CommunityProgramación y desarrollogithub.com

SystemTce/dify-skills

Conjunto completo de habilidades para el desarrollo de flujos de trabajo y plugins en Dify: modular, progresivo y orientado a la práctica.

¿Qué es dify-skills?

Dify Master SKILL es un sistema modular y progresivo de habilidades diseñado para desarrolladores que trabajan con la plataforma Dify (LLMOps). Cubre desde el diseño de flujos de trabajo y el desarrollo de plugins hasta la optimización del rendimiento, la seguridad, el despliegue, la integración con sistemas externos y referencias técnicas detalladas. Está estructurado en seis submódulos independientes (workflow, plugin, rendimiento, seguridad, integración y referencia) que pueden consultarse de forma aislada según la necesidad. El sistema soporta plataformas como Claude Code, Cursor y Codex, y se basa en documentación práctica con ejemplos de código YAML y Python, configuraciones reutilizables y comandos CLI. Su objetivo es minimizar la carga cognitiva al exponer la información de manera gradual, ofreciendo desde una visión general hasta detalles técnicos de producción.

Compatible con✓Claude Code✓Codex CLI~Cursor
npx skills add SystemTce/dify-skills

Installed? Explore more Programación y desarrollo skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Dify Master SKILL

Un sistema modular y progresivo de habilidades para el desarrollo en Dify

Navegación rápida


¿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

  1. Modularidad: Cada sub-SKILL es independiente y completo, se puede usar por separado.
  2. Divulgación progresiva: Desde la visión general hasta los detalles, profundizando según sea necesario.
  3. Optimización del contexto: Minimiza la cantidad de contenido cargado en cada ocasión.
  4. 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)

  1. Lee este SKILL para tener una visión general de Dify
  2. Aprende el 01-workflow SKILL para dominar los fundamentos de los flujos de trabajo
  3. Crea tu primer flujo de trabajo usando una plantilla
  4. Prueba y depura en la plataforma Dify

Ruta intermedia (1-4 semanas)

  1. Profundiza en los patrones de diseño del 01-workflow SKILL
  2. Aprende el 02-plugin SKILL para desarrollar plugins personalizados
  3. Aprende el 03-performance SKILL para optimizar el rendimiento
  4. Construye un proyecto real y despliégalo

Ruta experta (1-3 meses)

  1. Domina todo el contenido de los sub-SKILL
  2. Aprende el 04-security SKILL para el despliegue en producción
  3. Aprende el 05-integration SKILL para integrar sistemas externos
  4. Participa en contribuciones a la comunidad y comparte mejores prácticas

Obtener ayuda

Recursos oficiales

Recursos de la comunidad

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.

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

Skills relacionados