衡宇 发自 凹非寺量子位 | 公众号 QbitAI
注意看，这个男人把超1000种大模型接入，让你可插拔无缝切换使用。
最近还上线了可视化的AI工作流：
给你一个直观的拖放界面，拖拖、拉拉、拽拽，就能在无限画布上编排自己个儿的Workflow。
正所谓兵贵神速，量子位听说，这个AI Workflow上线不到48小时，就已经有用户配出了100多个节点的个人工作流。
![]()
不卖关子，今天要聊的就是LLMOps公司Dify，及其CEO张路宇。
张路宇也是Dify的创始人。
投身创业前，有11年的互联网从业经验。搞产品设计，懂项目管理，也对SaaS有点自己的独到见解。
后来他还在腾讯云CODING DevOps团队负责产品和运营管理工作，服务超百万开发者用户的平台产品。
投身创业后，Dify迅速在他和团队的合力下成为“开源LLM应用程序开发平台”领域绝对的佼佼者，迄今在GitHub坐拥超22k星标。
![]()
这一次，借着上新AI Workflow功能，我们专门找到张路宇，和这个帮20万个AI应用接上大模型的男人聊了聊。
他说：
未来的编程，可能就是编flow。
![]()
拖放拽完成workflow设置
不久前，AI大牛吴恩达发表了一个引发广泛讨论的观点。他断言，AI agent workflow将在今年推动人工智能取得巨大进步，甚至可能超过下一代基础模型。
吴恩达视workflow为一个重要趋势，并呼吁所有从事AI工作的人都关注它。
于是Dify就趁热打铁地上线了AI workflow。（但其实Dify看到这个机会是在半年之前，这个我们待会说。）
正式上线后，它是酱婶儿的：
核心是一个直观的拖放界面。
![]()
用户可以通过连接不同的节点，在一个无限的画布上构建自己的Workflow。
没错，是“无限画布”——目前版本允许不断扩大可用节点的类型，且每个节点均可配置，用户可以为每个节点定义输入和输出，确保workflow的工作逻辑和数据流动符合预期。
也就是说，你既可以端到端地测试你的Workflows，也可以单独测试每个节点，快速定位问题所在。
值得注意的是，一些核心节点被优先支持，包括：
LLM：选择任意一个主流的大型语言模型，并定义它的输入和输出
工具：使用内置的和自定义的工具来扩展你的 workflow 能够实现的功能。
意图分类器：让LLM对用户的输入自动分类，根据不同的类别进行工作流转。
知识检索：为你的LLMs挂载来自现有知识库的上下文数据。
代码：执行自定义的Python或Node.js代码。
If/Else块：定义条件逻辑以创建分支的Workflows。
![]()
此外，AI workflow支持DSL的导入导出，张路宇称其为“最酷的功能之一”。
简单来说，用户可以导出自己的workflows，然后导入到其它工作区，让Workflows来去自如，同时还能根据需要再次自定义它们。
这个特性为社区内的合作、分享，以及在他人工作基础上再构建，打开了一扇窗户。
![]()
并且workflow中可以利用Dify平台的全部能力，用户已经设置好检索方案的知识库、平台提供的第一方丰富工具、自定义的工具等，都能作为其中一个节点能力编排。
可以说是和Dify生态无缝适配了。
不会把门槛降到无限低
AI Workflow上线后，Dify就有了两种应用模式。
一种是Workflow，一种则是传统的Chatflow。
“绝大多数用户会使用传统的Chatbot类型，它背后没有复杂的逻辑，基本上依靠接入的大模型的自我运作。”张路宇解释道，相比之下，Workflow会强大很多，但这不代表不能用Workflow做出聊天机器人。
这下就明了了，“workflow”虽然翻译为工作流，但其实代表的是Dify背后的运作机制。
而Dify之所以朝这样一个方向进化，原因是团队有自己的“信仰”。
我们认为，未来的编程，可能编的就是（work）flow。
据了解，Dify的下一步规划，是上线RAG的Pipeline，以及prompt的协同范式。
![]()
那么，不断给自己打补丁的Dify，到底把哪些群体视为自己的用户和潜在用户？
“假设全中国有1000万名开发者，其中有50万人现在有能力去创作、去影响别人，大模型对他们有天然的吸引力；剩下的人需要时间去理解和接纳新事物。”
有价值的、有留存的、能充分产品化的，在自己行业或技能有丰富技能的人——张路宇这么来“界定”Dify服务的主要用户群体，并称其为“真正的我们认为的专业的开发者，或者说这个有极具创造力的创新者”。
这部分群体，在所有人群中占比不超过10%。
所以，张路宇也坦白，DIfy一直做的事是降低工具的使用门槛，但门槛不会低到没有。
Dify更不会把使用门槛降为零。
![]()
我们还聊到了功能上线时间的选择。
Dify上线AI Workflow的时间并不早，去年下半年起，借着Agent概念大热的东风，不少创业公司就已经上线了类似功能。
但Dify称这个时间是主动选择的时机，在GPTs上线前，团队就对Workflow的机会有所洞察。
既想观察模型侧和产品侧的动态，又要交付完整能力，不打没有准备好的仗，“我们其实节奏故意放慢了一些。”
出身大厂，“但我离经叛道”
Dify有自己的节奏，大约和团队对自我技术的评估有关系。
当被问及是否担心大厂下场挤压市场空间时，得到的答案是正面的三个字：不害怕。
他们的理由是这样的：
一来，市场竞争似乎并没有那么紧迫与激烈。
去年5月Dify成立时，核心创始团队一直担心入场时间过晚，怕有团队先声夺人，“但事实是，没有别的团队做起来”。
二来，大厂往往是因为看到市场上有这么一个机会，供给推动，而选择押注；Dify则是因为看到切实需求才驱动研发。
![]()
不仅不怕大厂，Dify也不惧同类创业公司的力量。
张路宇表示，虽然有许许多多的现在这一波创业者，大多还是十年前的那一波创业者。这群人身上的标签，是在大厂进行过修炼。
“在打上大厂经历标签的同时，大厂部门之间写作流程复杂等，也成为了这些人固有的思维模版。”
同样在大厂呆过的张路宇，称自己是“大厂叛逆者”，标榜着自己的离经叛道——
我不归于（被思维掣肘）的那一类。我第一份工作在一个很大的游戏公司，21岁，当工程师。那时候只要我判断我做的事有价值，产品很好，我会忽略一切流程，把产品弄上线，叫偷渡上线。这在很多公司属于违规，但我一定要做。为什么呢？如果按流程走，可能走不通；但我把它上线，用户体验后带来的价值是显著的。
这和创业一样，需要接受风险。
![]()
创业有风险，下场需谨慎，好在有一些令张路宇高兴的事情。
他说，过去一年最兴奋的事情，就是有特别多的年轻人在涌入这个行业，有无数顶尖学校的应届生愿意投身到里面来。
这群人不缺好的机会，毕业后轻松能拿下500强或大厂的高职级，但现在愿意拿非常少的钱来做大模型相关的事情。
“在以前，我们如果想招聘这样的人是很难的，甚至不知道从哪里去找到这样的简历，更别提说服他们来加入。”
“这样的人在我们公司内部有很多吗？”
“已经至少有1/3？但这个比例我认为还不够高，这些人应该成为我们的主力。”
— 联系作者 —
![]()
— 加入量子位社群 —
![]()
注意看，这个男人把超1000种大模型接入，让你可插拔无缝切换使用。
最近还上线了可视化的AI工作流：
给你一个直观的拖放界面，拖拖、拉拉、拽拽，就能在无限画布上编排自己个儿的Workflow。
正所谓兵贵神速，量子位听说，这个AI Workflow上线不到48小时，就已经有用户配出了100多个节点的个人工作流。
不卖关子，今天要聊的就是LLMOps公司Dify，及其CEO张路宇。
张路宇也是Dify的创始人。
投身创业前，有11年的互联网从业经验。搞产品设计，懂项目管理，也对SaaS有点自己的独到见解。
后来他还在腾讯云CODING DevOps团队负责产品和运营管理工作，服务超百万开发者用户的平台产品。
投身创业后，Dify迅速在他和团队的合力下成为“开源LLM应用程序开发平台”领域绝对的佼佼者，迄今在GitHub坐拥超22k星标。
这一次，借着上新AI Workflow功能，我们专门找到张路宇，和这个帮20万个AI应用接上大模型的男人聊了聊。
他说：
未来的编程，可能就是编flow。
不久前，AI大牛吴恩达发表了一个引发广泛讨论的观点。他断言，AI agent workflow将在今年推动人工智能取得巨大进步，甚至可能超过下一代基础模型。
吴恩达视workflow为一个重要趋势，并呼吁所有从事AI工作的人都关注它。
于是Dify就趁热打铁地上线了AI workflow。（但其实Dify看到这个机会是在半年之前，这个我们待会说。）
正式上线后，它是酱婶儿的：
核心是一个直观的拖放界面。
用户可以通过连接不同的节点，在一个无限的画布上构建自己的Workflow。
没错，是“无限画布”——目前版本允许不断扩大可用节点的类型，且每个节点均可配置，用户可以为每个节点定义输入和输出，确保workflow的工作逻辑和数据流动符合预期。
也就是说，你既可以端到端地测试你的Workflows，也可以单独测试每个节点，快速定位问题所在。
值得注意的是，一些核心节点被优先支持，包括：
LLM：选择任意一个主流的大型语言模型，并定义它的输入和输出
工具：使用内置的和自定义的工具来扩展你的 workflow 能够实现的功能。
意图分类器：让LLM对用户的输入自动分类，根据不同的类别进行工作流转。
知识检索：为你的LLMs挂载来自现有知识库的上下文数据。
代码：执行自定义的Python或Node.js代码。
If/Else块：定义条件逻辑以创建分支的Workflows。
此外，AI workflow支持DSL的导入导出，张路宇称其为“最酷的功能之一”。
简单来说，用户可以导出自己的workflows，然后导入到其它工作区，让Workflows来去自如，同时还能根据需要再次自定义它们。
这个特性为社区内的合作、分享，以及在他人工作基础上再构建，打开了一扇窗户。
并且workflow中可以利用Dify平台的全部能力，用户已经设置好检索方案的知识库、平台提供的第一方丰富工具、自定义的工具等，都能作为其中一个节点能力编排。
可以说是和Dify生态无缝适配了。
不会把门槛降到无限低
AI Workflow上线后，Dify就有了两种应用模式。
一种是Workflow，一种则是传统的Chatflow。
“绝大多数用户会使用传统的Chatbot类型，它背后没有复杂的逻辑，基本上依靠接入的大模型的自我运作。”张路宇解释道，相比之下，Workflow会强大很多，但这不代表不能用Workflow做出聊天机器人。
这下就明了了，“workflow”虽然翻译为工作流，但其实代表的是Dify背后的运作机制。
而Dify之所以朝这样一个方向进化，原因是团队有自己的“信仰”。
我们认为，未来的编程，可能编的就是（work）flow。
据了解，Dify的下一步规划，是上线RAG的Pipeline，以及prompt的协同范式。
那么，不断给自己打补丁的Dify，到底把哪些群体视为自己的用户和潜在用户？
“假设全中国有1000万名开发者，其中有50万人现在有能力去创作、去影响别人，大模型对他们有天然的吸引力；剩下的人需要时间去理解和接纳新事物。”
有价值的、有留存的、能充分产品化的，在自己行业或技能有丰富技能的人——张路宇这么来“界定”Dify服务的主要用户群体，并称其为“真正的我们认为的专业的开发者，或者说这个有极具创造力的创新者”。
这部分群体，在所有人群中占比不超过10%。
所以，张路宇也坦白，DIfy一直做的事是降低工具的使用门槛，但门槛不会低到没有。
Dify更不会把使用门槛降为零。
我们还聊到了功能上线时间的选择。
Dify上线AI Workflow的时间并不早，去年下半年起，借着Agent概念大热的东风，不少创业公司就已经上线了类似功能。
但Dify称这个时间是主动选择的时机，在GPTs上线前，团队就对Workflow的机会有所洞察。
既想观察模型侧和产品侧的动态，又要交付完整能力，不打没有准备好的仗，“我们其实节奏故意放慢了一些。”
出身大厂，“但我离经叛道”
Dify有自己的节奏，大约和团队对自我技术的评估有关系。
当被问及是否担心大厂下场挤压市场空间时，得到的答案是正面的三个字：不害怕。
他们的理由是这样的：
一来，市场竞争似乎并没有那么紧迫与激烈。
去年5月Dify成立时，核心创始团队一直担心入场时间过晚，怕有团队先声夺人，“但事实是，没有别的团队做起来”。
二来，大厂往往是因为看到市场上有这么一个机会，供给推动，而选择押注；Dify则是因为看到切实需求才驱动研发。
不仅不怕大厂，Dify也不惧同类创业公司的力量。
张路宇表示，虽然有许许多多的现在这一波创业者，大多还是十年前的那一波创业者。这群人身上的标签，是在大厂进行过修炼。
“在打上大厂经历标签的同时，大厂部门之间写作流程复杂等，也成为了这些人固有的思维模版。”
同样在大厂呆过的张路宇，称自己是“大厂叛逆者”，标榜着自己的离经叛道——
我不归于（被思维掣肘）的那一类。我第一份工作在一个很大的游戏公司，21岁，当工程师。那时候只要我判断我做的事有价值，产品很好，我会忽略一切流程，把产品弄上线，叫偷渡上线。这在很多公司属于违规，但我一定要做。为什么呢？如果按流程走，可能走不通；但我把它上线，用户体验后带来的价值是显著的。
这和创业一样，需要接受风险。
创业有风险，下场需谨慎，好在有一些令张路宇高兴的事情。
他说，过去一年最兴奋的事情，就是有特别多的年轻人在涌入这个行业，有无数顶尖学校的应届生愿意投身到里面来。
这群人不缺好的机会，毕业后轻松能拿下500强或大厂的高职级，但现在愿意拿非常少的钱来做大模型相关的事情。
“在以前，我们如果想招聘这样的人是很难的，甚至不知道从哪里去找到这样的简历，更别提说服他们来加入。”
“这样的人在我们公司内部有很多吗？”
“已经至少有1/3？但这个比例我认为还不够高，这些人应该成为我们的主力。”
— 联系作者 —
— 加入量子位社群 —