摘要

Dify 两年间从“可视化 Prompt/RAG 工具”长成全球 GitHub stars 超 11 万、排名前 50 的企业 AI 基础设施，验证了开源、To B、全球化三项 day one 选择。 张路宇称，严肃企业用户通常比新技术晚半年到一年入场，2024 年三四月推出的 Workflow 正好承接需求；如今财富 500 强中约 20% 在使用 Dify，而公司基本处于“零销售”状态。最关键的增长资产不是一轮概念红利，而是开源同时解决了信任、传播、技术标准和全球分发。
Dify 真正的差异不是比 LangChain、Coze 或 n8n 多几个功能，而是站在“硬核编码—无技术用户”光谱的中点并持续右移。 LangChain 服务有较强编码能力、需要 LangSmith 等调试工具的开发者；Coze 更靠右但生产属性不足；n8n 更偏自动化、连接器和模板生态，Dify 则强在 AI Native 的 RAG、多模态上下文及应用端到端交付。“模型就像一条鱼”，放进 IDE 是 Cursor，放进 Ubuntu 沙盒是 Manus，放进企业的人、工具、数据和流程里，“它就是 Dify”。
企业平台的护城河并不“薄”，模型中立和长期兼容的工程反而是最难复制的部分。 企业不会把多年技术战略绑定给单一模型厂商，更愿意购买“可以插上各种标准的插座”；Dify 又允许 Workflow、RAG、知识库算法等组件热插拔、独立升级，使自研套件跨 1.0 到 1.9 继续使用。张路宇的核心判断是：“大家会觉得工程不值钱，可是我们认为最值钱的就是工程。”
Workflow 不会因更强 Agent 消失，因为企业要的不是一次惊艳，而是 95% 甚至更高的可靠性和无人值守。 找房、沟通、签租约等复杂任务天然包含多个检查点，节点多少和颗粒度会随模型能力变化，但流程本身来自人类的工作方式。张路宇以 DeepSeek 从大规模编码、极度可靠的 High Code 逐步走向智能化为例，强调 Dify 始终要交付可投产的技术，守住风险水位线。其更深层技术信念是神经符号 AI：神经网络负责联想与展开，符号系统负责逻辑、判断和因果约束。
Dify 最有价值的企业场景恰恰“不标准”，它正在从开发工具走向组织级协作系统。 已有客户构建四五百节点的 Workflow；张路宇举例称，安克可能搭建了上千个工作流、集成上万个原子能力，并在设计 SOP 后直接判断每个岗位应“放人，还是 Agent”。这类非标准流程过去需要昂贵的 IT 集成，如今 Dify 充当连接旧系统、数据、人员和 Agent 的“胶水”，未来形态可能接近企业生产的操作系统。
增长判断并非全对：Agent 自主化来得更快，Dify 对 2024 年业务增长的人员准备也不够激进。 Cursor 一类公司在模型尚未成熟时提前卡位、等待能力拐点，是高风险但可能有效的“守株待兔”；Dify 不会以同样风险偏好追逐短期风口。更实际的失误是团队年初仅十几二十人，年底业务翻数倍而人员未跟上；张路宇也承认，早期只想清楚开源中间件，却没及时想清五至十年的使命。
当通用模型的知识和逻辑能力趋于对称，曲凯提出应保存人与人、组织与组织之间的非对称资产，并追问 Memory、Workflow 等能否承载它。 张路宇回应，60 分的人很可能被取代，只有做到 90 分甚至 100 分才难以被替代；他同时认为，组织需要建立共享 Memory 和信息总线，甚至需要“首席上下文官”。模型对多数人已经够用，关键变成提供准确上下文、找到答案的地图，以及做出正确决策和分配注意力。

精读

1. 三年市场演进，把 Dify 从技术演示推入企业生产

2023 年 5 月第二周，Dify 开源首版；当时只要能让普通人理解 LLM，就可能一炮走红。可视化 Prompt 工程、简陋但首批可视化 RAG、Backend as a Service 理念和友好界面，已经足够构成新鲜感。
到 2024 年，市场从“怎么用 AI”转向严肃生产，真正有付费能力的企业用户主要在年中至下半年进入。张路宇据此总结：新技术出现后，生产者大规模入场通常有半年到一年时延，“并不像大家想象的那么快，有足够多的时间让你去做”。
Dify 在 2024 年三四月推出 Workflow，随后搭建插件生态，用确定流程衔接 LLM、API 和既有基础设施，重点处理复杂应用中的幻觉与可靠性。2025 年，开源模型、多模态和模型生态进一步成熟，模型中立、中间件、多模型共存等早期假设随之得到验证。

2. 用户定位，而非功能清单，解释了 Dify 与 LangChain 的共存

张路宇承认，两年前回答 Dify 与 LangChain 的差别时，只会说体验和工程更好；现在他的答案是受众不同。LangChain 面向编码能力较强、希望加快开发调试的人，LangSmith 就是典型配套。
Dify 则持续向弱技术乃至无技术用户移动。日本已有大量普通白领用它构建工作 SOP 和企业内部 Agent，而不是把它当作程序员库。
如果把用户从硬核技术者到完全不懂技术者标成 1—10，张路宇把今天的 Dify 放在约 5，并希望继续向右；n8n 比它更左、更具技术属性，Coze 更右，但“生产属性又不足”。曲凯提醒 Dify 当前仍在中点，张路宇并未把愿景误说成现状。

3. GPTs 与 Coze 的问题，是创作者缺少可复用的产品能力

张路宇认为，OpenAI 2023 年推出 GPTs 时有“让人人创作 bot”的好理念，却没有想清谁能做出值得再分发的产品。短视频可以低成本消费，但 Agent 再小也是产品，必须解决真实问题。
他把 AI 产品竞争力拆成四类：硬件、算法或极低成本等硬科技；游戏、陪伴、语言学习式的交互与创意；独占数据等特殊壁垒；以及企业对 SOP 和流程的独特理解。
前三类能力本身稀缺，几乎无法被平台普遍复制；只有流程具有复用性。大众即使能“捏出一个东西”，若没有这四类价值来源，通常也做不出好产品。
曲凯追问这是否意味着 GPTs、Coze 与 Dify 根本不竞争，张路宇的回答是：从定位角度看，它们甚至不是直接竞争。它们都基于 LLM，但创作者、组织能力和生产上下文不同。GPTs 没有因 ChatGPT 的巨大入口而真正起来，反而替 Dify 完成了市场教育，让企业一夜明白“原来 AI 能这么用”。

4. 同一模型进入不同上下文，会长成完全不同的产品

张路宇回忆，2023 年 7 月 Copilot 这个产品发布时，他只焦虑了不到两天，此后再没打开，因为很快确认双方受众和组织能力不同。Dify 从一开始就把模型放进企业的人才、工具、数据和流程，而不是孤立地提供一个 bot。
团队内部的比喻是：“模型就像一条鱼，你把它放到不同的鱼缸里，就会产生不一样的结果。”放进 IDE 产生 Cursor，放进 Ubuntu 沙盒产生 Manus，放进企业环境则产生 Dify；共享 LLM 技术，不等于共享市场。

5. n8n 是真实竞品，但优势落在自动化而非 AI Native 能力

n8n 是 2019 年成立的欧洲公司，最初与 AI 无关，目标是以开源、中立、低成本方案替代调用昂贵且存在数据主权顾虑的 Zapier。多年积累让它在连接器、工具和模板数量上领先，再叠加 UGC 营销，近年迅速获得认知。
张路宇承认，两者客户确有交集，很多企业同时使用。n8n 的自动化连接能力更强，Dify 起步较晚；但其 LLM、RAG、多模态和上下文处理较简陋，更多是把 LangChain 包入流程，而 Dify 从架构上就是 AI Native。
Dify 的另一项差异是端到端交付：用户可从界面创建 Agent、bot 或其他应用，直至交付给最终使用者。n8n 做不到完整闭环，所以现实答案可能不是替代，而是两者在不同层面结合。

6. AgentKit 的短期冲击被高估，To B 不是看起来相同就会替代

对每次 OpenAI 发布新品后“谁又被杀死”的叙事，张路宇称其为非黑即白。To B 产品与客户之间存在长期信任、多元连接和既有投资，不能仅凭界面同为拖拉拽 Workflow 就判断替代。
他的类比是美国墨水屏市场：Kindle、Remarkable、Supernote 外观相似，却分别围绕书写、零延迟、书库生态等需求形成稳定受众。产品的开放生态、模型中立、工程优先和交付方式，才是表面之下的内核。
对仍属早期的 OpenAI AgentKit，张路宇给出明确但带期限的判断：“六个月内不会对其他任何产品产生威胁。”这不是否认模型厂商能向下进入，而是认为企业迁移与信任重建不会瞬间发生。

7. 模型中立让 Dify 成为企业敢于长期持有的“插座”

张路宇接触的企业技术决策者，会把中间件或开发平台视作多年期基础建设，审查合规、开放性和兼容性；在模型选择上则更谨慎，因为没人愿意把模型、开发套件和完整技术战略绑定给一家厂商。
他的比喻是：如果购买的是“一个插座”，未来可以插入不同标准，技术投资就不容易犯错。曲凯提到美国 AI coding 领域的模型供应变化和单一厂商绑定风险，这也说明企业为什么需要多模型选择权。
Dify 从第一天选择开源、To B、全球化，并由此推导开放生态、模型中立与工程优先。张路宇认为，正是这些互相咬合的选择，使其面对大厂、硅谷创业公司和模型厂商三类对手后仍保持生存能力。

8. 所谓“中间层很薄”，忽略了工程抽象才是最昂贵的学费

张路宇反驳“工程不值钱”的判断：“我们认为最值钱的就是工程。”平台必须把目标用户和业务场景中的可变、不可变部分分层抽象；Workflow 节点太细就接近编程，普通人不会用，太粗又丧失能力，这类平衡有无数个。
他援引一则消息称，OpenAI 新 AgentKit 约 80% 代码由 Codex 完成，并据此判断自动生成代码不等于积累了工程深度。成熟平台的形状来自多年与客户、开发者和生产场景磨合，背后是无数团队投入 AI 后交出的“学费”。
Dify 的 Workflow 和 RAG 关键组件可连接既有知识库与算法，也允许自研组件热插拔、独立升级。开发者既能从 1.0 升至 1.9，又能保留过去开发的套件，否则一次升级就可能让业务挂掉、历史技术资产归零。
工程壁垒因此不是代码量，而是兼容承诺、颗粒度判断和真实部署经验的总和；这些知识很难从一张相似界面或一次代码生成中复制。

9. 两年停留在 0.x，是 Dify 对基础设施承诺的克制

Dify 接近两年都使用 0.x 版本，因为团队认为外部环境尚不成熟。张路宇把当时的状态比作“在波涛汹涌的海水中开一艘船，甚至要在上面建一个浮动的码头”。
模型厂商胜负、React 是否持续、微调会否存在、新模态如何出现都在变化；若过早宣布 1.0，架构可能发生巨大撕裂和漂移，对用户不可信。正式进入 1.x，意味着团队判断外部变量趋稳，当前架构值得信赖三至五年。
曲凯追问社区反馈的升级 bug，张路宇没有回避：项目由原厂团队与超过 1,000 名社区贡献者共同开发，质量协作极难，必须建立异常高水平的自动化测试。社区版会更快跟进 MCP 等新特性，企业版发布较慢、测试更多，以稳定性换取较低风险。

10. Workflow 的检查点不会消失，只会随模型能力重新切分

企业把生产流程和推理逻辑交给 LLM 时，需要 95% 甚至更高的可靠性。以自动找房、沟通并签租约为例，任务中天然存在多个步骤；未来节点可以变少、颗粒度可以变大，却不等于流程消失。
单节点 Agent 的极端形态是“输入框—结果”，不满意就丢掉重来；只要用户需要控制、复核或让模型在关键位置回到人类，流程就必须拉长。曲凯用生图、生视频反复“抽卡”反问，张路宇指出，最终仍由人挑选，实质是有人值守，而企业目标通常是无人值守。
路宇以 DeepSeek 为例，称其技术方向是从今天的 High Code，也就是大规模编码、极度可靠的东西，逐步向智能化转换；这条路可能需要三年、五年，但能在过程中持续提供可靠的东西。Dify 自己的路线则是始终给用户交付可投产技术：技术每年变化，但风险水位线不变。“就像外面满大街开的丰田车一样，开不坏的丰田”，让用户始终感到轻松、安全、可靠。
另一条路线直接冲向 AGI、试图用一个 bot 解决所有问题，可能交付惊艳样本，也更容易让用户感到受挫、焦虑和“我又被骗了”。曲凯提醒务实路线会在资本与自媒体叙事中吃亏；张路宇接受噪音存在，但不因此改变风险水位线。

11. 神经符号 AI，是 Dify 不追逐纯模型路线的理论锚点

张路宇把 Dify 的方向称为神经符号 AI：Transformer 等神经网络负责联想、生成和展开，早期的符号 AI 负责判断、逻辑和因果。真正良好运作的 Agent 最终需要两者混合。
他的仿生解释是，人脑能低能耗工作，不只因为神经联想，还内置了类似二叉树的快速分类：老人还是小孩、男孩还是女孩。符号判断压缩了搜索空间，使人能根据因果认知迅速预测。
因而，面对“纯神经网络可以解决一切”的宏大叙事，他的态度是：“我不相信这个，我从来没有相信过这个。”明确的智能观，让团队不必因每个单点惊艳案例频繁改换技术路线。

12. 多工具组合会长期存在，AI 编程范式尚未收敛

企业同时使用 Dify、LangChain、n8n 并不反常：新的 Agent 编程范式尚未形成，各平台用自己的方式解决局部问题，企业工程能力又有差异。张路宇观察，北美程序员技术能力更强一些、更偏好 LangChain，一些东亚市场则更需要低代码界面。
曲凯提出“快时尚 SaaS”：企业是否会让财税、业务人员与技术团队自行搭 Workflow，不再购买普适第三方 SaaS？张路宇认为只说对了一半——交互和流程可以客制化，但发票字段、敏感属性、长期存储等稳定数据结构不能随意改变。
未来编程可能把更多精力放在定义结果和稳固结构，结构之外再由 AI 灵活生成。AI 会重塑 SaaS 的可变层，却不会取消软件工程中的数据约束与长期一致性。

13. Agent 进步快于预期，Dify 也为克制付过增长学费

张路宇承认，GPT-4 左右开始往后，很难预判模型会在何时突破到足够高的自主化水平；几次模型跃迁让编程等领域的 Agent 进展快于预期。Cursor 一类公司是在技术未成熟时提前布局、等待能力拐点，近似“守株待兔”。
对希望捕捉短期风口的产品，提前押注 Nano Banana 一类模型能力可能是正确策略：一旦模型变得足够新鲜有趣，首个代表性产品会集中吸收流量。但 Dify 的风险偏好决定它不会以生产可靠性换这种赔率。
更明确的失误发生在团队建设。2024 年初公司只有十几二十人，年底业务已翻数倍，人员却没有同步储备；增长一夜到来时无法立即补齐大量优秀人才，团队因此做得非常吃力。张路宇的复盘是“信念不够坚定”，但曲凯也指出，对融资有限的国内初创公司，提前扩编本就是艰难选择。

14. Dify 的使命已转向思考组织生产关系

张路宇认为产品发展仍不够快，根因不是早期没想清短期竞争，而是没想清五至十年的使命。最初目标只是做一个流行、技术好、受欢迎的开源中间件，缺少它与社会结构变革的连接。
他现在把使命定义为“思考未来人与 AI 的生产和组织关系”：当十几人、几人甚至一人公司借助 AI 承担大规模流程时，平台必须适配全新的生产和组织方式，而不只是帮助个体做几个小应用。
这也延续了 Dify 早期的“技术平权”理念：让没有长期技术训练的人把专业知识自动化、智能化，成为“十倍工程师”或十倍的其他专业角色。张路宇称，这件事已不必怀疑，可能在两至三年内明显发生。

15. 企业已从聊天机器人跨入数百节点的生产网络

两年前常见场景仍是陪聊、知识库问答和客服；张路宇当时就认为不会长期存在二十个聊天框，因为没人愿意每天逐一对话。bot 的价值更多是帮助用户快速理解 AI，并获得“上帝感的造物主感觉”。
如今 Dify 见到的最复杂 Workflow 已达四五百个节点，连接企业内部多种组织关系和数据，再生成生产结果。张路宇坦言，这种复杂度连他早期都无法想象。
他以安克为例：可能已利用 Dify 搭建上千个工作流、集成上万个原子能力，并把 Agent 资源与 HR 人力资源对等看待。新业务先拆能力、设计 SOP，再判断每个环节“我这里是放人，还是 Agent”。
曲凯惊讶这种阶段来得如此快，张路宇强调并非孤例；DeepSeek 带来的开源、低成本模型普及，又进一步加速了中立中间件进入生产系统。

16. “不标准”才是 Dify 的标准场景，形态更像企业操作系统

财务、税务、营销等标准需求已有专业垂直 SaaS，可能花 20 美元就能解决一个特定问题；一旦场景高度标准化，专门厂商通常能做得更深。Dify 曾花时间考虑提炼标准模板，却发现使用最好的客户反而都“不标准”。
这些客户需要胶水，把原有产品、数据、人员与流程连接成复杂协作关系；不同工种、组织之间没有统一答案。过去必须依赖 IT 人员做昂贵集成，如今 LLM、AI coding 和协同画布显著降低了成本。
张路宇设想的形态不是单纯脚手架，而是新的组织协作方式：内部原子能力插入统一 Hub，人员与 Agent 在同一平台协同，并明确谁设计流程、谁承担人类反馈节点。
未来员工早上打开看板，看到等待领取、Review 或反馈的任务；进入流程即可查看业务生产全景。“你可以理解为它是一个操作系统”，其核心对象不是电脑资源，而是企业智能化生产。

17. 开源打开日本，全球组织与上下文能力决定下一程

Dify 目前 GitHub stars 超 11 万、位列全球开源项目前 50；张路宇称财富 500 强中约 20% 在使用，而公司基本“零销售”。他把开源视为最重要决策：没有它，就无法同时解决全球传播、信任、技术标准与模型中立。
日本市场可能已接近“垄断地位”，也是现象级工具：电视、书店教材和咖啡店都能看到 Dify。2023 年产品发布时已有日语版本，当地技术人员匮乏、业务高度流程化，用户看到 Dify，“就好像当年只写财务报表的会计看到 Excel 一样”；爆发时公司没有日本员工，如今团队接近 10 人。
全球化从第一天就按异步协作设计：招聘具备国际背景的人，使用美国 SaaS 打通邮件、财务等工具链，并由此学习当地产品生态。内部实行投资人可查看全部文档、对内外使用同一套数据、员工入职获得 1,000 美元信用卡并事后审查等“信任先行”制度，遵循德鲁克式“激发善意”。
张路宇认为模型对多数人的能力已“够用，甚至是奢侈的”：解决问题的置信度从两年前的 60%—70% 升至 95% 以上，瓶颈变成上下文。模型像巨大的数据球，问题是输入正确“密码”；Dify 要交付寻找答案的地图，组织则要建设共享 Memory 和信息总线，甚至设置“首席上下文官”。

18. 最后的壁垒是超级个体、组织学习与创始人的长期状态

张路宇不做模型能力预测：“我是那个教大家用电的，我为什么研究怎么发电？”但随着技术变量趋稳，Dify 的产品规划已从半年拉长到三年，重点转向 Memory、MCP、现实连接以及生态协同。
曲凯援引一份 MIT 报告称，95% 的企业 AI 试点失败；路宇接着概括为工具不够、组织学习能力也不够，并判断未来几年最大的窗口在“建桥”：基础设施、人机交互范式、可靠 Workflow，以及把高效调用 AI 的知识广泛传播。
有一类真正用得好的人反而认为模型“不够用”——速度不够快、Token 不够多；团队甚至观察每位开发者的模型消耗量。能力差距可能比二八法则更极端，这些人的共同特质是好奇心：“不断地在模型的边界上游走。”
对 Dify 为何被低估后仍能胜出，张路宇不接受“精耕细作、厚积薄发”的浪漫化解释。他更愿意说团队用成熟市场的方法，长期固定工程优先、稳定可靠、开放协同等标签；同时创始人必须主动快乐，让想法自然涌现，既拒绝长期 996，也反对把创造限制在僵硬八小时内——最优状态是目标一致后进入不计时间的心流。

解锁 AGI：AGI 如何改变每个人的生活｜Jack Hidary、Salim Ismail 与 Dave Blundin | EP #213 波兰主权 AI：语言适配、本地控制与成本优势——Marek Kozlowski