衡宇发自凹非寺
量子位公众号 QbitAI
注意看，这个男人把超 1000 种大模型接入，让你可插拔无缝切换使用。
最近还上线了可视化的 AI 工作流：
给你一个直观的拖放界面，拖拖、拉拉、拽拽，就能在无限画布上编排自己个儿的 Workflow。
正所谓兵贵神速，量子位听说，这个 AI Workflow 上线不到 48 小时，就已经有用户配出了 100 多个节点的个人工作流。
不卖关子，今天要聊的就是 LLMOps 公司 Dify，及其 CEO 张路宇。
张路宇也是 Dify 的创始人。
投身创业前，有 11 年的互联网从业经验。搞产品设计，懂项目管理，也对 SaaS 有点自己的独到见解。
后来他还在腾讯云 CODING DevOps 团队负责产品和运营管理工作，服务超百万开发者用户的平台产品。
投身创业后，Dify 迅速在他和团队的合力下成为“开源 LLM 应用程序开发平台”领域绝对的佼佼者，迄今在 GitHub 坐拥超 22k 星标。
这一次，借着上新 AI Workflow 功能，我们专门找到张路宇，和这个帮 20 万个 AI 应用接上大模型的男人聊了聊。
他说：
未来的编程，可能就是编 flow。
拖放拽完成 workflow 设置
不久前，AI 大牛吴恩达发表了一个引发广泛讨论的观点。他断言，AI agent workflow 将在今年推动人工智能取得巨大进步，甚至可能超过下一代基础模型。
吴恩达视 workflow 为一个重要趋势，并呼吁所有从事 AI 工作的人都关注它。
于是 Dify 就趁热打铁地上线了 AI workflow。（但其实 Dify 看到这个机会是在半年之前，这个我们待会说。）
正式上线后，它是酱婶儿的：
核心是一个直观的拖放界面。
用户可以通过连接不同的节点，在一个无限的画布上构建自己的 Workflow。
没错，是“无限画布”——目前版本允许不断扩大可用节点的类型，且每个节点均可配置，用户可以为每个节点定义输入和输出，确保 workflow 的工作逻辑和数据流动符合预期。
也就是说，你既可以端到端地测试你的 Workflows，也可以单独测试每个节点，快速定位问题所在。
值得注意的是，一些核心节点被优先支持，包括：
LLM：选择任意一个主流的大型语言模型，并定义它的输入和输出 工具：使用内置的和自定义的工具来扩展你的 workflow 能够实现的功能。 意图分类器：让 LLM 对用户的输入自动分类，根据不同的类别进行工作流转。 知识检索：为你的 LLMs 挂载来自现有知识库的上下文数据。 代码：执行自定义的 Python 或 Node.js 代码。 If/Else 块：定义条件逻辑以创建分支的 Workflows。
此外，AI workflow 支持 DSL 的导入导出，张路宇称其为“最酷的功能之一”。
简单来说，用户可以导出自己的 workflows，然后导入到其它工作区，让 Workflows 来去自如，同时还能根据需要再次自定义它们。
这个特性为社区内的合作、分享，以及在他人工作基础上再构建，打开了一扇窗户。
并且 workflow 中可以利用 Dify 平台的全部能力，用户已经设置好检索方案的知识库、平台提供的第一方丰富工具、自定义的工具等，都能作为其中一个节点能力编排。
可以说是和 Dify 生态无缝适配了。
不会把门槛降到无限低
AI Workflow 上线后，Dify 就有了两种应用模式。
一种是 Workflow，一种则是传统的 Chatflow。
“绝大多数用户会使用传统的 Chatbot 类型，它背后没有复杂的逻辑，基本上依靠接入的大模型的自我运作。”张路宇解释道，相比之下，Workflow 会强大很多，但这不代表不能用 Workflow 做出聊天机器人。
这下就明了了，“workflow”虽然翻译为工作流，但其实代表的是 Dify 背后的运作机制。
而 Dify 之所以朝这样一个方向进化，原因是团队有自己的“信仰”。
我们认为，未来的编程，可能编的就是（work）flow。据了解，Dify 的下一步规划，是上线 RAG 的 Pipeline，以及 prompt 的协同范式。
那么，不断给自己打补丁的 Dify，到底把哪些群体视为自己的用户和潜在用户？
“假设全中国有 1000 万名开发者，其中有 50 万人现在有能力去创作、去影响别人，大模型对他们有天然的吸引力；剩下的人需要时间去理解和接纳新事物。”
有价值的、有留存的、能充分产品化的，在自己行业或技能有丰富技能的人——张路宇这么来“界定”Dify 服务的主要用户群体，并称其为“真正的我们认为的专业的开发者，或者说这个有极具创造力的创新者”。
这部分群体，在所有人群中占比不超过 10%。
所以，张路宇也坦白，DIfy 一直做的事是降低工具的使用门槛，但门槛不会低到没有。
Dify 更不会把使用门槛降为零。
我们还聊到了功能上线时间的选择。
Dify 上线 AI Workflow 的时间并不早，去年下半年起，借着 Agent 概念大热的东风，不少创业公司就已经上线了类似功能。
但 Dify 称这个时间是主动选择的时机，在 GPTs 上线前，团队就对 Workflow 的机会有所洞察。
既想观察模型侧和产品侧的动态，又要交付完整能力，不打没有准备好的仗，“我们其实节奏故意放慢了一些。”
出身大厂，“但我离经叛道”
Dify 有自己的节奏，大约和团队对自我技术的评估有关系。
当被问及是否担心大厂下场挤压市场空间时，得到的答案是正面的三个字：不害怕。
他们的理由是这样的：
一来，市场竞争似乎并没有那么紧迫与激烈。
去年 5 月 Dify 成立时，核心创始团队一直担心入场时间过晚，怕有团队先声夺人，“但事实是，没有别的团队做起来”。
二来，大厂往往是因为看到市场上有这么一个机会，供给推动，而选择押注；Dify 则是因为看到切实需求才驱动研发。
不仅不怕大厂，Dify 也不惧同类创业公司的力量。
张路宇表示，虽然有许许多多的现在这一波创业者，大多还是十年前的那一波创业者。这群人身上的标签，是在大厂进行过修炼。
“在打上大厂经历标签的同时，大厂部门之间写作流程复杂等，也成为了这些人固有的思维模版。”
同样在大厂呆过的张路宇，称自己是“大厂叛逆者”，标榜着自己的离经叛道——
我不归于（被思维掣肘）的那一类。我第一份工作在一个很大的游戏公司，21 岁，当工程师。那时候只要我判断我做的事有价值，产品很好，我会忽略一切流程，把产品弄上线，叫偷渡上线。这在很多公司属于违规，但我一定要做。为什么呢？如果按流程走，可能走不通；但我把它上线，用户体验后带来的价值是显著的。
这和创业一样，需要接受风险。
创业有风险，下场需谨慎，好在有一些令张路宇高兴的事情。
他说，过去一年最兴奋的事情，就是有特别多的年轻人在涌入这个行业，有无数顶尖学校的应届生愿意投身到里面来。
这群人不缺好的机会，毕业后轻松能拿下 500 强或大厂的高职级，但现在愿意拿非常少的钱来做大模型相关的事情。
“在以前，我们如果想招聘这样的人是很难的，甚至不知道从哪里去找到这样的简历，更别提说服他们来加入。”
“这样的人在我们公司内部有很多吗？”
“已经至少有1/3？但这个比例我认为还不够高，这些人应该成为我们的主力。”
