Dify 入门系列(六)：从 Web 到 API交付与集成，打通 AI 落地的“最后一公里”
大家好，我是独孤风。
在上一篇教程中，我们已经在Dify的“工作室”里，用5分钟“组装”出了一个懂公司规范的 “📊 数据治理知识助手”。 但是，现在有一个尴尬的问题： 这个超酷的AI助手，目前还被锁在Dify的“工厂”里。 只有拥有Dify账号、能登录后台的人才能看见它。这就像造了一辆法拉利，却只能在自家车库里空转，不能开上路去接送客户。
AI工程化的核心，不仅在于“造出来”，更在于“用起来”。 今天，我们要进行Dify入门篇的关键一课：交付与集成 (Delivery & Integration)。 我们将拆掉Dify工厂的围墙，通过三种方式，把这个AI助手“分发”到真实的世界中去：
- Web App：生成公开链接，发给老板直接用。
- 嵌入 (Embed)：把AI挂载到公司内网或博客上。
- API (后端即服务)：这是架构师的最爱，让业务系统直接调用AI能力。
不需要写代码，不需要搭服务器，我们将见证Dify作为 LLMOps平台 最强大的 BaaS (Backend as a Service) 能力。
｜本文档版权归大数据流动所有，作者独孤风。文末联系作者，加入AI工程化学习社群
第一种交付：Web App（最快！3秒上路）
这是最简单、最直接的交付方式。Dify自带了一个精美的、适配移动端的网页前端。
🎯 场景：
- 开会时，发给老板演示效果。
- 做成二维码，贴在会议室墙上，供员工查询“数据规范”。
🛠️ 操作步骤：
- 从工作室进入你的 “📊 数据治理知识助手” 应用概览页。
- 在左侧菜单栏找到 “设置按钮”。
- 找到 “公开访问 URL”，点击开关，将其变成 “已启用”。
- 复制那个链接，发到你的手机上，或者发给同事。也可以复制二维码
👀 见证时刻： 你会发现，无需登录Dify账号，同事点开链接就能直接和AI对话！ 这个页面简洁、专业，而且自适应手机屏幕。你甚至可以在“设置”里上传公司的Logo，修改背景颜色，让它看起来就像是公司专门找外包开发的产品。
💡 笔记： 不要小看这个URL。它背后已经封装好了鉴权、流式传输、错误处理等全套Web服务。在没有Dify之前，为了这一个页面，你可能需要一个前端工程师写两天Vue/React代码。
第二种交付：嵌入网站（最无感！融入业务）
如果公司已经有了内部门户（Intranet）、Wiki（如Confluence）或者你个人的技术博客，你想把AI助手变成网页右下角的那个 “悬浮气泡”，该怎么办？ Dify 提供了 “脚本嵌入” 能力，把AI变成一个插件。
🎯 场景：
- 在公司“数据治理管理平台”网页右下角，挂载一个AI客服，随时解答填报问题。
- 在个人博客上挂一个“数字分身”。
🛠️ 操作步骤：
- 在应用右侧菜单，点击 “发布”下的下拉按钮。
- 你会看到三种模式，嵌入网页，悬浮，浏览器插件，选择 “悬浮窗 (Floating Chatbot)”。
- 复制页面上显示的那段 <script> 代码。
- 打开你公司网站的 HTML 源码（或者 WordPress/Hexo 的配置页），把这段代码粘贴到 <body> 标签结束前。
👀 见证时刻： 刷新你的公司网站，右下角奇迹般地出现了一个蓝色气泡图标。点开它，你的 “数据治理知识助手” 就浮现在那里，和原有系统完美融合。
第三种交付：API集成（最硬核！无限可能）
前两种只是“穿衣服”，这一种才是真正的“换骨”。 作为大数据工程师，我们深知：真正的企业级应用，数据和逻辑必须是解耦的。 Dify 的核心定义是 BaaS (Backend as a Service)。它把复杂的 RAG、模型调用、Prompt工程全部封装成了一个标准的 RESTful API。
🎯 场景：
- 企业机器人：员工在群里 @机器人 提问，机器人调用 Dify API 回答。
- ERP系统集成：在数据录入界面，点击“自动校验”，后端调用 Dify API 检查数据质量。
- 私有化前端：你嫌弃 Dify 自带的 UI 不好看，自己用 React 写个全新的界面，后台连 Dify。
🛠️ 操作步骤：
- 在应用左侧菜单，点击 “访问 API (API Access)”。
- 点击右上角 “API 密钥”，创建一个新密钥，复制保存（千万别泄露）。
- 打开右上角的 “API 文档”。Dify 自动生成了针对当前应用的专属文档。
- 找到 POST /chat-messages 接口。
💻 极简测试（假装我们是后端开发）： 打开你的终端（Terminal）或 Postman，输入以下命令（替换你的 api-key）：
Bash
curl -X POST 'https://api.dify.ai/v1/chat-messages' \ --header 'Authorization: Bearer {YOUR_API_KEY}' \ --header 'Content-Type: application/json' \ --data-raw '{ "inputs": {}, "query": "什么是数据质量？", "response_mode": "blocking", "conversation_id": "", "user": "dugufeng-test" }'👀 见证时刻： 你会收到一段标准的 JSON 返回，里面有 DeepSeek 生成的回答 "数据质量是指..."。 拿到这个 JSON，你的 Java/Python 后端想怎么处理都行！
💡 安全警示： API Key 等同于你的账号密码。
千万不要把 API Key 直接写在前端 JavaScript 代码里（容易被浏览器F12抓包窃取）。
正确的做法：前端 -> 你的后端服务器(Node/Java/Go) -> Dify API。在你的后端服务器里中转请求，保护 Key 的安全。
总结：从“作坊”到“生态”
今天，我们没有修改Prompt，没有调整模型，但我们做了一件更重要事：连接。
通过 Web、嵌入、API 三种方式，我们将 Dify 这个“AI引擎”安装到了业务的“底盘”上：
- Web App 解决了“快速演示”；
- 嵌入 解决了“门户引流”；
- API 解决了“深度业务集成”。
至此，我们的 Dify 入门篇 “基建四部曲”（部署、模型、知识库、应用交付）已全部完成。你已经具备了构建一个标准 RAG 问答机器人的全部能力。
但是，现实世界的业务往往比“一问一答”更复杂：
- 如果我想让 AI 先去查一下 天气，再写周报？
- 如果我想让 AI 把生成的 SQL 语句，先发给 Leader 审批，再执行？
- 如果用户上传一张图片，我要先做 OCR 识别，再存入 Excel？
简单的“聊天助手”已经不够用了。 我们需要更强大的逻辑编排能力——工作流 (Workflow)。
📢 下期预告：Dify 进阶篇 —— 工作流 (Workflow)
下一篇，我们将告别简单的 Chatbot，进入 Dify 最迷人的“画布”模式。 我将带大家用“连线”的方式，来构建一个AI应用工作流，看 AI 如何处理复杂的多步逻辑。
一起折腾 Dify
如果你已经在用 Dify 做知识库、RAG 或者 Agent 应用，或者正准备学习AI工程化相关知识，肯定还会遇到一堆非常具体的工程问题。
我这边在搭一个「AI工程化学习群」，主要会做三件事：
- 一起交流AI工程化的使用与运维经验。
- 拆解多模态知识库、RAG 工作流在真实业务里的架构设计。
- 不定期更新我在实际工作中沉淀的工作流模板和踩坑记录，方便大家直接拿去改。
当然Dify只是开始。过去，我做了10年的数据工程化。未来，我准备再做10年的AI工程化！
加入大数据流动，和我们一起为未来10年埋下种子～
想进群的同学，可以在公众号「大数据流动」后台回复【dify】两个字，自动获取进群方式。
也欢迎在评论区简单介绍一下你现在用 Dify 做什么场景，我会优先拉一些典型案例进群，一起对着实际业务做优化。
我是独孤风，我们下期见。
👇 戳左下角「阅读原文」，访问我们的开源仓库点个小星星吧 ⭐️
