第 1 章

理解與活用生成式 AI

在動手操作之前，先花一點時間搞懂兩件事：生成式 AI 到底是怎麼「回答」你的，以及 Dify 在整個 AI 應用開發裡扮演什麼角色。理解了這兩件事，後面每一章的操作都會變得「理所當然」。

本章目標

要學什麼: AI 應用開發的全貌，以及用 Dify 開發的意義
學會的技能: 理解 LLM 回答的機制、理解 Dify 的定位與優缺點
能做出什麼: 本章是觀念章，從第 2 章開始動手做

1.1生成式 AI 是怎麼回答你的？

你在 ChatGPT 或 Claude 輸入一句話，幾秒後它回你一段流暢的文字。這中間發生了什麼事？

核心其實只有一件事：大型語言模型（LLM）在做「接龍」。模型讀入你的文字，然後一次預測一個最合理的「下一個詞」，把它接上去，再預測下一個，如此反覆，直到組成完整的回答。它之所以能接得又準又自然，是因為它在訓練時讀過網路上海量的文字，把「什麼樣的上下文之後通常接什麼」學進了數千億個參數裡。

重點
LLM 不是在資料庫裡「查」答案，而是根據機率「生成」答案。這解釋了它的兩個天性：能舉一反三（沒看過的問題也能答），但也可能一本正經地胡說八道（機率上合理，事實上錯誤，俗稱「幻覺」）。

1.1.1從「會聊天」到「有用的應用程式」還差幾步？

光有一個會聊天的模型，離「能在工作中派上用場的應用」還有一段距離。實務上你會遇到這些問題：

它不知道你的資料——公司規章、產品手冊、內部知識，模型訓練時沒讀過。（解法：RAG，第 3 章）
它不會執行動作——查天氣、算數字、呼叫 API，光靠文字接龍做不到。（解法：Agent 與工具，第 4、7 章）
它需要固定的處理流程——「先分類、再查資料、最後彙整」這種多步驟業務，需要流程控制。（解法：Workflow，第 5、6 章）
它要能被系統呼叫——做好的 AI 功能要嵌入既有系統。（解法：API，第 9 章）

這些「差的幾步」，正是這本教學接下來每一章要補上的東西，而 Dify 就是把這些能力全部整合在一個平台上的工具。

1.2Dify 的角色：課題驅動開發

傳統的 AI 應用開發，你得會 Python、懂 LangChain 之類的框架、自己架資料庫和向量檢索、自己寫前端。等環境都搞定，往往已經過了好幾週。

Dify 把這條路徹底翻轉。它把 LLM 管理、知識庫、工具、流程編排、API、監控全部做成視覺化的網頁介面，讓你用「拖拉節點、填設定」的方式組出 AI 應用。於是開發的起點不再是「我要先學會哪些技術」，而是——

小技巧
「我想解決什麼問題？」——這就是課題驅動開發（Issue-Driven Development）。先有課題（想自動回覆客服信、想讓新人查得到公司規定），再用 Dify 把解法組出來。技術門檻降低後，最了解問題的人（往往不是工程師）也能自己動手做。

1.2.1人與 AI 的新分工

在 Dify 的世界裡，人負責「定義問題、設計流程、準備知識」，AI 負責「理解語言、生成內容、判斷分類」。你會在第 5 章看到，一條 Workflow 就是這種分工的具體呈現：每個節點該做什麼由你決定，節點裡面的智慧由模型提供。

1.3Dify 到底是什麼？

一句話：Dify 是一個開源的 LLM 應用開發平台。你可以把它想成「AI 應用的樂高工作桌」——模型、知識、工具是積木，Dify 提供拼裝的桌面和說明書。

Dify 主控台首頁，顯示豐富的應用範本庫 — **圖 1-1**Dify 的主控台首頁。內建大量現成範本：聊天流、工作流、Agent 應有盡有，之後我們會親手做出這每一種。

1.3.1開源，而且可以完全在自己電腦上跑

Dify 的原始碼公開在 GitHub，你可以免費使用社群版（Community Edition），用 Docker 在自己的電腦或伺服器上架起來。本教學全程使用的就是本機社群版——所有截圖的網址都是 http://localhost。資料不出門，對處理公司內部文件特別安心（完整的安裝與部署細節在第 10 章）。

1.3.2No-Code 起步，Low-Code 進階

簡單的聊天機器人完全不用寫程式（第 2 章你會體驗到「五分鐘做一個」）；需要更細緻的控制時，可以在流程中插入一小段 Python 或 JavaScript（第 6 章的 Code 節點）。從零程式到少量程式，坡度非常平緩。

Dify 工作室頁面 — **圖 1-2**「工作室」是你之後最常待的地方——所有自己建立的應用都集中在這裡管理。現在還是空的，下一章馬上放進第一個作品。

1.3.3做好的應用可以當 API 用

在 Dify 上做好的每一個應用，都自動附帶一組 REST API。這代表你可以把 Dify 當成「AI 後端」（BaaS），讓自家網站、App、內部系統直接呼叫（第 9 章）。

1.3.4老實說，Dify 也有不夠好的地方

版本更新快，介面常改版——截圖若與你看到的略有出入，找相同名稱的按鈕即可。
極複雜的客製邏輯（例如特殊的資料結構處理）終究需要寫點程式碼。
視覺化流程在節點很多時會變得難以維護，需要良好的設計習慣（第 6 章的「十二之型」就是為此而生）。

知道邊界在哪，才能把工具用在刀口上。準備好了嗎？下一章我們馬上動手，做出你的第一個聊天機器人。