Ch16: Dify 架构精读——工作流编排与 RAG 模块

Part 3 续：平台专章 前置：Ch07 四大平台总览 后续：Ch17: RAGFlow 完整精读：精读: Dify

结论先行：Dify 的护城河是 Workflow Engine + Model Runtime + Agent Framework，RAG 是标准双路混合（BM25+向量），深度不及 WeKnora，但 「Dify 编排 + WeKnora 检索」 是生产界常见组合。改 WeKnora 时，应向 Dify 学的是：可视化 DAG、条件分支、HTTP 节点集成外部检索。

调研元信息

一、设计哲学：低代码 LLM 应用工厂

三个层面：

1. 拖拽即开发——产品经理搭「检索 → 判分 → 分支 → 生成」无需写代码。
2. 模型即配置——100+ Provider 统一 invoke()，换模型不改业务。
3. 生态即壁垒——插件市场形成网络效应。

代价：RAG 深度让位于广度——无图谱第三路、无 RRF、分块较粗、六组件部署重。

二、六组件微服务架构

Web(Next.js) ──► API Server(Flask) ──► PostgreSQL
                      │
                      ├── Celery Worker（文档摄入、Embedding 异步）
                      ├── Redis（队列/缓存/会话）
                      └── Nginx

核心引擎层（api/core/）四子系统：

三、Workflow Engine：13 种节点

节点以 JSON DSL 存储，数据传递：{{#node_id.output_key#}}。

限制：无原生循环（防死循环），复杂 Agentic 需迭代节点或 Agent 模式。

半 Agentic 工作流示例（概念）

开始 → 问题分类器 → [技术FAQ] 知识检索(WeKnora HTTP)
                  → [闲聊] 直接 LLM
       → LLM 生成 → 条件分支(faithfulness?) 
                  → [低] 参数提取(子问题) → 迭代检索 → LLM
                  → [高] 结束

四、RAG Pipeline 四模式

与 WeKnora 差距：加权融合 vs RRF；单 Rerank vs 复合三信号；无双路外的图谱路。

五、Agent Framework

Agent 可挂载知识库 Tool——本质是封装检索节点。与 Ch12 Agentic RAG 对照：Dify 把 Agent 产品化，WeKnora 通过 MCP 暴露 Tool 给外部 Agent。

六、Dify + WeKnora 集成模式

# Dify HTTP 节点配置示意
method: POST
url: https://weknora.example/api/v1/search
headers:
  Authorization: Bearer ${WEKNORA_KEY}
body:
  query: "{{#start.query#}}"
  top_k: 5

工作流内可对 score 做条件分支，实现 WeKnora 裸 API 难表达的 检索质量门控。

七、贡献与学习路径

章末自检

• 画出 Dify 六组件及数据流
• 列出 Workflow 中 4 种与 RAG 直接相关的节点
• 说明混合检索与 WeKnora 三路+RRF 的三处差异
• 设计一个 HTTP 节点调用 WeKnora 的最简工作流（5 节点内）

延伸阅读

• 精读: Dify
• Ch12: Agentic RAG
• Agent 与 RAG 集成