Dify
Açık kaynaklı bir geliştirme platformunda yapay zeka ajanları, görsel iş akışları ve RAG boru hatları oluşturun ve çalıştırın.
Yapay zeka iş akışları tasarlayın, model sağlayıcılarını yönetin ve sıfırdan başlamadan RAG boru hatları konuşlandırın.
Dify, görsel bir iş akışı tuvaline ve ajan oluşturucusuna sahip açık kaynaklı bir LLM uygulama geliştirme platformudur. Yazılım ekiplerinin yerleşik gözlemlenebilirlik ve backend API'leri ile hızlı prototiplemeden üretime geçmesine yardımcı olur. Altyapıyı sıfırdan inşa etmeden özel yapay zeka ajanları ve belge boru hatları dağıtmak istiyorsanız bunu kullanmalısınız.
Nedir
Dify; belge alımı, fonksiyon çağırma ve komut istemi mühendisliği araçlarıyla onlarca model sağlayıcısını birbirine bağlar. LLM'leri, yerleşik 50+ ajan aracını ve Langfuse ve Phoenix gibi gözlemlenebilirlik entegrasyonlarını bağlamak için görsel bir tuval sağlar. Platform, yapay zeka mantığınızı doğrudan uygulama backend'inize bağlamak için tam Backend-as-a-Service API'leri sunar.
Kimler için
Karmaşık LLM iş akışları veya RAG uygulamaları oluşturması, test etmesi ve barındırması gereken yazılım mühendislerine ve teknik ürün ekiplerine uygundur. Docker ortamlarını veya sunucu altyapısını yönetemeyen teknik olmayan kullanıcılar için ideal değildir. Tamamen çevrimdışı masaüstü araçları arayan ekipler de bunu gereksiz bulacaktır.
Temel özellikler
Görsel Tuval İş Akışı Oluşturucu
Etkileşimli düğüm tabanlı bir tuval üzerinde karmaşık yapay zeka uygulama mantığı oluşturun ve test edin.
Geniş Model Sağlayıcı Desteği
Onlarca sağlayıcı ve yerel OpenAI uyumlu API'ler genelinde tescilli ve açık kaynaklı modelleri bağlayın.
Yerleşik RAG Boru Hattı
Anında vektör alımı için PDF'ler ve PPT'ler dahil olmak üzere belge formatlarını çıkarın ve dizine ekleyin.
Ajan Araç Çerçevesi
Google Search ve WolframAlpha gibi araçlarla Function Calling veya ReAct kullanarak ajanları yapılandırın.
Backend as a Service
Yapay zeka özelliklerini kodunuza entegre etmek için her görsel iş akışına karşılık gelen API uç noktalarına erişin.
3 adımda hazır
Dürüst kararımız
Artıları
- Google Search, DALL-E ve WolframAlpha gibi kutudan çıktığı gibi gelen 50'den fazla önceden oluşturulmuş ajan aracı içerir.
- Backend entegrasyonunu basitleştirmek için oluşturulan her iş akışı için Backend-as-a-Service API'leri sunar.
- Opik, Langfuse ve Arize Phoenix gibi üçüncü taraf gözlemlenebilirlik platformlarıyla doğrudan entegre olur.
- RAG boru hattı içinde doğrudan PDF ve PPT gibi yaygın formatlar için belge ayrıştırmayı destekler.
Eksileri
- Düzgün çalışması için en az 2 CPU çekirdeği ve 4 GiB RAM ile barındırma altyapısı gerektirir.
- Yüksek verimli RAG dizinleme ve yerleştirme depolaması çalıştırmak, devam eden sunucu barındırma maliyetlerini artırır.
- Kendi yönettiğiniz dağıtımlar, Docker konteynerlerinin ve ortam değişkenlerinin teknik bakımını gerektirir.
Fiyatlar & lisans
Dify, açık kaynak lisansı altında kendi sunucusunda barındırma için ücretsizdir. Barındırılan Dify Cloud hizmeti, ücretli bir plan gerektirmeden önce 200 ücretsiz GPT-4 çağrısı içeren ücretsiz bir sandbox planı sunar. Kendi sunucusunda barındırılan dağıtımlar, kendi sunucu barındırma maliyetinizi ve üçüncü taraf API modeli kullanımınızı ödemenizi gerektirir.
Türkçe konuşanlar için işler
879 açık uzaktan yapay zeka eğitimi işi, 15 Kasım 2026 tarihinde güncellendi; çoğu saatlik $20–$175 ödüyor. Bunların 2 tanesi Türkçe konuşanlar için. Zekai ücretsiz listeler; başvuru işverenin platformunda yapılır.
Alternatifler
İncelenmiş bu AI araçları aynı işi anında yapar — puanlı dizinimizden.
Kullanın ya da biz kuralım
SSS
Dify'ı kendi sunucusunda barındırmak için hangi donanım gereklidir?
En az 2 CPU çekirdeğine ve 4 GiB RAM'e sahip bir makinenin yanı sıra Docker ve Docker Compose v2.24.0 veya sonraki bir sürümüne ihtiyacınız vardır.
Dify kendi sunucusunda barındırılan LLM modellerini destekliyor mu?
Evet, onlarca büyük bulut çıkarım sağlayıcısının yanı sıra herhangi bir OpenAI API uyumlu modeli destekler.
Dify'ı harici izleme sistemlerine bağlayabilir miyim?
Evet, Dify Opik, Langfuse ve Arize Phoenix gibi gözlemlenebilirlik platformlarıyla yerel olarak entegre olur.
