Dify-Plus:企业级AI管理核弹!开源方案吊打SaaS,额度+密钥+鉴权系统全面集成

本文涉及的产品
图像搜索,任选一个服务类型 1个月
简介: Dify-Plus 是基于 Dify 二次开发的企业级增强版项目,新增用户额度、密钥管理、Web 登录鉴权等功能,优化权限管理,适合企业场景使用。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦


🔐 "CTO集体失眠!这个开源项目让企业AI管理进入上帝模式"

大家好,我是蚝油菜花。当同行还在为API调用次数和预算超支扯皮时,这个国产神器已经让AI资源管理进化到「纳米级操控」!

你是否经历过这些管理噩梦:

  • 💸 实习生手滑调用GPT-4烧光季度预算
  • 🔑 离职员工带走密钥,埋下数据泄漏核弹
  • 📊 财务追着要AI费用报表,你只能掏出混沌Excel...

今天解密的 Dify-Plus ,正在重写企业AI管理法则!这个基于Dify的增强型开源中枢,用三大杀手锏终结混乱:

  • AI计划经济:对话次数/API调用/模型权限精准到人,杜绝资源黑洞
  • 密钥风控矩阵:实时监控+用量预测+异常熔断,比银行系统更严谨
  • 财务透视眼:自动生成多维度费用报表,支持成本分摊到部门

已有金融集团用它管理上千个AI应用,文末附《企业AI治理白皮书》——你的IT部门准备好迎接次世代管理革命了吗?

🚀 快速阅读

Dify-Plus 是基于 Dify 二次开发的企业级增强版项目,新增了多项功能以支持企业场景。

  1. 核心功能:用户额度管理、密钥额度设置、Web 登录鉴权、应用中心等。
  2. 技术原理:基于 gin-vue-admin 的管理中心,集成 JWT 认证和异步处理机制,确保系统高效安全。

Dify-Plus 是什么

dify-plus-cover

Dify-Plus 是基于 Dify 二次开发的企业级增强版项目,集成了基于 gin-vue-admin 的管理中心。它在 Dify 的基础上新增了用户额度、密钥额度、Web 公开页登录鉴权、应用中心等功能,并优化了权限管理,特别适合企业场景使用。

Dify-Plus 项目开源,旨在解决企业资源精细化管理的痛点。无论是用户额度控制、密钥管理,还是应用开发与安全管理,Dify-Plus 都提供了全面的解决方案,帮助企业高效管理 AI 资源。

Dify-Plus 的主要功能

  • 用户额度管理
    • 对话余额限制:限制用户对话的使用次数。
    • 异步计算用户额度:后台异步处理用户额度的计算逻辑。
    • 额度显示:在界面左上角显示用户的使用额度。
    • 个人监测页:用户能查看自己的额度使用情况。
  • 密钥管理
    • 密钥额度设置:限制应用 API 调用的余额。
    • 密钥使用分析:提供密钥使用情况的分析和报表。
    • 每月密钥额度花费:统计密钥的每月使用费用。
  • 安全管理
    • Web 公开页登录鉴权:确保只有授权用户可以访问。
    • 鉴权 Cookie:支持安全的 Cookie 鉴权机制。
  • 应用管理
    • 应用中心页面:集中管理所有应用。
    • 应用使用次数记录:记录每个应用的使用次数,按使用次数排序。
    • 同步应用到模板中心:管理员能将应用同步到模板中心。
  • 管理中心
    • 用户同步:同步用户信息到管理中心。
    • 模型同步工作区:同步模型到工作区。
    • 用户额度修改:管理员修改用户的额度。
    • 费用报表:生成费用报表,方便财务管理和分析。
  • 权限管理
    • 权限调整:普通成员无法关闭模型,非管理员无法查看密钥。
    • 优化 CSV 编码监测:修复批量请求问题,支持 Windows 下载后保存再上传。
    • Markdown 图片放大优化:提升用户体验。

Dify-Plus 的技术原理

  • 基于 gin-vue-admin 的管理中心
    • 前端:基于 Vue.js 构建现代化的用户界面,提供良好的用户体验。
    • 后端:Go 语言的 Gin 框架构建高效的后端服务。
  • JWT 认证:基于 JSON Web Tokens (JWT) 实现用户认证和授权,确保系统的安全性。
  • 与 Dify 的集成:基于 RESTful API 与 Dify 进行交互,实现功能扩展。同步用户、模型和应用数据,确保管理中心与 Dify 的数据一致性。

  • 异步处理:用异步任务处理用户额度计算等耗时操作,提升系统性能。

如何运行 Dify-Plus (使用 Docker Compose)

1. 克隆项目

首先,需要从 GitHub 克隆 Dify-Plus 项目到本地。打开终端并运行以下命令:

git clone git@github.com:YFGaia/dify-plus.git
AI 代码解读

提示:确保本地已安装 Git 和 Docker,并且 Docker 守护进程正在运行。

2. 使用 Docker Compose 启动服务

进入克隆下来的项目目录,并使用 Docker Compose 启动服务:

cd dify-plus/docker
docker-compose -f docker-compose.dify-plus.yaml up -d
AI 代码解读

备注:该 docker-compose.dify-plus.yaml 文件是从原 Dify 项目精简而来,仅保留了最小化启动所需的服务。如有其他需求,可根据实际情况自行调整。

3. 检查服务是否启动正常

使用以下命令检查容器的运行状态:

docker compose ps
AI 代码解读

确保所有相关服务的状态均为 running,这表明服务已成功启动。

如何运行 Dify-Plus (使用源码部署)

前置依赖

在部署 Dify-Plus 之前,需要确保以下环境和工具已正确安装并配置:

语言版本

  • Python:3.11 或 3.12
  • Node.js:>=18.17.0
  • Golang:>=1.22.0

基础服务

  • Redis:用于缓存和消息队列
  • PostgreSQL:用于存储数据

提示:确保 Redis 和 PostgreSQL 已启动并正常运行,且可以通过本地连接访问。

启动步骤

启动 Dify API 服务

Dify API 服务是核心服务,负责处理业务逻辑。以下是具体步骤:

# 1. 进入 API 目录
cd api

# 2. 复制环境变量配置文件
cp .env.example .env

# 3. 生成随机密钥并替换 .env 中的 SECRET_KEY
awk -v key="$(openssl rand -base64 42)" '/^SECRET_KEY=/ {sub(/=.*/, "=" key)} 1' .env > temp_env && mv temp_env .env

# 4. 安装依赖包
poetry env use 3.11
poetry install

# 5. 执行数据库迁移
poetry shell
flask db upgrade

# 6. 启动 API 服务
flask run --host 0.0.0.0 --port=5001 --debug
AI 代码解读

API 服务启动后,可以通过 http://localhost:5001 访问。

启动 Dify Web 服务

Dify Web 服务提供用户界面,供用户与系统交互。以下是具体步骤:

# 1. 进入 Web 目录
cd web

# 2. 安装依赖包
npm install

# 3. 复制环境变量配置文件
cp .env.example .env.local

# 4. 根据需求配置环境变量
vim .env.local

# 5. 构建代码
npm run build

# 6. 启动 Web 服务
npm run start
# 或使用以下命令:
# yarn start
# pnpm start
AI 代码解读

Web 服务启动后,可以通过 http://localhost:3000 访问。

启动 Dify Worker 服务

Dify Worker 服务负责处理后台任务,例如数据处理和邮件发送。以下是具体步骤:

# Linux / MacOS 启动
celery -A app.celery worker -P gevent -c 1 -Q dataset,generation,mail,ops_trace,extend_high,extend_low --loglevel INFO

# Windows 启动
celery -A app.celery worker -P solo --without-gossip --without-mingle -Q dataset,generation,mail,ops_trace,extend_high,extend_low --loglevel INFO
AI 代码解读

说明:相比原版 Dify,新增了两个队列:extend_high(处理高频任务)和 extend_low(处理低频任务)。

启动 Dify Beat 服务

Dify Beat 服务负责调度定时任务,以下是具体步骤:

celery -A app.celery beat --loglevel INFO
AI 代码解读

启动 Admin-Web 服务

Admin-Web 服务提供管理员界面,以下是具体步骤:

cd admin/web
yarn install
yarn run serve
AI 代码解读

Admin-Web 服务启动后,可以通过 http://localhost:8081 访问。

启动 Admin-Server 服务

Admin-Server 服务负责管理后台逻辑,以下是具体步骤:

cd admin/server
go mod tidy
go run main.go
AI 代码解读

初始化管理员账号

  1. 访问以下地址,初始化管理员账号:

    http://localhost:3000/install
    
    AI 代码解读
  2. 填写管理员账号信息(例如邮箱和密码),并完成初始化。

初始化管理中心的数据库表

  1. 访问以下地址,初始化管理中心的数据库表:

    http://localhost:8081/#/init
    
    AI 代码解读
  2. 填写对应的数据库配置信息,点击初始化按钮。

注意

  • 管理中心和 Dify 使用同一个数据库。
  • 管理员后台账号密码与 Dify 第一个账号相同。

常见问题

后台管理员账号

后台管理员账号的用户名和密码与 Dify 第一个账号一致。例如,如果初始化的 Dify 第一个账号为 famousmai@qq.com,则管理员后台的登录账号为 famousmai,密码相同。

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦

目录
打赏
0
3
3
0
359
分享
相关文章
RuoYi AI:1人搞定AI中台!开源全栈式AI开发平台,快速集成大模型+RAG+支付等模块
RuoYi AI 是一个全栈式 AI 开发平台,支持本地 RAG 方案,集成多种大语言模型和多媒体功能,适合企业和个人开发者快速搭建个性化 AI 应用。
235 21
RuoYi AI:1人搞定AI中台!开源全栈式AI开发平台,快速集成大模型+RAG+支付等模块
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
Agent TARS 是一款开源的多模态AI助手,能够通过视觉解析网页并无缝集成命令行和文件系统,帮助用户高效完成复杂任务。
2412 9
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
小白避坑指南:国内用Colossal-AI微调DeepSeek 1.5B的完整踩坑记录(附镜像加速方案)
本文详细记录了使用Colossal-Ai对DeepSeek-Qwen模型进行微调的过程,包括模型下载、环境部署、数据集处理及代码实现等环节。重点介绍了LoRA低秩适配方法和Colossal-Ai分布式训练框架的使用技巧,解决了模型封装后函数调用冲突、梯度检查点配置等问题。通过命令行参数灵活调整训练配置,最终在两块A100 GPU上完成训练,单卡显存占用约11GB,利用率达85%。文章总结了常见问题及解决方法,为后续研究提供参考。
112 15
小白避坑指南:国内用Colossal-AI微调DeepSeek 1.5B的完整踩坑记录(附镜像加速方案)
最新AI大模型数据集解决方案:分享两种AI高质量代码数据集生产方案
本文分享了两种构建高质量AI代码数据集的解决方案。第一种是传统方式,结合动态住宅代理与手动处理,通过分页读取和数据清洗生成结构化数据;第二种是利用Web Scraper API工具,实现自定义配置、自动化抓取及云端存储。两种方法各具优势,适合不同需求和技术水平的团队。同时,文章还提供了专属优惠福利,助力提升数据采集效率,为AI大模型训练提供支持。
58 5
最新AI大模型数据集解决方案:分享两种AI高质量代码数据集生产方案
Spring AI与DeepSeek实战二:打造企业级智能体
本文介绍如何基于Spring AI与DeepSeek模型构建企业级多语言翻译智能体。通过明确的Prompt设计,该智能体能自主执行复杂任务,如精准翻译32种ISO标准语言,并严格遵循输入格式和行为限制。代码示例展示了如何通过API实现动态Prompt生成和翻译功能,确保服务的安全性和可控性。项目已开源,提供更多细节和完整代码。 [GitHub](https://github.com/zlt2000/zlt-spring-ai-app) | [Gitee](https://gitee.com/zlt2000/zlt-spring-ai-app)
159 11
弹性算力革命:企业级GPU云服务如何重构AI与图形处理的效能边界
企业级GPU云服务基于云计算技术,为企业提供强大的GPU资源,无需自购硬件。它广泛应用于人工智能、大数据、3D建模、动画制作、GIS及医疗影像等领域,加速深度学习训练、图形处理和科学计算,提升效率并降低成本。企业可按需获取计算资源,灵活应对业务高峰,优化成本结构,推动业务发展。
30 1
AI大模型安全风险和应对方案
AI大模型面临核心安全问题,包括模型内在风险(如欺骗性对齐、不可解释性和模型幻觉)、外部攻击面扩大(如API漏洞、数据泄露和对抗性攻击)及生成内容滥用(如深度伪造和虚假信息)。应对方案涵盖技术防御与优化、全生命周期管理、治理与行业协同及用户教育。未来需关注动态风险适应、跨领域协同和量子安全预研,构建“技术+管理+法律”三位一体的防护体系,推动AI安全发展。
B/S基层卫生健康云HIS医院管理系统源码 SaaS模式 、Springboot框架
基层卫生健康云HIS系统采用云端SaaS服务的方式提供,使用用户通过浏览器即能访问,无需关注系统的部署、维护、升级等问题,系统充分考虑了模板化、配置化、智能化、扩展化等设计方法,覆盖了基层医疗机构的主要工作流程,能够与监管系统有序对接,并能满足未来系统扩展的需要。
288 5
中小医院云HIS系统源码,系统融合HIS与EMR功能,采用B/S架构与SaaS模式,快速交付并简化运维
这是一套专为中小医院和乡镇卫生院设计的云HIS系统源码,基于云端部署,采用B/S架构与SaaS模式,快速交付并简化运维。系统融合HIS与EMR功能,涵盖门诊挂号、预约管理、一体化电子病历、医生护士工作站、收费财务、药品进销存及统计分析等模块。技术栈包括前端Angular+Nginx,后端Java+Spring系列框架,数据库使用MySQL+MyCat。该系统实现患者管理、医嘱处理、费用结算、药品管控等核心业务全流程数字化,助力医疗机构提升效率和服务质量。
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。

热门文章

最新文章