Dify Master SKILL
Un sistema modular y progresivo de habilidades para el desarrollo en Dify
Navegación rápida
- ¿Qué es Dify?
- Visión general del sistema SKILL
- Inicio rápido
- Índice de sub-SKILL
- Referencias comunes
¿Qué es Dify?
Dify es una plataforma LLMOps de código abierto que ofrece orquestación visual de flujos de trabajo y un potente sistema de plugins, ayudando a los desarrolladores a crear e implementar aplicaciones de IA de forma rápida.
Características principales
- Flujos de trabajo visuales: Orquestación mediante arrastrar y soltar, sin necesidad de código para construir aplicaciones complejas de IA.
- Sistema de plugins: Compatible con múltiples tipos de plugins: herramientas, modelos, fuentes de datos, etc.
- Listo para producción: Soporte completo desde el desarrollo local hasta el despliegue distribuido a gran escala.
- Ecosistema abierto: Más de 114K estrellas en GitHub, comunidad activa y un amplio mercado de plugins.
Arquitectura técnica
- Arquitectura Beehive: Diseño modular y escalable.
- Motor de grafos basado en colas: Ejecución basada en eventos, paralela y de alto rendimiento.
- Soporte de múltiples modos de ejecución: Local, Debug y Serverless.
- Integración con el protocolo MCP: Conexión estandarizada con asistentes de IA como Claude.
Visión general del sistema SKILL
Dify Master SKILL utiliza un diseño modular que incluye 6 sub-SKILL principales, cubriendo todo el proceso desde el desarrollo hasta el despliegue.
dify-master (punto de entrada general)
├── 01-workflow # Diseño de flujos de trabajo
├── 02-plugin # Desarrollo de plugins
├── 03-performance # Optimización del rendimiento
├── 04-security # Seguridad y despliegue
├── 05-integration # Integración y extensión
└── 06-reference # Material de referencia
Filosofía de diseño
- Modularidad: Cada sub-SKILL es independiente y completo, se puede usar por separado.
- Divulgación progresiva: Desde la visión general hasta los detalles, profundizando según sea necesario.
- Optimización del contexto: Minimiza la cantidad de contenido cargado en cada ocasión.
- Orientación práctica: Proporciona código y configuraciones listos para usar.
Inicio rápido
Escenario 1: Crear tu primer flujo de trabajo
# Flujo de trabajo simple de preguntas y respuestas
workflow:
graph:
nodes:
- data:
type: start
variables: []
id: start
- data:
type: llm
model:
provider: openai
name: gpt-4
prompt_template:
- role: system
text: "Eres un asistente"
- role: user
text: "{{#sys.query#}}"
id: llm
- data:
type: answer
answer: "{{#llm.text#}}"
id: answer
edges:
- source: start
target: llm
- source: llm
target: answer
Siguiente paso: Aprende más tipos de nodos y patrones de diseño en el 01-workflow SKILL
Escenario 2: Desarrollar tu primer plugin
# Plugin de herramienta simple
from typing import Any, Generator
from dify_plugin.entities.tool import ToolInvokeMessage
from dify_plugin import Tool
class MyTool(Tool):
def _invoke(
self,
tool_parameters: dict[str, Any]
) -> Generator[ToolInvokeMessage, None, None]:
# Obtener parámetros
input_text = tool_parameters.get("text", "")
# Lógica de procesamiento
result = input_text.upper()
# Devolver resultado
yield self.create_text_message(result)
Siguiente paso: Aprende el proceso completo de desarrollo de plugins en el 02-plugin SKILL
Escenario 3: Optimizar el rendimiento del flujo de trabajo
# Usar ramas paralelas para mejorar el rendimiento
- data:
type: parallel
branches:
- nodes: [tool1, process1]
- nodes: [tool2, process2]
- nodes: [tool3, process3]
id: parallel_execution
Siguiente paso: Aprende más técnicas de optimización en el 03-performance SKILL
Índice de sub-SKILL
01. SKILL de diseño de flujos de trabajo
Escenarios de uso: Diseñar y desarrollar flujos de trabajo en Dify
Palabras clave de activación: nodo, LLM, Agente, flujo de trabajo, variable, recuperación de conocimiento, HTTP Request, Código, If-Else, Iteración, plantilla, DSL, YAML
Contenido principal:
- Explicación detallada de más de 10 tipos de nodos (Start, LLM, Agent, Knowledge Retrieval, Code, HTTP Request, Tool, If-Else, Iteration, Answer)
- 5 patrones de diseño (tubería secuencial, rama condicional, procesamiento iterativo, recuperación de conocimiento, agregación de múltiples fuentes)
- Plantillas de flujo de trabajo listas para usar
- Sistema de variables y sintaxis de referencias
- Mejores prácticas y problemas comunes
Acceso rápido: 01-workflow/SKILL.md
Recomendado para: Diseñadores de flujos de trabajo, desarrolladores de aplicaciones de IA, gestores de producto
02. SKILL de desarrollo de plugins
Escenarios de uso: Desarrollar plugins de herramientas, modelos o fuentes de datos personalizados
Palabras clave de activación: plugin, plugin, Tool, Proveedor, desarrollo, manifest, OAuth, fuente de datos, modelo, extensión
Contenido principal:
- 4 tipos de plugins (Tool, Model, Datasource, Extension)
- Proceso completo de desarrollo (inicialización, implementación, prueba, empaquetado, publicación)
- Estructura de proyecto estándar y archivos de configuración
- Guía de desarrollo de Providers y Tools
- Plantillas de plugins y ejemplos de código
- Estrategias de prueba y trucos de depuración
Acceso rápido: 02-plugin/SKILL.md
Recomendado para: Desarrolladores de plugins, ingenieros backend, integradores de herramientas
03. SKILL de optimización del rendimiento
Escenarios de uso: Optimizar el rendimiento de ejecución de flujos de trabajo y plugins
Palabras clave de activación: rendimiento, performance, optimización, caché, paralelo, latencia, rendimiento, monitoreo, benchmark
Contenido principal:
- Optimización de flujos de trabajo (estructura de grafos, ejecución paralela, pool de variables)
- Optimización de LLM (selección de modelo, ingeniería de prompts, caché, salida estructurada)
- Optimización de plugins (elección de tiempo de ejecución, límites de recursos, procesamiento asíncrono)
- Herramientas de monitoreo y análisis
- Pruebas de referencia de rendimiento
Acceso rápido: 03-performance/SKILL.md
Recomendado para: Ingenieros de rendimiento, arquitectos, personal de operaciones
04. SKILL de seguridad y despliegue
Escenarios de uso: Despliegue en entornos de producción y refuerzo de seguridad
Palabras clave de activación: seguridad, security, despliegue, deploy, Docker, Kubernetes, SSL, autenticación, autorización, sandbox, SSRF
Contenido principal:
- Prácticas de seguridad (protección SSRF, aislamiento en sandbox, cifrado de datos, autenticación y autorización)
- Guía de despliegue (Docker Compose, Kubernetes, Serverless, alta disponibilidad)
- Prácticas operativas (monitoreo, registros, copias de seguridad, resolución de problemas)
- Configuración del entorno y planificación de recursos
- Mejores prácticas y casos de uso
Acceso rápido: 04-security/SKILL.md
Recomendado para: Ingenieros DevOps, ingenieros de seguridad, administradores de sistemas
05. SKILL de integración y extensión
Escenarios de uso: Integración con sistemas y servicios externos
Palabras clave de activación: integración, integration, API, Webhook, MCP, Servidor, Cliente, base de datos, Redis, cola de mensajes, RabbitMQ, Kafka, S3
Contenido principal:
- Integración de API (REST API, Webhook, Streaming)
- Protocolo MCP (Servidor MCP, Cliente MCP, comunicación bidireccional)
- Servicios externos (bases de datos, almacenamiento, colas de mensajes)
- Casos de integración y mejores prácticas
- Resolución de problemas y depuración
Acceso rápido: 05-integration/SKILL.md
Recomendado para: Ingenieros de integración, desarrolladores full-stack, arquitectos
06. SKILL de referencia
Escenarios de uso: Consultar información de referencia sobre sintaxis, API, CLI, etc.
Palabras clave de activación: referencia, reference, API, SDK, CLI, DSL, YAML, comando, documentación, sintaxis
Contenido principal:
- Referencia de sintaxis DSL (estructura YAML completa y descripción de campos)
- Referencia de API (documentación de interfaces RESTful)
- Referencia de SDK (clases y métodos del SDK de Python)
- Referencia de CLI (herramienta de línea de comandos
dify) - Preguntas frecuentes y soluciones
- Enlaces a recursos de aprendizaje y comunidad
Acceso rápido: 06-reference/SKILL.md
Recomendado para: Todos los desarrolladores de Dify
Referencias comunes
Sintaxis de referencias de variables
# Variables del sistema
{{#sys.query#}} # Consulta del usuario
{{#sys.files#}} # Archivos subidos
{{#sys.conversation_id#}} # ID de la conversación
# Salida de nodos
{{#ID_del_nodo.campo_de_salida#}} # Referencia a la salida de un nodo
{{#llm.text#}} # Salida de texto del LLM
{{#knowledge.result#}} # Resultado de recuperación de conocimiento
# Variables de conversación
{{#conversation.nombre_variable#}} # Variable a nivel de conversación
# Variables de iteración
{{#item#}} # Elemento actual de la iteración
{{#index#}} # Índice actual
Configuración de nodos comunes
# Nodo LLM
- data:
type: llm
model:
provider: openai
name: gpt-4
completion_params:
temperature: 0.7
max_tokens: 2000
prompt_template:
- role: system
text: "Instrucción del sistema"
- role: user
text: "{{#sys.query#}}"
context:
enabled: true
variable_selector: ["knowledge", "result"]
# Nodo Agente
- data:
type: agent
agent_parameters:
instruction:
value: "Usa herramientas según la necesidad del usuario"
model:
value:
provider: openai
model: gpt-4
query:
value: "{{#sys.query#}}"
tools:
value:
- enabled: true
provider_name: time
tool_name: current_time
type: builtin
agent_strategy_name: function_calling
# Nodo de recuperación de conocimiento
- data:
type: knowledge-retrieval
dataset_ids: ["id-del-dataset"]
query_variable_selector: ["start", "sys.query"]
retrieval_mode: single
single_retrieval_config:
model:
provider: openai
name: text-embedding-3-small
top_k: 3
score_threshold: 0.7
Plantilla de configuración de plugins
# manifest.yaml
version: 0.0.1
type: plugin
author: tu-nombre
name: nombre-plugin
label:
en_US: Plugin Name
zh_Hans: nombre del plugin
description:
en_US: Plugin description
zh_Hans: descripción del plugin
icon: icon.svg
resource:
memory: 268435456 # 256MB
plugins:
tools:
- provider/provider.yaml
meta:
version: 0.0.1
arch: [amd64, arm64]
runner:
language: python
version: "3.12"
entrypoint: main
tags:
- utilities
Comandos CLI comunes
# Desarrollo de plugins
dify plugin init # Inicializar proyecto de plugin
dify plugin run # Depurar plugin localmente
dify plugin package # Empaquetar plugin
dify plugin publish # Publicar plugin
# Gestión de flujos de trabajo
dify workflow export <id> # Exportar flujo de trabajo
dify workflow import <archivo> # Importar flujo de trabajo
dify workflow validate <archivo> # Validar flujo de trabajo
# Gestión del entorno
dify env list # Listar variables de entorno
dify env set <clave> <valor> # Establecer variable de entorno
dify env get <clave> # Obtener variable de entorno
Rutas de aprendizaje
Ruta para principiantes (0-1 semana)
- Lee este SKILL para tener una visión general de Dify
- Aprende el 01-workflow SKILL para dominar los fundamentos de los flujos de trabajo
- Crea tu primer flujo de trabajo usando una plantilla
- Prueba y depura en la plataforma Dify
Ruta intermedia (1-4 semanas)
- Profundiza en los patrones de diseño del 01-workflow SKILL
- Aprende el 02-plugin SKILL para desarrollar plugins personalizados
- Aprende el 03-performance SKILL para optimizar el rendimiento
- Construye un proyecto real y despliégalo
Ruta experta (1-3 meses)
- Domina todo el contenido de los sub-SKILL
- Aprende el 04-security SKILL para el despliegue en producción
- Aprende el 05-integration SKILL para integrar sistemas externos
- Participa en contribuciones a la comunidad y comparte mejores prácticas
Obtener ayuda
Recursos oficiales
- Documentación oficial: https://docs.dify.ai/
- GitHub: https://github.com/langgenius/dify
- Mercado de plugins: https://marketplace.dify.ai/
- Blog oficial: https://dify.ai/blog/
Recursos de la comunidad
- Discord: https://discord.gg/FngNHpbcY7
- Reddit: https://reddit.com/r/difyai
- Comunidad en chino: https://github.com/langgenius/dify/discussions
Soporte del SKILL
- Documentación de arquitectura: ARCHITECTURE.md
- Informar problemas: A través de GitHub Issues
- Guía de contribución: Participa en la mejora y extensión del contenido del SKILL
Información de versión
- Versión actual: v1.1.0
- Última actualización: 2026-03-05
- Versiones compatibles de Dify: 0.15.x - 1.9.x
- Novedades: Mejora de los SKILL 05-integration y 06-reference, adición del mecanismo de carga bajo demanda
- Próxima versión planificada: v1.2.0 (añadir más plantillas y casos de uso)
Licencia
Este SKILL se distribuye bajo la licencia MIT. Siéntete libre de usarlo, modificarlo y distribuirlo.
¡Comienza tu viaje de desarrollo con Dify! Elige un sub-SKILL para aprender en profundidad o usa las plantillas para empezar rápidamente.