Merge pull request #41 from HeteroCat/main

增加第五章dify部分内容

docs/chapter5/第五章 基于低代码平台的智能体搭建.md

@@ -307,15 +307,340 @@ Arxiv插件配置
 
 
 ## 5.3 平台二：Dify
-### 5.3.1 Dify 的架构与特性
-### 5.3.2 构建 Hello Agents 专属问答智能体
-案例说明: 这个实践的目标是利用 Dify 强大的知识库功能，将这个项目的前四章作为知识源，创建一个能精准回答本书内容的智能问答助手。
-#### 5.3.2.1 步骤一：创建并配置知识库
-#### 5.3.2.2 步骤二：设计系统提示词与对话流程
-#### 5.3.2.3 步骤三：调试与效果验证
-### 5.3.3 Dify 的优势与局限性分析
+### 5.3.1 Dify 的介绍与生态
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-01.png" alt="图片描述" width="90%"/>
+  <p>图 5.15 Dify官网</p>
+</div>
+​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（BaaS） 和 LLMOps 理念，为从原型设计到生产部署提供全流程支持。它采用分层模块化架构，分为数据层、开发层、编排层和基础层，各层解耦便于扩展
+。在技术栈上，后端主要使用 Python + Flask 提供 REST API，并用 Celery 处理异步任务，前端采用 React + TypeScript 构建界面（工作流画布基于 ReactFlow）。数据存储上默认使用 PostgreSQL（元数据）、Weaviate 向量数据库和 Redis 缓存，以支持知识库检索和高并发。Dify 对模型高度中立且兼容性强：无论开源或商业模型，用户都可通过简单配置将其接入，并通过统一接口调用其推理能力。其内置支持对 数百种开源或专有 LLM 的集成，涵盖 GPT、Deepseek、Llama等模型，以及任何兼容 OpenAI API 的模型。同时，Dify 支持 本地部署（官方提供 Docker Compose 一键启动）和云端部署。用户可以选择将 Dify 自建部署在本地/私有环境（保障数据隐私），也可以使用官方 SaaS 云服务（下述商业模式部分详述）。这种部署灵活性使其适用于对安全性有要求的企业内网环境或对运维便利性有要求的开发者群体。自 2023 年5月开源以来，Dify 在社区中获得了爆发式关注。GitHub 星标超过 10万（2025年中突破 100k 星），跻身全球最受欢迎的百强开源项目之列。截至 2025年9月，其 GitHub 仓库已有约1000名贡献者参与代码提交。如此高的 Star 数和贡献者数量表明社区极其活跃，全球开发者通过提交代码、反馈问题和撰写文档共同推动项目演进。官方也特别感谢了多个核心贡献者在新模型接入、部署优化、插件生态等方面的努力。Dify 项目保持着快速的发布节奏（2023年至2025年持续版本迭代至 v1.9+），社区讨论活跃（拥有官方 Discord、Reddit 等频道）。如此蓬勃的开源社区为 Dify 提供了源源不断的创新动力和问题修复支持。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-02.png" alt="图片描述" width="90%"/>
+  <p>图 5.16 Dify Marketplace插件生态</p>
+</div>
+Marketplace 插件生态：​Dify Marketplace 提供了一站式插件管理和一键部署功能，使开发者能够发现、扩展或提交插件，为社区带来更多可能​。Marketplace 包含：​
+
+- 模型 (Models)​
+- 工具 (Tools)​
+- 智能体策略 (Agent Strategies)​
+- 扩展 (Extensions)​
+- 捆绑包 (Bundles)​
+
+目前，Dify Marketplace 已拥有超过 8677 个插件，涵盖各种功能和应用场景​。其中，官方推荐的插件包括：​
+- Google Search: langgenius/google​
+- Azure OpenAI: langgenius/azure_openai​
+- Notion: langgenius/notion​
+- DuckDuckGo: langgenius/duckduckgo​
+​
+
+  
+Dify 为插件开发者提供了强大的开发支持，包括远程调试功能，可与流行的 IDE 无缝协作，只需最少的环境设置​。开发者可以连接到 Dify 的 SaaS 服务，同时将所有插件操作转发到本地环境进行测试，这种开发者友好的方法旨在赋能插件创建者并加速 Dify 生态系统的创新。​这也为什么Dify可以成目前最成功的智能体平台之一，因为模型是都可以接入的，提示词、编排是可以复制的，但是工具插件的有无，是否丰富就直接决定了你的智能体能否做出更好的效果或者意想不到的强大功能。
+
+
+Dify 社区的贡献得到了行业的广泛认可：​开源社区年度最具影响力 LLMOps 平台、​开发者工具技术创新金奖、​全球开发者大会开源贡献之星​、GitHub 全球 LLM 工具增速第一​。​开发者对 Dify 的评价普遍积极，认为其：​"是最优雅的 LLM 应用开发平台之一，界面设计美观，功能强大"​、"提供了强大的工作流编排能力，让复杂的 AI 应用开发变得简单"​、"模型中立性设计非常出色，能够轻松切换不同的大模型"​、"活跃的社区和完善的文档支持，使开发过程更加顺畅"​。
+
+### 5.3.2 构建一个超级智能体个人助手
+在上一个coze的案例我们已经搭建了一个每日AI简报的智能体，但是会不会感觉他其实有点太简单了，因为他只有一个功能生成简报。那么现在我们就用dify来做一个功能全面而且更加丰富有趣的超级智能体个人助手吧。照例我们简单介绍一下dify的界面和使用。
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-14.png" alt="图片描述" width="90%"/>
+  <p>图 5.17 Dify 智能体搭建主页</p>
+</div>
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-18.png" alt="图片描述" width="90%"/>
+  <p>图 5.18 Dify 官方模板库</p>
+</div>
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-15.png" alt="图片描述" width="90%"/>
+  <p>图 5.19 Dify 知识库</p>
+</div>
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-16.png" alt="图片描述" width="90%"/>
+  <p>图 5.20 Dify 插件市场</p>
+</div>
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-17.png" alt="图片描述" width="90%"/>
+  <p>图 5.21 Dify 大模型配置</p>
+</div>
+
+#### 5.3.2.1 步骤一：创建插件和配置MCP
+OK，简单了解完dify的大体架构，现在我们就从头开始讲如何搭建一个你专属的私人超级智能体。在开始之前我们还需要做一些配置，才能让我们的智能体发挥作用。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-19.png" alt="图片描述" width="90%"/>
+  <p>图 5.22 Dify 插件安装配置</p>
+</div>
+
+上面这些红色框框起来的插件就是我们需要在插件市场安装到自己环境中使用的插件，在插件市场中再找他们并安装就行了。有兴趣的话你也可以点击查看详情了解这些插件的详细功能和作用。
+
+插件安装很简单，只需要在插件市场中找到即可。下面我们看看在dify中使用mcp的配置，关于mcp有很多详细的资料，这里我们就不展开了，我们只讲最简单的如何使用别人在云端部署好的mcp，也就是最简单的mcp使用并且使用国内的mcp插件市场魔搭社区给大家进行演示。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-20.png" alt="图片描述" width="90%"/>
+  <p>图 5.23 魔搭社区mcp市场</p>
+</div>
+
+打开魔搭社区的mcp市场，在右边选择hosted类型，比如我们已高德mcp为例，点击高德mcp进入他的主页，在右侧选择sse模式点击连接配置，这样子生成的一个mcp配置json就完成你专属的高德mcp了。mcp有很多种模式，但是dify的mcp配置使用sse通信上会更好更流畅一些，所以建议选择sse模式。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-21.png" alt="图片描述" width="90%"/>
+  <p>图 5.24 高德mcp配置示例</p>
+</div>
+
+#### 5.3.2.2 步骤二：agent设计与效果展示
+
+本次我们使用dify来创建一个覆盖生活全方面的私人助手，包括日常生活问答、文案润色、多模态的图片和视频生成、数据查询、数据可视化分析、高德mcp、吃什么mcp、新闻mcp。全方面的覆盖生活的衣食住行为你提供量身定制的智能体助手，带来全面的智能体验。下面我们就一步一步给大家演示一下如何进行相关的配置和设计。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-12.png" alt="图片描述" width="90%"/>
+  <p>图 5.25 智能体编排</p>
+</div>
+面对这样子的多智能体形态我们选择使用问题分类器帮助大家进行多个智能体的协调调度，在分类器中我们设置好每个智能体的核心功能和任务，确保可以进入到正确的分类。
+
+首先是我们的日常助手，这个其实很简单就是一个大模型设置好对应的提示词和基础的时间工具，相对于一个保底的流程。
+
+提示词设置：
+```
+# Role: 日常问题咨询专家
+
+## Profile
+- language: 中文
+- description: 专门回答用户日常生活中的一般性问题，提供实用、准确、易懂的建议和解答
+- background: 拥有丰富的生活经验和广泛的知识储备，擅长将复杂问题简单化
+- personality: 亲切友好、耐心细致、务实可靠
+- expertise: 日常生活、健康养生、家庭管理、人际关系、实用技巧
+
+
+## Skills
+
+1. 问题分析能力
+   - 快速理解: 迅速把握用户问题的核心要点
+   - 分类识别: 准确判断问题所属的生活领域
+   - 需求挖掘: 深入理解用户潜在需求
+   - 优先级排序: 合理评估问题的重要性和紧急性
+
+2. 解答提供能力
+   - 知识整合: 综合运用多领域知识提供解答
+   - 方案制定: 提供具体可行的解决方案
+   - 步骤分解: 将复杂问题拆解为简单步骤
+   - 替代方案: 准备多种备选方案供用户选择
+
+3. 沟通表达能力
+   - 语言通俗: 使用简单易懂的日常用语
+   - 逻辑清晰: 条理分明地组织回答内容
+   - 举例说明: 通过具体案例帮助理解
+   - 重点突出: 强调关键信息和注意事项
+
+## Rules
+
+1. 回答原则：
+   - 实用性优先: 确保提供的建议具有可操作性
+   - 准确性保证: 基于可靠信息和常识给出回答
+   - 中立客观: 避免个人偏见和主观臆断
+   - 适度建议: 根据问题复杂程度提供适当深度的解答
+
+2. 行为准则：
+   - 及时响应: 快速回应用户的问题
+   - 耐心细致: 对重复或简单问题保持耐心
+   - 积极引导: 鼓励用户提供更多背景信息
+   - 持续改进: 根据反馈优化回答质量
+
+
+## Workflows
+
+- 目标: 为用户提供实用、可靠的日常问题解决方案
+- 步骤 1: 仔细阅读并理解用户提出的日常问题
+- 步骤 2: 分析问题类型和用户潜在需求
+- 步骤 3: 基于常识和经验提供具体可行的建议
+- 步骤 4: 用通俗易懂的语言组织回答内容
+- 步骤 5: 检查回答的实用性和安全性
 
 
+## Initialization
+作为日常问题咨询专家，你必须遵守上述Rules，按照Workflows执行任务。
+```
+效果演示：
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-03.png" alt="图片描述" width="90%"/>
+  <p>图 5.26 日常助手</p>
+</div>
+第二是文案优化，我们从openai的数据报告中可以看到60%以上的用户，使用chatgpt其实都是在做文本优化相关的任务，很简单的把我润色或者修改、扩写、缩小等等，其实并没有很多复杂的或者编程设计类的工作。所以我们把这个部分做为我们的第二个功能。帮助大家在最多的使用场景下获得最好的效果
+
+提示词设置：
+```
+# 一、 角色人设（Role）
+你是一位专业的文案优化专家，拥有丰富的营销文案写作和优化经验，擅长提升文案的吸引力、转化率和可读性。你的视角是站在目标受众和营销目标的角度，专业度边界限于文案优化领域，不涉及技术实现或产品开发。
+
+# 二、 背景（Background）
+用户提供了一段原始文案，需要你对其进行优化，以提升其整体效果。背景信息包括：文案可能用于营销、品牌推广或信息传达等场景，但具体用途未详细说明。已知条件是用户希望文案更吸引人、清晰或具有说服力，但未提供原始文案内容，因此你需要基于通用优化原则工作。
+
+# 三、 任务目标（Task）
+- 分析并优化文案的结构、语言和风格，使其更符合目标受众的偏好。
+- 提升文案的吸引力、可读性和转化潜力，确保信息传达清晰。
+- 根据常见优化原则（如简洁性、情感共鸣、行动号召等）进行调整，不涉及内容重写，除非必要。
+- 在保持核心信息的前提下，适当扩展和丰富文案内容，提供更全面的优化版本。
+
+# 四、 限制提示（Limit）
+- 避免改变原始文案的核心信息或意图，除非用户明确要求。
+- 不要添加虚构或无关内容，确保优化基于逻辑和最佳实践。
+- 避免使用过于技术性或专业术语，除非目标受众是专业人士。
+- 不涉及对图片、布局或其他非文本元素的优化。
+
+# 五、 输出格式要求（Example）
+输出应为优化后的文案文本，结构清晰，语言流畅，内容详实。例如：
+- 如果原始文案是“我们的产品很好，快来买吧”
+优化后可以是：“在这个充满选择的时代，真正打动人心的从来不是浮夸的宣传，而是经得起时间和用户考验的好产品。我们的产品正是如此。它不仅在设计上注重细节与品质，更在功能上不断打磨与创新，只为给每一位用户带来更好的使用体验。无论是外观的质感，还是性能的稳定，我们始终坚持高标准严要求，力求让每一位选择我们的顾客都能感受到物超所值的惊喜。
+我们深知，购买一款产品，不仅仅是一次简单的消费，更是一种对生活方式的选择。因此，我们从选材、工艺到售后服务的每一个环节，都倾注了满满的诚意与专业，用心守护您的每一次体验。无论您是追求实用、注重品质，还是想要与众不同的个性化，我们的产品都能为您提供理想的解决方案。
+现在，就让我们用行动来证明一切。真正的好产品，不需要过多修饰，它本身就是最好的代言人。立即行动，选择我们，让品质改变生活，从此拥有与众不同的体验！”
+- 输出应直接呈现优化内容，无需额外解释或注释，除非用户要求。请确保优化后的文案内容更加丰富和完整，优化后的文案文本须超过500字。
+```
+
+效果演示：
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-04.png" alt="图片描述" width="90%"/>
+  <p>图 5.27 文案助手</p>
+</div>
+
+除了文本，我们最常见的图片、视频生成也是我们使用得比较多的功能，只是说这部分可能并不便宜。而且在之前很多生图、视频的效果也不是很好，还是一个不断发展的过程。不过随着像豆包生图的进化以及谷歌Nano banana的崛起生成图片的效果已经达到了十分逼真而且可控的效果，视频也在可灵和谷歌veo3的带领下，包括最新很火的openai sora2更新下迎来了又一个里程碑式的进步。下面我们就使用豆包的插件来完成生图和生成视频。其实非常简单你只要跟着我们前面的步骤把对应的插件安装好了之后，现在在工作流中添加对应的插件并把他们连起来，并且选择你喜欢的参数，比如说设置1比1的图片比例，选择生图模型doubao seedream。然后把生成的file文件输出就可以看到AI生成的图片了。像下面这样子
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-13.png" alt="图片描述" width="90%"/>
+  <p>图 5.28 生图设置</p>
+</div>
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-05.png" alt="图片描述" width="90%"/>
+  <p>图 5.29 生图助手</p>
+</div>
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-06.png" alt="图片描述" width="90%"/>
+  <p>图 5.30 视频助手</p>
+</div>
+接着我们来看在dify中关于数据的处理，特别是如何连接数据库来实现数据查询和数据分析。首先我们应该先安装我们的数据查询工具的插件，我使用的是dify中使用量最多的rookie-text2data这个插件，其实数据查询最关键的在于你如何给大模型一个清晰的表结构和字段名称，让他能够生成准确的sql查询语句，最简单的就是直接将数据表的ddl数据给大模型让他自己判断，或者将数据库的表名，字段名写成一一对应的关系这样子大模型更好理解。当然最基础的你需要配置一下数据库的信息，地址IP，数据库名称，数据库端口、账号、密码等等。这些我就不一一介绍了，你只需要按照要求将正确的信息填写就可以了。最后查询完整了的数据也并不是可以直接使用的。我们还要把查询结果交到我们的一个大模型节点进行整理成大家都看得懂的语言输出。
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-22.png" alt="图片描述" width="90%"/>
+  <p>图 5.31 数据库配置</p>
+</div>
+
+提示词设置：
+
+```
+# 一、 角色人设（Role）
+您是一位专业的数据查询师，擅长数据整理，具有清晰的逻辑思维和简洁表达能力。
+
+# 二、 背景（Background）
+用户提供了从数据库中查询到的原始数据，这些数据可能存在格式不统一、字段缺失、重复记录等问题，需要经过专业整理后才能有效展示。
+
+# 三、 任务目标（Task）
+1. 对原始数据进行归纳和整理
+2. 按照正确的逻辑对数据进行分类和排序
+3. 数据展示突出关键信息和数据洞察
+4. 提供易于理解的数据展示
+
+# 四、 限制提示（Limit）
+1. 不得随意删除重要数据
+2. 避免使用过于复杂或专业的统计术语
+3. 不得篡改原始数据的真实值
+4. 避免展示过多冗余信息，保持简洁明了
+5. 不得泄露敏感数据或个人隐私信息
+
+# 五、 输出格式要求（Example）
+ 数据概览：简要说明数据内容即可
+```
+
+效果展示：
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-07.png" alt="图片描述" width="90%"/>
+  <p>图 5.32 数据查询助手</p>
+</div>
+提示词设置：
+
+```
+# 一、 角色人设（Role）
+你是一位专业的数据分析师，具备数据整理、清洗和可视化能力，能够从原始数据中提取关键信息并转化为直观的可视化展示。
+
+# 二、 背景（Background）
+用户已从数据库中查询到一批原始数据，这些数据可能包含多个字段、存在缺失值或格式不一致的情况，需要经过整理后生成可视化图表。
+
+# 三、 任务目标（Task）
+#工作流程
+1. 数据分析
+按照合理的规则进行数据分析整理总结
+2. 分析 & 可视化
+至少生成 1 幅图表（柱状 / 折线 / 饼图任选其1或以上）
+可调用工具：“generate_pie_chart" | "generate_column_chart" | "generate_line_chart"
+
+# 四、 限制提示（Limit）
+1. 避免使用过于复杂的图表类型，确保可视化结果易于理解
+2. 不要忽略数据质量问题，必须进行必要的数据清洗
+3. 避免在可视化中使用过多颜色或元素，保持简洁明了
+4. 不要遗漏关键数据的标注和说明
+5.必须进行总结和图表生成，不管数据多少
+
+# 五、 输出格式要求（Example）
+请按照以下格式输出：
+1. 数据概况总结（不要输出字段名称，不要分点，一小段话就行）
+2. 展示生成的图表
+```
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-08.png" alt="图片描述" width="90%"/>
+  <p>图 5.33 数据分析助手</p>
+</div>
+
+数据分析助手这一块唯一的不同就是我们增加了数据可视化的工具，也就是“generate_pie_chart" | "generate_column_chart" | "generate_line_chart"这几个生成bi图表的工具插件，这个在前面相信大家都按照要求安装了就可以直接添加启动使用，并像上面的提示词一样增加对应的描述即可。
+
+最后来到我们的mcp尝鲜部分，使用mcp做为智能体的工具来实现相关的查询和信息。在前面我们已经告诉我们如何启动我们的mcp，现在我们只需要将我们的mcp设置到智能体中即可。首先我们要选择支持调用mcp的智能体策略，然后选择react模式，这样子我们就可以将我们在魔搭社区配置的mcp服务配置到我们的智能体中调用了，这里注意两个点一把复制过来的mcp-server这个头删掉，二选择sse模式的mcp。然后像下面这样子配置到对应的地方，并且填写提示词即可完成。效果如下
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-23.png" alt="图片描述" width="90%"/>
+  <p>图 5.34 智能体的mcp配置</p>
+</div>
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-09.png" alt="图片描述" width="90%"/>
+  <p>图 5.35 高德助手</p>
+</div>
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-10.png" alt="图片描述" width="90%"/>
+  <p>图 5.36 饮食助手</p>
+</div>
+
+<div align="center">
+  <img src="https://github.com/HeteroCat/hello-agents/blob/main/docs/images/5-figures/dify-11.png" alt="图片描述" width="90%"/>
+  <p>图 5.37 新闻助手</p>
+</div>
+到这里你就已经完成了一个全面的私人专业的超级智能体，他能帮你规划你的衣食住行生活的各个方面，你都能找他帮忙。今天像换件新衣服了，来豆包帮我生成一个，今天想出门了来高德帮我规划一下，今天不知道吃什么了来给我推荐一个，想看看学习数据怎么样来分析分析我的学习成绩情况等等等等。你可以让他帮你完成各方各面的工作任务，只有你想不到没有他完不成的。最后期待看到大家的自己搭建的私人超级智能体助手是什么样的。
+
+### 5.3.3 Dify 的优势与局限性分析
+
+Dify 作为一款领先的 AI 应用开发平台，在多个方面展现出显著优势但也并不完全完美：​
+
+1. 核心优势​
+- 全栈式开发体验：Dify 将 RAG 管道、AI 工作流、模型管理等功能整合到一个平台中，提供一站式的开发体验​。
+- 低代码与高扩展性的平衡：Dify 在低代码开发的便利性和专业开发的灵活性之间取得了良好平衡​
+​
+- 企业级安全与合规：Dify 提供 AES-256 加密、RBAC 权限控制和审计日志等功能，满足严格的安全和合规要求​
+​
+- 丰富的工具集成能力：Dify 支持 9000 + 工具和 API 扩展，提供了广泛的功能扩展性​
+- 活跃的开源社区：Dify 拥有活跃的开源社区，提供了丰富的学习资源和支持​
+​
+2. 主要局限​
+- 学习曲线较陡：对于完全没有技术背景的用户，仍然存在一定的学习曲线​
+​
+- 性能瓶颈：在高并发场景下可能面临性能挑战，需要进行适当的优化​。Dify 系统的核心服务端组件由 Python 语言实现，与 C++、Golang、Rust 等语言相比，性能表现相对较差
+​
+- 多模态支持不足：当前主要以文本处理为主，对图像、视频、HTML等的支持有限​
+​
+- 企业版成本较高：Dify 的企业版定价相对较高，可能超出小型团队的预算​
+​
+- API 兼容性问题：Dify 的 API 格式不兼容 OpenAI，可能限制与某些第三方系统的集成​
+​
 
 ## 5.4 平台三：FastGPT