Dify: AI 워크플로우 빌더

https://dify.ai

[특징]
- LLM 워크플로우 노코드
- RAG (Retrieval-Augmented Generation) 내장
- 다양한 모델 지원 (OpenAI·Claude·Gemini)
- API endpoint 자동 생성
- 셀프호스트 가능


[가격]
- Sandbox 무료
- Professional $59/mo
- 셀프호스트 무료

[1] 새 앱 만들기
- 챗봇·에이전트·워크플로우 선택


[2] 모델 설정
- Claude Sonnet 4.6
- OpenAI GPT-4o
- Gemini 2.5 Flash


[3] 프롬프트
"You are a customer support AI for [App Name].
Be concise, friendly, and helpful.
If you don't know, ask for human help."


[4] Knowledge Base (RAG)
- PDF·문서 업로드
- 자동 임베딩 + 검색
- "How do I cancel?" → 정확한 답변


[5] API 발급
- 즉시 API endpoint
- API key
- 다른 앱에서 호출 가능

[블록 단위 시각적 빌드]

User Input
    ↓
Question Classification (분류)
    ├─ "billing" → Knowledge Base (FAQ)
    ├─ "bug" → Create GitHub Issue
    └─ "general" → LLM
    ↓
Format Response
    ↓
Send to User


→ 코드 0줄
→ 복잡한 흐름 가능

[셋업]
1. 문서 업로드 (PDF·웹·Notion)
2. Chunking (자동)
3. Embedding (자동)
4. Vector store에 저장


[사용]
사용자 질문 → 관련 문서 검색 → LLM에 컨텍스트 추가 → 답변


[활용]
- 회사 위키 챗봇
- 제품 매뉴얼 Q&A
- 학술 논문 검색
- 법률 문서 분석

[Workflow]

User Voice Input
    ↓
Speech-to-Text (Whisper)
    ↓
LLM 분석:
- 문법 오류
- 발음 점수
- 자연스러운 표현
    ↓
한국어 설명 추가 (조건: 사용자 모드)
    ↓
Text-to-Speech (응답 음성)
    ↓
Send to User

[Webhook]
Dify → Make.com → 다른 시스템

[API]
Next.js 앱 → Dify API → AI 응답

[Slack Bot]
Dify가 직접 Slack에 메시지

[채널톡]
Dify가 한국 CS 응답


→ Dify는 AI 부분만 담당
→ 나머지는 다른 도구 + Webhook

[Dify 적합]
- 비기술 팀원 사용
- 프롬프트 자주 변경
- A/B 테스트 (다른 모델 비교)
- 빠른 프로토타입

[직접 구현 (Vercel AI SDK)]
- 깊은 통합
- 비용 최적화
- 커스텀 흐름
- 풀 컨트롤


→ 검증 단계: Dify
→ 출시 후: Vercel AI SDK 마이그레이션

// LangChain.js — 코드로 워크플로우
import { ChatAnthropic } from '@langchain/anthropic';
import { RunnableSequence } from '@langchain/core/runnables';
import { PromptTemplate } from '@langchain/core/prompts';

const model = new ChatAnthropic({ model: 'claude-sonnet-4-6' });

const chain = RunnableSequence.from([
  PromptTemplate.fromTemplate('Translate to Korean: {text}'),
  model,
  (response) => response.content,
]);

const result = await chain.invoke({ text: 'Hello world' });


// 더 복잡 — Agent + Tools
import { createReactAgent } from '@langchain/langgraph/prebuilt';

const tools = [searchTool, calculatorTool, dbTool];
const agent = createReactAgent({ llm: model, tools });
const result = await agent.invoke({ messages: [...] });