• 0
  • 0
分享
  • Dify.AI:简单易用的 LLMOps 平台,可视化创造和运营你的
  • Dify 2023-07-27 09:58:18 字数 1575 阅读 1136 收藏 0

Dify 一词源自 Define + Modify,意指定义并持续改进你的 AI 应用。

随着大型语言模型(LLM)不断涌现的各种能力,AI 应用的场景变得更加广阔。然而,对于大多数开发者而言,基于 GPT 等大型语言模型、Langchain 等技术框架开发 AI 应用仍然是一项门槛极高的任务。开发者必须花费大量时间学习各种晦涩的概念和技术研究,也无法进行 AI 应用的持续运营。

是否有这样一个工具,开发者无需关注基础设施的底层原理,只需专注于将想象力转化为实际落地的 AI 应用并持续运营,可以将大型语言模型变成像云计算服务一样易于使用?

基于这个问题,Dify.AI 诞生了。

它是为你而做的(Do it for you)。

1.1.png


PS:LangGenius 是 Dify 正式发布前的名称,本号名称和 Logo 正在更换中。


Dify.AI 是什么?

Dify.AI 是一款 LLMOps 平台,帮助开发者更简单、更快速地构建 AI 应用。它的核心理念是通过可声明式的 YAML 文件定义 AI 应用的各个方面,包括 Prompt、上下文和插件等。Dify 提供了可视化的 Prompt 编排、运营、数据集管理等功能。这些功能使得开发者能够在数天内完成 AI 应用的开发,或将 LLM 快速集成到现有应用中,并进行持续运营和改进,创造一个真正有价值的 AI 应用。

目前已支持能力:

01 可视化编排 Prompt

通过界面化编写 prompt 并调试,只需几分钟即可发布一个 AI 应用。

02 接入长上下文(数据集)

全自动完成文本预处理,使用您的数据作为上下文,无需理解晦涩的概念和技术处理。

03 基于 API 开发

后端即服务。您可以直接访问网页应用,也可以接入 API 集成到您的应用中,无需关注复杂的后端架构和部署过程。

04 数据标注与改进

可视化查阅 AI 日志并对数据进行改进标注,观测 AI 的推理过程,不断提高其性能。

只需 4 步,就可以创造一个适配各种场景的 AI 应用,例如个性化对话机器人、AI 智能客服、基于专业知识的文本生成等。

1.2.png

1.3.png

1.4.png

1.5.png

目前,我们已经完成 OpenAI GPT 系列的支持,正在接入 Azure OpenAI Service、 Claude 、Hugging Face HubHugging Face Hub 等模型。即将支持插件能力,释放大型语言模型的无限潜力。

1.6.png


Dify.AI 来自哪里?

Dify.AI 是由原腾讯云 CODING DevOps 团队的核心成员倾力打造。我们在 SaaS 开发者工具产品领域深耕多年。曾成功打造多款开发者协同产品,将 CODING 成功打造为国内成熟度最高、覆盖面最广、拥有数百万开发者用户的一站式 DevOps 平台。这些经验也为我们创造 Dify 这款 LLMOps 产品提供了很大帮助。

如果你对 Dify 产品及团队感兴趣,欢迎与我们交流:hello@dify.ai


上线 36 小时...

2023 年 5 月 9 日正式上线生产环境。尚未来得及小范围公测,只因团队创始人临时起意在社区平台发了一条动态,就此引发大量用户的自发传播。在短短 36 小时内,创建的应用数达到 1500+,开源项目 Star 超 240+(即使我们还没有正式开源)。同时,收到了大量的用户好评与肯定。感谢社区朋友们的鼓励。

1.7.png


开源,创造自然涌现

我们相信,当 AI 应用无处不在,它将产生难以想象的影响力与价值,创造自然涌现。

我们即将开源 Dify ,让全世界的开发者可以参与其中。我们希望打造一个开放的生态,通过 Dify 的开源和持续发展,推动大型语言模型的普及,帮助创新者更好地创造 AI 应用。

欢迎在 GitHub 上关注我们,创造你的 AI 应用:

https://github.com/langgenius/dify


  • 【留下美好印记】
    赞赏支持
登录 后发表评论
+ 关注

热门文章

    最新讲堂

      • 推荐阅读
      • 换一换
          •   今天一看日历,才突然意识到自己毕业已经四年了。四年时间里一直在测试行业摸爬滚打,现在是时候记录一下了。  下面我来分享下我这4年软件测试经验及成长历程,或许能帮助你解决很多工作中的迷惑。  我是如何开始做测试的?  2013年开始上大学,一个不算好的小二本,专业也是被调剂的-信息与计算科学,看起来高大上的专业,实际到真正学习的时候才发现,学习的东西泛而不精,数学知识与计算机知识掺杂,导致大学学了四年后,对什么都一知半解,更找不到毕业后的方向和职业规划。  一个偶然的机会,接触到了嵌入式,听说发展前景很好。由于当时对就业的迷茫,终于没能抵挡住诱惑,就这样,大四那年基本都是在嵌入式学习中度过的...
            0 0 646
            分享
          • 我们写用例的时候一般是先写测试点,然后再写测试用例,也可以这么理解,测试点就是精简版的测试用例。编写用例四个基本方法:等价类、边界值、正交法、场景法。我认为对于一般的企业测试来说,这四个方法足够了。编写测试用例的策略:先点后面,先局部再整体,最忌讳的是点和面混在一起,局部和整体不明。在测试点设计的时候,需要思考如下几点:1、测试操作的难度;测试操作包括环境、配置、执行等因素,在测试设计时,尽量减小操作的难度。2、重要性及优先级;测试点一定要区分重要性及优先级,以便在实际项目测试中进行选择。重要性部门建议突出内部测试、外部验收、线上问题等标签,便于管理和分类更新。3、自动化可实现性;测试点一定要...
            0 0 1973
            分享
          •   1.用例评审的目的  ·为了减少测试人员执行阶段做无效工作,执行无效case,提交无效缺陷(可以友情提醒研发同学,讲到自己负责的相关模块时,注意下是否存在异议点)  · 为了避免三方(产品、研发、测试)需求理解不一致;  · 为了每个测试人员的质量标准与项目要求标准达成一致。  2.评审前的准备工作  2.1用例编写  需求评审结束后,可以把需求拆分为功能点  测试点梳理时,要关注横向逻辑,即功能点本身,更要关注纵向逻辑,即业务流。  工具:建议用XMind  优点:用画思维导图的方式,逻辑清楚,便于评审人员(产品和开发人员)快速查看,评审效率高。  具体用什么工具方法...
            0 0 389
            分享
          •   从去年决定跳出舒适区,应聘大厂,截止到目前已经将近一年,值此之际,总结下自己近一年在大厂的经历。  希望通过我的感触,能够帮助你们进一步了解大厂的测试工作。  维护上下游合作关系  在大厂,人际关系非常重要,为什么要把它放在第一位,是因为在大厂里做测试的时候,所涉及的系统错综复杂,种类繁多,经常要进行上下游的联调测试。  我刚开始的时候,测试联调找不到相关的责任人,使得自己在测试工作中浪费了大量的时间和精力,所以进入大厂之后,一定先要:  首先,梳理自己负责系统的上下游联系人,将其联系方式整理起来,方便后续查询联络,可以参考下面表格进行简单汇总即可。  其次,维护好自己与前辈的关系,保持自...
            10 10 706
            分享
          •   这篇文章会产生,是因为刚好有一个项目,同时用到了这两款工具,而正是工具的使用让我解放了双手,感受到了什么是高效、智能化。  故事背景  某个功能模块的测试数据无法通过界面操作,为了模拟出真实的测试场景,开发人员提供了一个内部的接口文档,希望通过接口调用复现真实使用环境。  这里我大概讲一下测试流程及顺序,首先普及一下什么是Swagger UI。  Swagger UI  Swagger是一组开源项目,接口的文档可以在线自动生成,不需要频繁更新接口文档,保证接口文档与代码的一致性。  这里的实时更新是它的一大优点。试想一下,有些公司基本上使用word维护接口文档,假如出现涉及到接口变更情况,...
            12 13 3208
            分享
      • 51testing软件测试圈微信