Dify Master SKILL
Un système de compétences Dify modulaire et progressif
Navigation rapide
- Qu'est-ce que Dify ?
- Vue d'ensemble du système de SKILL
- Démarrage rapide
- Index des sous-SKILL
- Références courantes
Qu'est-ce que Dify ?
Dify est une plateforme LLMOps open-source qui offre une orchestration visuelle de workflows et un système de plugins puissant, permettant aux développeurs de créer et déployer rapidement des applications IA.
Fonctionnalités principales
- Workflows visuels : Orchestration par glisser-déposer, création d'applications IA complexes sans codage.
- Système de plugins : Prend en charge plusieurs types de plugins (outils, modèles, sources de données, etc.).
- Prêt pour la production : Support complet du développement local au déploiement distribué à grande échelle.
- Écosystème open-source : 114K+ étoiles GitHub, communauté active et marché de plugins riche.
Architecture technique
- Architecture Beehive : Conception modulaire et extensible.
- Moteur de graphe piloté par files d'attente : Événementiel, exécution parallèle, haute performance.
- Support multi-exécution : Trois modes : Local, Debug, Serverless.
- Intégration du protocole MCP : Intégration standardisée avec des assistants IA comme Claude.
Vue d'ensemble du système de SKILL
Dify Master SKILL adopte une conception modulaire avec 6 sous-SKILL principaux couvrant le processus complet, du développement au déploiement.
dify-master (point d'entrée général)
├── 01-workflow # Conception de workflows
├── 02-plugin # Développement de plugins
├── 03-performance # Optimisation des performances
├── 04-security # Sécurité et déploiement
├── 05-integration # Intégration et extension
└── 06-reference # Documentation de référence
Philosophie de conception
- Modularité : Chaque sous-SKILL est indépendant et complet, utilisable seul.
- Divulgation progressive : De la vue d'ensemble aux détails, approfondissement à la demande.
- Optimisation du contexte : Minimisation de la quantité de contenu chargé à chaque fois.
- Orientation pratique : Fourniture de code et de configurations prêts à l'emploi.
Démarrage rapide
Scénario 1 : Créer votre premier workflow
# Workflow simple de questions-réponses
workflow:
graph:
nodes:
- data:
type: start
variables: []
id: start
- data:
type: llm
model:
provider: openai
name: gpt-4
prompt_template:
- role: system
text: "Tu es un assistant"
- role: user
text: "{{#sys.query#}}"
id: llm
- data:
type: answer
answer: "{{#llm.text#}}"
id: answer
edges:
- source: start
target: llm
- source: llm
target: answer
Prochaine étape : Consultez le SKILL 01-workflow pour en savoir plus sur les types de nœuds et les motifs de conception.
Scénario 2 : Développer votre premier plugin
# Plugin outil 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]:
# Récupérer les paramètres
input_text = tool_parameters.get("text", "")
# Logique de traitement
result = input_text.upper()
# Retourner le résultat
yield self.create_text_message(result)
Prochaine étape : Consultez le SKILL 02-plugin pour découvrir le processus complet de développement de plugins.
Scénario 3 : Optimiser les performances d'un workflow
# Utiliser une branche parallèle pour améliorer les performances
- data:
type: parallel
branches:
- nodes: [tool1, process1]
- nodes: [tool2, process2]
- nodes: [tool3, process3]
id: parallel_execution
Prochaine étape : Consultez le SKILL 03-performance pour découvrir d'autres techniques d'optimisation.
Index des sous-SKILL
01. SKILL Conception de workflows
Cas d'usage : Concevoir et développer des workflows Dify
Mots-clés déclencheurs : Node, LLM, Agent, Workflow, Variable, Knowledge Retrieval, HTTP Request, Code, If-Else, Iteration, Template, DSL, YAML
Contenu principal :
- Description détaillée de 10+ types de nœuds (Start, LLM, Agent, Knowledge Retrieval, Code, HTTP Request, Tool, If-Else, Iteration, Answer)
- 5 motifs de conception (Pipeline séquentiel, Branche conditionnelle, Traitement itératif, Recherche de connaissances, Agrégation multi-source)
- Modèles de workflows prêts à l'emploi
- Système de variables et syntaxe de référence
- Meilleures pratiques et questions fréquentes
Accès rapide : 01-workflow/SKILL.md
Recommandé pour : Concepteurs de workflows, développeurs d'applications IA, chefs de produit
02. SKILL Développement de plugins
Cas d'usage : Développer des plugins d'outils, modèles et sources de données personnalisés
Mots-clés déclencheurs : Plugin, Tool, Provider, Développement, manifest, OAuth, Source de données, Modèle, Extension
Contenu principal :
- 4 types de plugins (Tool, Model, Datasource, Extension)
- Processus de développement complet (Initialisation, Implémentation, Test, Empaquetage, Publication)
- Structure de projet standard et fichiers de configuration
- Guide de développement des Provider et Tool
- Modèles de plugins et exemples de code
- Stratégies de test et astuces de débogage
Accès rapide : 02-plugin/SKILL.md
Recommandé pour : Développeurs de plugins, ingénieurs backend, intégrateurs d'outils
03. SKILL Optimisation des performances
Cas d'usage : Optimiser les performances d'exécution des workflows et plugins
Mots-clés déclencheurs : Performance, Optimisation, Cache, Parallélisation, Latence, Débit, Monitoring, Benchmark
Contenu principal :
- Optimisation des workflows (structure du graphe, exécution parallèle, pool de variables)
- Optimisation LLM (sélection du modèle, ingénierie du prompt, mise en cache, sortie structurée)
- Optimisation des plugins (choix du runtime, limites de ressources, traitement asynchrone)
- Outils de monitoring et d'analyse
- Tests de performance (benchmark)
Accès rapide : 03-performance/SKILL.md
Recommandé pour : Ingénieurs performance, architectes, opérateurs
04. SKILL Sécurité et déploiement
Cas d'usage : Déploiement en production et renforcement de la sécurité
Mots-clés déclencheurs : Sécurité, Déploiement, Docker, Kubernetes, SSL, Authentification, Autorisation, Sandbox, SSRF
Contenu principal :
- Pratiques de sécurité (Protection SSRF, Isolation sandbox, Chiffrement des données, Authentification/Autorisation)
- Guide de déploiement (Docker Compose, Kubernetes, Serverless, Haute disponibilité)
- Pratiques d'exploitation (Monitoring, Journaux, Sauvegarde, Dépannage)
- Configuration de l'environnement et planification des ressources
- Meilleures pratiques et cas d'usage
Accès rapide : 04-security/SKILL.md
Recommandé pour : Ingénieurs DevOps, ingénieurs sécurité, administrateurs systèmes
05. SKILL Intégration et extension
Cas d'usage : Intégration avec des systèmes et services externes
Mots-clés déclencheurs : Intégration, API, Webhook, MCP, Serveur, Client, Base de données, Redis, File de messages, RabbitMQ, Kafka, S3
Contenu principal :
- Intégration API (REST API, Webhook, Streaming)
- Protocole MCP (Serveur MCP, Client MCP, Communication bidirectionnelle)
- Services externes (Bases de données, Stockage, Files de messages)
- Cas d'intégration et meilleures pratiques
- Dépannage et débogage
Accès rapide : 05-integration/SKILL.md
Recommandé pour : Ingénieurs intégration, développeurs full-stack, architectes
06. SKILL Documentation de référence
Cas d'usage : Rechercher des informations de référence sur la syntaxe, les API, la CLI, etc.
Mots-clés déclencheurs : Référence, API, SDK, CLI, DSL, YAML, Commande, Documentation, Syntaxe
Contenu principal :
- Référence de syntaxe DSL (structure YAML complète et description des champs)
- Référence API (documentation des interfaces RESTful)
- Référence SDK (classes et méthodes du SDK Python)
- Référence CLI (outil en ligne de commande dify)
- Questions fréquentes et solutions
- Ressources d'apprentissage et liens communautaires
Accès rapide : 06-reference/SKILL.md
Recommandé pour : Tous les développeurs Dify
Références courantes
Syntaxe de référence des variables
# Variables système
{{#sys.query#}} # Requête utilisateur
{{#sys.files#}} # Fichiers téléchargés
{{#sys.conversation_id#}} # ID de conversation
# Sortie des nœuds
{{#ID_du_noeud.champ_sortie#}} # Référence à la sortie d'un nœud
{{#llm.text#}} # Sortie texte du LLM
{{#knowledge.result#}} # Résultat de la recherche de connaissances
# Variables de conversation
{{#conversation.nom_variable#}} # Variable au niveau de la conversation
# Variables d'itération
{{#item#}} # Élément courant de l'itération
{{#index#}} # Index courant
Configuration courante des nœuds
# Nœud LLM
- data:
type: llm
model:
provider: openai
name: gpt-4
completion_params:
temperature: 0.7
max_tokens: 2000
prompt_template:
- role: system
text: "Invite système"
- role: user
text: "{{#sys.query#}}"
context:
enabled: true
variable_selector: ["knowledge", "result"]
# Nœud Agent
- data:
type: agent
agent_parameters:
instruction:
value: "Appelle les outils en fonction des besoins de l'utilisateur"
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
# Nœud de recherche de connaissances
- data:
type: knowledge-retrieval
dataset_ids: ["dataset-id"]
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
Modèle de configuration de plugin
# manifest.yaml
version: 0.0.1
type: plugin
author: your-name
name: plugin-name
label:
en_US: Plugin Name
zh_Hans: 插件名称
description:
en_US: Plugin description
zh_Hans: 插件描述
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
Commandes CLI courantes
# Développement de plugins
dify plugin init # Initialiser un projet de plugin
dify plugin run # Déboguer un plugin localement
dify plugin package # Empaqueter un plugin
dify plugin publish # Publier un plugin
# Gestion des workflows
dify workflow export <id> # Exporter un workflow
dify workflow import <file> # Importer un workflow
dify workflow validate <file> # Valider un workflow
# Gestion de l'environnement
dify env list # Lister les variables d'environnement
dify env set <key> <value> # Définir une variable d'environnement
dify env get <key> # Obtenir une variable d'environnement
Parcours d'apprentissage
Parcours débutant (0-1 semaine)
- Lisez ce SKILL pour comprendre Dify dans son ensemble.
- Consultez le SKILL 01-workflow pour maîtriser les bases des workflows.
- Créez votre premier workflow à l'aide d'un modèle.
- Testez et déboguez sur la plateforme Dify.
Parcours intermédiaire (1-4 semaines)
- Approfondissez les motifs de conception du SKILL 01-workflow.
- Consultez le SKILL 02-plugin pour développer des plugins personnalisés.
- Consultez le SKILL 03-performance pour optimiser les performances.
- Construisez un projet réel et déployez-le.
Parcours expert (1-3 mois)
- Maîtrisez le contenu de tous les sous-SKILL.
- Consultez le SKILL 04-security pour un déploiement en production.
- Consultez le SKILL 05-integration pour intégrer des systèmes externes.
- Participez aux contributions communautaires et au partage des meilleures pratiques.
Obtenir de l'aide
Ressources officielles
- Documentation officielle : https://docs.dify.ai/
- GitHub : https://github.com/langgenius/dify
- Marché de plugins : https://marketplace.dify.ai/
- Blog officiel : https://dify.ai/blog/
Ressources communautaires
- Discord : https://discord.gg/FngNHpbcY7
- Reddit : https://reddit.com/r/difyai
- Communauté chinoise : https://github.com/langgenius/dify/discussions
Support du SKILL
- Document d'architecture : ARCHITECTURE.md
- Retour d'information : Soumettez via les Issues GitHub
- Guide de contribution : Participez à l'amélioration et à l'extension du contenu du SKILL
Informations de version
- Version actuelle : v1.1.0
- Dernière mise à jour : 2026-03-05
- Versions Dify compatibles : 0.15.x - 1.9.x
- Contenu de la mise à jour : Amélioration des SKILL 05-integration et 06-reference, ajout du mécanisme de chargement à la demande
- Prochaine version prévue : v1.2.0 (ajout de plus de modèles et de cas d'usage)
Licence
Ce SKILL est open-source sous licence MIT. Vous êtes libre de l'utiliser, de le modifier et de le distribuer.
Commencez votre voyage de développement Dify dès maintenant ! Choisissez un sous-SKILL pour approfondir, ou utilisez directement les modèles pour démarrer rapidement.