Datawhale(datawhalechina) · 王熠明 · 高增玉 · 刘伟鸿 · 甘小琦 · 杨若朴 · 陈欣婧 · 邓宇文 · 潘笃驿
《Dify 应用开发指南》self-dify 2.0
跟随官方教程完成 Dify 本地部署,并动手搭建提示词应用、知识库问答、Agent 工作流、text2sql、DeepResearch、MCP、语音智能体等多类大模型应用。
Datawhale
- 难度
- 见前置条件
- 形式
- 实践教程
- 语言
- zh
- 规模
- 11 个课节
- 内容费用
- 费用待核验
- 动手
- 需要动手环境
使用限制
教程文档在 GitHub 上公开可读,但完整实践需自备 Docker 环境与可用的 LLM API Key 或本地 Ollama。开课提示词尚未实际运行验证。
- 学习材料
- GitHub 账号(可匿名浏览仓库与文档,登录后便于克隆/提 Issue)
- 练习与作业
- 可用的 LLM API Key(OpenAI、DeepSeek、智谱 AI、文心一言等)或本地部署 Ollama若使用云端 LLM API 可能产生调用费用;原站未说明具体价格
第一次学这门课?先完成学前准备,把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
- 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「《Dify 应用开发指南》self-dify 2.0」。课程目录是 self-dify-guide/(不知道完整路径就先问我)。 1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。 2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。 5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
课节共 11 节 · 官方顺序
- 01Dify本地部署
- 02掌握提示词(prompt)设计
- 03哄哄模拟器
- 04新生入学指南助手
- 05快速批处理小问题
- 06小红书读书卡片
- 07面试宝典
- 08text2sql及echart数据分析
- 09DeepResearch
- 10MCP
- 11多模态入门(语音文本转化)
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-16
- 指南参考
- 课程主页
版权与转载
- CC BY-SA 4.0:可转载和改编,需署名;改编作品须使用相同许可。原站说明
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。