交互界面组成。今时今日,Agent 已经可以在大量的一次性场景中临时客串这套系统:即兴生成的脚本,开始替代一部分过去必须由严谨代码实现的功能。

但即兴发挥本身不是生产系统。

当我们把 Agent 放进前文所述的编排里,再用确定性的输出输入、调度机制、失败策略、权限和可观测性为它划定边界,就能把这些即兴能力固化下来。我们由此获得的未必是一套完整软件,更现实的形态是,为现有软件快速补上缺失的能力 —— 一块属于自己的软件补丁。

PM 实例:Calendly 会议强提醒补丁

和许多需要承担对外沟通工作的人一样,我惯用 Calendly 约会议。但预约跨度较长时,参会者经常忘记会议。

我只需要一个非常小众的需求:在会议当天再次自动发邮件提醒对方(这通常需要昂贵的付费订阅)。

理论上,这个需求从技术上看并不复杂。开发者可以让 Coding Agent 接入 Calendly MCP 和邮件客户端,编写一套自动提醒程序,再发布为一个 Github Action 实现云端定时执行。而对于非开发者来说,这依然是一个不大不小的工程。

在 Dify 里,这件事变得异常简单:安装 Gmail 插件,通过 Build Chat 教 Agent 配置 Calendly MCP。在完成测试后,将这个 Agent 作为 Agent 节点放入一个定时工作流中。这样,任何人都能在 10 分钟内,完成一个生产级的 SaaS 软件补丁。

接下来:Agent 与 SOP

新 Agent 解决了"有没有"的问题。接下来,我们会把重点转向两个方向:

  • 横跨多种 Agent 技术栈的集成,包括不同的 CLI Agent 和各类 Agent SDK;

  • Agent 与人的企业级协同,尤其是 Agent + Human 的 SOP 编排。

我们的目标不再是增加一个单独的 Agent,而是让不同的 Agent、与现有软件系统和真实的人,可以在同一套流程中协作

这只是一个开始,我们期待听到你对 Dify Agent 的反馈。

跳转微信打开

  •  

把开源项目带进真实场景,2026 上海开源软件应用创新大赛启动

原创 Dify 2026-08-31 15:31 江苏

从代码到场景,Dify 邀你参加 2026 上海开源软件应用创新大赛

一个开源项目的价值,不只在于代码被公开,更在于它能否进入真实场景,被部署、验证,并持续解决问题。

2026 上海开源软件应用创新大赛现已启动。Dify 将作为企业合作伙伴参与本届赛事,与开源社区、企业、高校及科研机构一道,寻找能够从技术构想走向实际应用的开源项目。

从开源出发,回应真实需求

本届大赛以「开源向实」为主题,设置三大赛道:

  • AI+ 工业软件:关注制造、能源、CAD/CAE、工业互联网等场景,探索 AI 与工程流程及产业系统的结合。

  • 智算云:覆盖算力调度、分布式训练、模型部署、边云协同与成本管理。

  • 开源 AI 工具:面向数据处理、模型训练与评测、RAG、Agent、MLOps 等开发与运行环节。

参赛者可以选择企业发布的真实命题,也可以围绕三大赛道自主选题。

本次大赛希望看到的不只是概念和 Demo,而是能够运行、测试并继续演进的开源作品。

这也对应着 Dify 一直关注的问题:AI 项目的挑战,往往不止是完成一次原型验证,而是如何将模型、知识、工具与业务流程组织成可以持续运行和改进的系统。

参赛信息

报名及作品提交

即日起至 2026 年 10 月 11 日

入围名单公布

2026 年 10 月 16 日

线下总决赛

2026 年 10 月 24 日,中国·上海

大赛面向企业、高校、科研机构、开源社区及学生团队开放,个人和团队均可报名,团队建议由 3–5 人组成。

参赛作品需要提供完整可运行的代码仓库、项目介绍文档和演示视频。三个赛道将独立评选奖项,总奖池累计 100 万元,奖励形式包括现金、算力与 Token、大模型 API 等开发者资源。获奖项目还将获得后续产业对接、技术验证和投融资咨询等支持。

从一个真实问题开始

好的开源项目,往往不是从宏大的技术概念开始,而是从一个值得解决的具体问题开始。

让 Dify 与你一起走进真实场景,组织你的团队,把代码、产品和判断带到真实环境中,在实践中构建、维护,并不断优化。

扫描海报二维码,或点击「阅读原文」进入大赛官网报名。

期待在上海,看到你们把开源能力带进真实世界。

阅读原文

跳转微信打开

  •  

大赛启动|Dify 邀你挑战 AI 应用与智能体开发

OceanBase 2026-08-14 16:36 江苏

500+ 高校、11000+ 学生 · Dify 在 OceanBase 数据库大赛招募 AI 应用与智能体开发者

第六届 OceanBase 数据库大赛正式启动!

更前沿的赛题方向、更全面的支持、更广阔的舞台,全新归来!

Dify 作为"AI 应用与智能体开发"赛道的技术支持方,邀请每一位想动手做 AI 项目的开发者与学生加入本届赛事!

关于 OceanBase 数据库大赛

OceanBase数据库大赛自 2021 年发起,是业内首个专注于数据库内核技术的大赛。五年来赛事累计覆盖 500 余所高校、超 1.1 万名学生,成为数据库领域核心人才培养的重要平台。

第六届 OceanBase 数据库大赛是由 CCF 数据库专委指导,OceanBase 主办的面向高校学生的数据库大赛。

大赛以“竞技、交流、成长”为宗旨,搭建开放、专业的技术交流平台,推动数据库人才培养。本届围绕“数据库+AI”设置全新赛题,聚焦数据库内核,同时覆盖数据库、上下文工程、AI 应用开发、基础模型与算力、智能体、具身智能等前沿方向。

参赛对象

为让更多青少年有机会接触数据库,今年首次面向中学生,初中、高中生、本科、硕士、博士均可参加。

📌参赛须知:大赛采用团队制,每队 1-3 人。为保障公平,往届全国 20 强选手不得报名本年度赛事。欢迎加入大赛官网交流群,寻找伙伴、自由组队,共同挑战感兴趣的赛题。

今年 6 月,OceanBase 发布面向 AI 时代的湖库一体 AI 数据库。随着 AI 加速落地,面向 AI 的数据基础设施已成为行业发展的新引擎。

Dify 赛题·你可以做什么

在 Dify 赛道,你可以从零开始探索 AI 应用开发,在实践场景中灵活配置模型接入、知识库与 RAG、Workflow 编排、Agent、工具调用等核心能力,并通过 Dify 将这些能力组合成真正可运行的 AI 应用。

从需求拆解、应用构建到调试与发布,完成一次完整的 AI 应用开发实践,在解决真实问题的过程中积累项目经验。

本届大赛设置了全新的赛题方向,贯通 AI 数据库内核、上下文组织与应用,以及智能应用开发落地等关键环节,形成层层递进的技术挑战链路,为不同技术背景的开发者提供多元的实践路径与创新空间。

除了丰厚奖金和 Offer,参赛还能获得:

  • 系统学习:从零掌握数据库与 AI 融合的理论知识体系

  • 实战锻炼:结合不同赛题,完成从数据管理、模型调用到应用开发和智能设备落地的完整实践

  • 能力提升:在真实工程场景中锻炼问题解决能力,积累项目经验

  • 职业加速:为进入头部企业、参与前沿技术研发打下坚实基础

大赛期间,还将提供赛前培训、技术文档、示例项目及社区交流支持,帮助参赛选手快速掌握相关技术,降低参赛门槛,完成从技术学习、动手实践到作品落地的完整成长过程。

欢迎大家扫描上方二维码,加入大赛官网交流群,寻找志同道合的参赛伙伴,自由组建团队,共同挑战感兴趣的赛题。

期待大家组队出发,在这场大赛中碰撞出更多技术创新的火花!

▼点击「阅读原文」,获取更多赛事信息并完成报名。

阅读原文

跳转微信打开

  •  

访谈|企业 AI 转型,如何解锁生产级智能体落地?

原创 Dify x Zenlayer 2026-08-14 16:36 江苏

从 Demo 到生产,企业真正需要补齐的,不只是模型能力。在这场对谈中,Dify 亚太区总经理陈璐莎分享 Agentic AI 落地背后的工作流、数据基础与组织准备。

当 AI 从“会聊天”走向“会做事”,企业面对的问题也从“能不能做出 Demo”,变成了“能不能稳定进入生产”。

在这期由生态伙伴 Zenlayer 发起的访谈中,Dify 亚太区总经理陈璐莎围绕 Agentic AI、企业工作流,以及数据与组织准备度,分享了 AI 从 POC(概念验证) 走向真实业务的一线观察。

一起点击视频观看完整访谈。

同时,由 Zenlayer 贡献的 AI Gateway 也已上架 Dify Marketplace,依托全球私有网络与分布式边缘架构,为 Dify 应用提供低延迟、高可靠的多模型调用,覆盖文本、图像、音频和视频等多模态能力。用户配置 API Key 后,即可在 Dify 工作流中调用相关模型。

安装插件能力

https://marketplace.dify.ai/plugin/zenlayerai/zenlayer

跳转微信打开

  •  
❌