FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

工具

为客户自托管 Dify,先看清拖拽的边界

4 GiB 内存就能跑起来,但部署能走多远,取决于代码沙箱和许可证。

分享微博

要点速览

  • Dify 用 Docker Compose 自托管,最低需要 2 核 CPU 和 4 GiB 内存。
  • 代码节点运行在沙箱中:不能读文件、不能执行系统命令,只能导入预装的库,输出也有硬性上限。
  • 许可证规定,未经书面许可不得运营多租户环境,也不得移除控制台里的 logo。
两棵并排的决策树。沙箱决策树问:逻辑是否需要文件、命令、新包,或超过 500 项的数组?否则用代码节点,是则构建独立服务(高亮显示)。许可证决策树问:是否有多个客户共用一套安装?否则没问题,每个客户一套;是则需要 Dify 的书面许可。
把 Dify 带到客户现场,会遇到两条边界:代码节点的沙箱限制,以及许可证中的多租户条款。来源:Dify 文档及 langgenius/dify 仓库的 LICENSE 文件。

Dify 自称开源平台,但代码仓库里的 LICENSE 文件附加了一个条件:未经 Dify 书面许可,不得使用其源代码运营多租户环境。

把 Dify 带到客户那里之前,这句话值得仔细读。自托管版可以让你在客户自己的基础设施里,基于客户数据搭建 LLM 应用。这类部署绕不开一个问题:还有谁会共用这套安装?

选定 Dify 之后,有两条边界需要提前心里有数,一条来自沙箱,一条来自许可证。越过沙箱边界,就得自己写代码;越过许可证边界,就需要 Dify 的书面许可,或者换一种架构。

在客户现场,Dify 能帮你做什么?

官方仓库 langgenius/dify 将其描述为一个涵盖工作流、RAG、Agent、模型管理和可观测性的平台。根据文档,你可以基于客户自己的数据搭建 Agent、智能体工作流和聊天机器人。Agent 可以调用工具、MCP 服务器,或你自己编写的 API。

对前线部署工程师(FDE)来说,最有价值的一点是每个应用都自带 API。Dify 文档明确写道,Dify 应用可以通过 REST API 嵌入客户的产品。你可以在界面里拖拽搭建工作流,和客户一起快速验证想法,而客户的系统只需调用一个接口。

一个下午完成首次安装

README 称 Docker Compose 是启动 Dify 服务最简单的方式,并列出了三种部署选项:Cloud、自托管社区版和企业版。自托管流程很短:克隆一个发布标签,复制 .env 文件,然后运行 docker compose up。软件方面,需要 Docker Compose 2.35.0 或更高版本。

硬件方面,最低要求不高:2 核 CPU、4 GiB 内存。在那些连申请一台虚拟机都要走审批工单的公司,这个配置能让你在和客户第二次开会之前,就在内网跑起一个演示。

需求更高的客户可以选择企业版,它面向 VPC、本地部署和物理隔离网络,提供 Helm chart 和 Terraform 模块。

Dify 称该版本能让数据始终处于客户掌控之中,支持通过 SAML/OIDC 实现 SSO,并能配合本地模型离线运行。这些都是厂商的说法,向客户承诺之前,先在真实环境里测试。

代码节点是拖拽的尽头

可视化节点不够用时,工作流提供了代码节点,你可以用 Python 或 JavaScript 编写数据转换、计算和复杂逻辑。从这里开始,你就是在 Dify 里写代码了,而代码节点有几条值得牢记的硬性限制。

代码运行在隔离的沙箱中,无法访问文件系统,也无法执行系统命令。只能导入预装的库,其他导入会在运行时失败。输出同样有上限:每个字符串最多 400,000 个字符,每个数组最多 500 个元素,嵌套最多 3 层。超出任何一项,节点就会失败。

假设有一家保险客户,希望把一份理赔卷宗拆成逐条费用明细,再交给 LLM 核查。一份 120 行的小卷宗在代码节点里运行顺畅;一份 1,200 行的卷宗返回的数组超出 500 个元素的上限,节点会在最大的那份文件上失败,而那往往正是客户最在意的一份。

你有两个选择。第一种是在工作流里分批处理,比如 500、500、200,代价是工作流更复杂。第二种更干净:在客户的基础设施里写一个小服务,自己完成拆分,再让 Agent 把这个服务当作自定义 API 调用。Dify 只负责编排和提示词。

由此可以得出一条简单的规则:只需要输入变量、输出量小、用现有库就能完成的逻辑,留在代码节点里;凡是需要读文件、执行命令、使用新包或返回大量数据的逻辑,从一开始就放进独立服务,别等到在生产环境里出错。

先读许可证,再读文档

Dify 的许可证是附加了额外条件的 Apache 2.0。除了多租户条款,它还禁止移除或修改 Dify 控制台或应用中的 logo 和版权信息。如果不使用 Dify 的前端,这一条就不适用。

回到那家保险客户。如果你把 Dify 装在他们自己的基础设施里,只供他们的员工使用,那就是一个客户、一套安装。如果你的公司是一家服务商,想用一套共享的 Dify 同时服务这家保险公司和另外五个客户,问题就完全不同了。

这种共享安装非常接近许可证所描述的多租户范畴,运营之前需要获得 Dify 的书面许可。风险更低的做法是每个客户单独部署一套。最低配置只要 2 核 CPU、4 GiB 内存,多开几台机器的成本,很可能比一场许可证纠纷低。

如果保险公司希望应用使用自己的品牌,可以通过 REST API 调用应用、自建前端,从而避开 logo 条款。无论走哪条路,都要在架构文档里写清楚部署模式,让客户的法务团队在签约前看到。

先学什么,简历上写什么

先从限制学起,而不是拖拽界面。用 Compose 自托管,通过 REST API 调用一个应用,然后故意把代码节点弄崩:让数组超过 500 个元素,或者导入一个没有预装的包。之后,写一个小的自定义 API,让 Agent 去调用它。

当 FDE 岗位描述提到低代码 LLM 平台时,留意它是否同时提到本地部署或物理隔离部署。简历上不要只写“使用过 Dify”。

更具体的写法可以是:“在客户内网用 Docker Compose 自托管 Dify;因代码节点数组上限为 500 个元素,将大型卷宗处理拆到独立服务;为规避多租户条款,采用每个客户单独部署的方案。”前提是这里的每一项你都真的做过。

面试时,按同样的顺序讲这个故事:遇到了哪条限制,怎么发现的,为什么选择写服务而不是分批处理。面试官记住的,会是你为什么离开 Dify,而不是你拖拽有多快。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 5: 部署上线一个 pcap 文件,判明是网络故障还是代码问题在客户服务器上用 tcpdump 抓包,回本机用 Wireshark 打开,几个 SYN 包就能看出是哪一方的问题。