Dify

观察时点：2026-10-15。面向AI应用与可视化流程的完整平台。

已公开的技术路线与控制边界

平台式应用、知识与workflow配置，优先通过服务与扩展接口复用。平台管理应用流程和工作区；企业仍定义数据许可、领域验收和高风险动作授权。

Dify属于完整AI应用平台，比较对象与单一runtime库不同。它把应用配置、工作流、知识和操作界面组合起来，有助快速验证内部场景。企业首先考虑配置、API和扩展边界，而非为了定制品牌直接fork全部代码。

平台式路线可以减少基础管理界面和流程搭建工作，但业务Task、法律matter、学生身份和投研证据仍需要明确合同。可视化画布显示一条路径能够执行，不代表权限、来源更新、幂等和领域质量已经通过。关键动作必须对应实际工具与数据层控制。

知识和会话位于平台自己的数据模型中。采用前检查原件、chunk、引用与权限的关系，以及源更新、删除和跨workspace访问如何传播。长期memory还要区分会话历史与经过验证的偏好或程序性技能，不能因为有持久聊天就认为已经具备完整记忆治理。

模型连接能力也需要按实际版本和provider验证。相同工作流更换模型后，工具选择、输出schema、拒绝与错误处理可能变化。若用Dify快速探索前台用例，同时另有代码runtime负责核心任务，应明确恢复与发布权威，避免两套流程重复提交副作用。

许可需要按具体使用方式审阅。本次固定LICENSE是修改版Apache-2.0，附加条件对多租户环境及使用其前端时的LOGO和版权信息作限制，并将tenant定义为workspace。不能把公开仓库或Apache字样理解为任意多客户白标都已获准。云服务与源码部署也不是同一合同。

对本企业，更合理的首步可能是用现有平台跑一个权限明确、结果可核查的内部任务，对比自有控制平面方案的改造与维护成本。测试真实ACL、源撤回、审批重放、任务恢复和数据导出，再决定哪些部分继续配置、通过API集成或自行实现。README与许可证据只能支持进入验证，不能证明生产采用门槛已通过。

首个金融用例可只接公开财报与只读计算，要求每个数字能回到原件；首个教育用例可以限定一个课程与测试学生；法律用例先用非敏感合同样本。平台把流程跑通后，再增加真实身份和数据，检查不同用户能否看见不同证据。若关键权限需要重写平台核心数据模型，改造和升级成本可能超过接口集成收益，应重新比较路线。选择云服务可以减少运维，但仍要保留来源、评测和业务产物的导出能力。

数据、记忆与模型替换

知识、会话与workspace具有平台数据模型；对删除、导出和训练使用另核合同。

连接不同模型不等于每模型质量与工具行为等价。

执行、部署与采用取舍

平台服务执行配置的应用流程，工具和外部系统各有责任。可视化workflow与Agent能力；核心业务约束仍需明确实现。Dify云服务或符合许可的源码部署；合同和能力分别核验。

完整平台有利于快速验证内部应用；优先配置和接口集成。

观察于2026-10-15：云服务与自托管源码按具体产品合同区分；latest non-prerelease 1.17.1；SHA 310ce87f9d78313966e5d17753ad36b9725b280b

许可边界：修改版Apache-2.0，含附加条件。采用前按实际使用方式核验组件、云服务与模型条款。

证据范围与未知

固定仓库和LICENSE已核；许可附多租户及前端品牌条件。

未公开或仍需目标环境验证的部分：企业三域质量；云版本权限和导出；具体使用方式许可适用性。本页不以产品表面行为推断其隐藏实现。

Dify：固定源码；Dify：附加许可条件。