Dify 基礎攻略

オープンソースのLLMアプリ開発プラットフォーム。
ノーコードでAIワークフロー・チャットボット・エージェントを構築できる

01ツール概要

得意なこと

ノーコードでのAIアプリ・チャットボット構築
複数LLMモデルの切り替え（GPT・Claude・Gemini等）
RAG（社内文書の知識ベース検索）
AIエージェント・ワークフローの構築
セルフホスト（自社サーバー）での運用
API公開・外部連携

苦手なこと

プログラミング知識ゼロでの高度なカスタマイズ
日本語ドキュメントの充実度
リアルタイムデータの自動取得
動画・音声生成

02向いている人・用途

企業・担当者

社内文書・マニュアルを学習させたチャットボットを作りたい

非エンジニア

プログラミングなしでAIアプリ・ツールを自社開発したい

開発者

複数のLLMモデルを比較・切り替えながら使いたい

情シス担当者

RAGを使って社内ナレッジベースを活用したい

セキュリティ重視企業

オンプレミス・セルフホストでAIを運用したい

03料金・プランの考え方

プラン	内容・特徴
Sandbox （無料）	200回のメッセージ・1ワークスペース・基本機能のみ
Professional （$59/月）	無制限メッセージ・5ワークスペース・ログ・カスタムドメイン
Team （$159/月）	無制限・チーム管理・SSO・優先サポート
セルフホスト（OSS版）	完全無料・自社サーバーで無制限運用（※技術力要）

※LLM APIコストは別途（OpenAI・Anthropicなど利用するモデルに応じて従量課金）

04始め方（最短手順）

dify.ai にアクセスしてGoogleアカウントでサインアップ
公式サイトからアカウントを作成します。
「アプリを作成」から種類を選択
チャットボット・テキスト生成・ワークフローなどから作りたいものを選択。
モデルプロバイダー設定
設定画面でOpenAIやClaude等のAPIキーを登録して利用可能にします。
プロンプト設定・動作確認
指示を入力しプレビューでテスト。問題なければ「公開」して完成。

Difyを始める

05基本操作（機能マップ）

1. チャットボット

会話型AIアプリを作成。システムプロンプトを設定して動作をカスタマイズ

2. テキストジェネレーター

フォーム入力 → AI出力の一方向型アプリ（文章生成・要約等）

3. ワークフロー

複数のAI処理・ツールを繋いだ自動化フローを構築

4. 知識ベース（RAG）

PDFや社内文書をアップロードしてAIが参照できるデータベースを作成

5. エージェント

ツール呼び出し・検索・判断を自律的に行うAIエージェントを構築

6. APIアクセス

作成したアプリをAPIとして外部サービスから呼び出せる

06プロンプトテンプレート

パターン1：チャットボットシステムプロンプト型

あなたは[会社名・サービス名]の[役割]です。
以下のルールに従って回答してください：
- [ルール1：回答範囲・トーン]
- [ルール2：使用言語・文体]
- [ルール3：対応できない場合の案内]
知識ベース：[アップロードした文書から回答する場合はここに明記]

例：
あなたは株式会社〇〇のカスタマーサポート担当AIです。
以下のルールに従って回答してください：
- 提供された製品マニュアルの内容のみを参照して回答する
- 丁寧な敬語で簡潔に回答する（200字以内）
- 回答できない質問は「担当者にお繋ぎします」と案内する

パターン2：ワークフロー型

[開始ノード：ユーザー入力フォーム]
　↓
[LLMノード1：入力を分類・判定]
　↓
[条件分岐ノード：分類結果に応じて処理を分ける]
　↓
[LLMノード2：各経路での本処理（要約・生成・翻訳など）]
　↓
[終了ノード：出力]

例：
開始：問い合わせメール本文を入力
　↓
LLM1：問い合わせ種別を「製品不具合 / 使い方質問 / 解約希望 / その他」に分類
　↓
条件分岐：種別ごとに異なる返信テンプレートで処理
　↓
LLM2：分類に合った返信文を生成
　↓
終了：生成した返信文を出力

07ベストプラクティス（コツ）

良い例知識ベースにアップロードする文書は、テキスト抽出できるPDF・テキスト形式に整理してから登録する。チャンク分割設定を用途に合わせて調整する

悪い例画像スキャンのPDFや複雑なレイアウトのファイルをそのまま登録して精度が出ないと諦める

良い例ワークフローはLLMノードの入出力を小さく分割し、各ノードの出力をプレビューで確認しながら段階的に構築する

悪い例一つのLLMノードに全処理を詰め込んで、どこで問題が起きているか分からなくなる

良い例本番公開前にDifyのログ機能で実際の会話・入出力を確認し、システムプロンプトを改善してから公開する

悪い例テストなしでいきなり本番環境に公開して品質問題が発生する

08注意点（リスクと対策）

1. APIコスト DifyのプランとLLM APIコストは別。利用量に応じてOpenAI等のAPIコストが発生する。使用量の上限設定を行う。

2. 個人情報・機密情報知識ベースに顧客情報・機密文書を登録する際は、セルフホスト版の利用とアクセス権限設定を徹底する。

3. ハルシネーション知識ベース外の質問に対してもAIが回答する場合がある。「知識ベース外は回答しない」旨をシステムプロンプトに明記する。

4. モデルの変更利用するLLMのAPIが変更・廃止された場合はDify側の設定も更新が必要。

5. 社内規程外部のLLM APIにデータを送信することになるため、情報セキュリティポリシーを確認してから導入する。

09よくある失敗と解決

失敗：知識ベースを登録したのにチャットボットが文書の内容を参照してくれない

解決：アプリ設定の「コンテキスト」に知識ベースを紐付けているか確認する。システムプロンプトに「必ず知識ベースを参照して回答してください」と明示する

失敗：ワークフローが途中で止まる・エラーが出る

解決：各ノードのログを確認して、どのノードでエラーが発生しているかを特定する。LLMノードの入力変数名とプロンプト内の変数名が一致しているか確認する

失敗：チャットボットの回答が長すぎる・口調がバラバラ

解決：システムプロンプトに「回答は〇字以内」「箇条書きで回答」「敬語を使用」など出力フォーマットを具体的に指定する

10活用例（業務サンプル）

1. 社内FAQ Bot

Before: 問い合わせのたびに担当者が手動回答

After: 社内マニュアルを知識ベースに登録して24時間自動回答

2. 問い合わせ自動分類

Before: 受信メールを手動で読んで担当者に振り分け

After: ワークフローで自動分類・担当者通知

3. 採用応募者対応Bot

Before: 採用担当者が全応募者のメールに個別返信

After: DifyのチャットボットでFAQ自動応答・面接日程調整

4. 営業提案書生成

Before: 顧客情報をもとに毎回手動で提案書を作成

After: フォームに顧客情報を入力すると提案書ドラフトを自動生成