10 分钟带你跑通 Dify 的 Hello World

有时候，一句温柔的小提示，比一束花更能治愈一天的情绪。如果你刚开始接触 Dify，甚至还没想好要做什么应用，那么这篇文章能让你在 10 分钟内跑通一个真正能用的小功能，我愿称之为Dify的Hello World。

这个功能的名字就叫做“早安心语”，顾名思义就是每天早上自动生成一条温柔的早安消息，发给你爱的人。

为什么选这个项目？

因为简单、有趣，还能立刻带来成就感。你跑通之后，说不定立刻就能提升一丢丢恋爱幸福指数。

这个Hello World能做什么？

我们的目标非常朴素：每次输入一个名字，比如“Baby”，Dify 自动生成一段温柔、不过分油腻的“今日早安提示”。

比如：“早安Baby，今天的风有点凉，记得穿外套哦。顺便提醒你：别把烦心事揣兜里，揣个热乎的糖更好。”

是不是一下子就能用在实战里了？

架构长这样

核心链路就是用户先输入一个名字，Dify 的工作流接收到这个输入后，将它传递给设定好的 Prompt 模板，由模板生成一段专属于这个名字的早安心语。随后，大模型根据 Prompt 输出一句温柔贴心的提示语，最终再交给后续步骤，比如展示、存储或发送。

详细步骤来啦

大概分为以下几步：

1）使用Docker运行Dify

第一步当然是把 Dify 跑起来。官方给的 Docker 启动方式已经非常成熟，你只需要在服务器或本地拉下仓库、执行 docker compose up -d 就能把整个 Dify 服务一键启动。启动后你会得到一个完整可用的环境，包括后台管理界面、工作流引擎以及所有模型调用能力。整个过程不需要安装繁琐的依赖，几分钟就能搞定，非常适合新手快速上手。

在运行Dify之前要求机器的CPU和内存最小条件为：

CPU >= 2 Core

RAM >= 4 GiB

满足上述条件外还需要有Docker和Docker Compose工具，然后在clone源码：

git clone https://github.com/langgenius/dify

然后就可以直接在源码目录下执行Docker Compose命令：

cd dify
cd docker
cp .env.example .env
docker compose up -d

然后访问以下地址安装Dify：

http://localhost/install

2）打开Dify，创建空白应用

打开Dify的地址 http://localhost

创建工作流，填写一些基本信息

3）编辑工作流开始节点

进入工作流后，画布中央会有一个开始节点。点开右侧配置面板，你可以为这个开始节点增加输入参数，例如 name（文本类型），用于接收用户输入的名字。

这个步骤的核心作用就是告诉 Dify：我的流程需要什么输入数据，它们来自哪里。之后这些输入会在 Prompt 里使用，也会传递到每一个后续节点。

输入比较好理解，就是输入相关的参数，类似于HTML里面的表单组件，而触发器相较就稍微复杂一点，相关解释可以参考：

https://docs.dify.ai/zh/use-dify/nodes/trigger/overview

4）增加LLM节点

接下来，从左侧组件栏把一个「LLM」节点拖到画布上，并连接到开始节点。

打开配置面板，你可以选择你想用的模型（比如 GPT、Qwen、Claude 等），然后编写 Prompt 模板，让模型根据输入生成一段温柔的早安文案。Prompt 模板中可以使用变量占位符，比如 {{name}}，让输出变得更贴心、更个性化。这个节点就是整条流程的大脑，负责根据你的规则生成内容。

如果是第一次使用LLM，那么还需要安装相关的插件，并进行配置，这个就像我们手机安装应用并使用手机号登录一样简单。

比如在这里我选择的是DeepSeek，那么就需要到DeepSeek的开放平台去申请一个API Key，并配置在我这个插件中，配置完成后可以测试一下。

然后就是选择模型等操作。

配置完成后LLM节点就可以正式使用了。

5）增加HTTP请求节点

如果你还想让输出更“聪明”，比如结合天气、日期或外部数据，可以在 LLM 后面再拖入一个「HTTP Request」节点。这个节点可以向任意 API 发起请求，比如天气 API，用来补充更多个性化信息。你可以把从外部接口拿到的字段继续传入 LLM 或给后续节点使用。这个步骤类似给流程加一个“外挂能力”，让它不只会写文案，还能查资料、连互联网、做真实世界的数据交互。

我们首先新建一个HTTP Server，用于接收Dify发送过来的请求。

func main() {
    http.HandleFunc("/send", func(w http.ResponseWriter, r *http.Request) {
       param := r.URL.Query().Get("str")
        fmt.Fprintf(w, "Received GET request with parameter: %s", param)
    })

    // 启动服务器
    port := ":8080"
    log.Printf("服务器运行在 http://localhost%s", port)
    log.Fatal(http.ListenAndServe(port, nil))
}

然后在Dify流程中创建HTTP节点，发送HTTP Request。

后面我们就可以测试这个流程啦

测试效果

我们点击测试运行，然后开始节点会让我们输入name参数的值，我们可以自定义数据进行输入，然后点击开始运行。

后面这个工作流就会自动的拿着我们填写的参数去调用LLM，然后将返回值再进行HTTP接口的调用：

拓展一下

到这里，一个“输入名字 → 输出温柔早安提示” 的 Dify 工作流就算跑通了。虽然看起来只是一个很简单的小程序，但它已经完整覆盖了一个 AI 应用从 输入、处理、生成到扩展能力 的完整链路。更重要的是，你会发现——AI 应用并不是一个冷冰冰、需要很强代码功底的东西，只要你能把需求拆成几个小动作，Dify 就能帮你把每一步串起来。

如果你继续往下挖，其实还能玩出更多花样：

• 让 LLM 输出更稳定？可以加入 参数校验、条件分支。
• 想让提示更贴近生活？加一个 天气 API 或 日期节点。
• 想自动每天给喜欢的人发？接上 Webhook 或 消息推送渠道。
• 想做成独立产品？你可以再加上 前端小界面 或 API 调用入口。

当你把这些能力组合在一起的时候，你就不只是跑通了一个 Hello World，而是真正掌握了构建 AI 自动化应用的思维方式。

未来你可能会开发一个自动写日报的小助手、一个能分析股票情绪的小工具，甚至一个个性化的生活 AI 伙伴。而这一切，都是从这个小小的“早安提示”开始的。

所以我们已经迈出了做 AI 应用的第一步。接下来，只需要继续动手，继续尝试，把更多想法交给 Dify 去实现，就行了。