Dify para agentes y bases de conocimiento
Dify es una plataforma para construir aplicaciones basadas en modelos de lenguaje. Permite definir agentes, versionar prompts y montar bases de conocimiento con recuperación aumentada sin construir el andamiaje desde cero.
En Coresis la usamos cuando el problema es construir agentes de producto y el equipo del cliente necesita ajustar contenidos sin depender de un desarrollador para cada cambio. Es la base de Labbu.
Capacidades principales
Agentes definidos, no improvisados
Cada agente tiene un alcance declarado y un formato de salida esperado. Eso hace el resultado verificable, que es la diferencia entre una demostración y un producto.
Prompts versionados
Los prompts se tratan como configuración con historial, no como texto suelto. Se puede volver atrás y comparar comportamientos entre versiones.
Bases de conocimiento con RAG
Respuestas apoyadas en documentación propia, actualizable por el equipo del cliente sin intervención técnica.
Despliegue autoalojado
Puede autoalojarse, lo que permite que la documentación sensible no salga de la infraestructura del proyecto.
Licencia que conviene revisar
Dify se distribuye bajo una versión modificada de Apache 2.0 que no permite operar un entorno multi-inquilino sin autorización escrita ni retirar su marca de la consola. No es open source aprobado por la OSI, pese a presentarse a menudo como tal.
Cuándo elegimos Dify
Dify encaja cuando hay varias tareas acotadas que resolver con asistentes especializados y se quiere iterar sobre prompts y conocimiento con rapidez. No encaja cuando el problema es gobernar trabajo delegado con reintentos, recuperación ante fallos parciales y evidencia de cada paso: para eso usamos AquilaMesh, nuestro runtime propio.
Preguntas frecuentes
¿Dify es open source?
No en sentido estricto. Su licencia es una versión modificada de Apache 2.0 con restricciones de multi-inquilino y de marca. El código es visible, pero esas condiciones importan si el despliegue va a atender a varias organizaciones.
¿Se puede integrar con Drupal?
Sí. Drupal aporta el modelo de contenido y la gestión editorial, y Dify expone los agentes por API. Es la combinación que usamos en Labbu.
¿Los datos salen de nuestra infraestructura?
Depende del modelo. Dify puede autoalojarse, pero si el agente consulta un modelo comercial por API, esa llamada sale del perímetro. Conviene decidirlo de forma explícita al inicio.
Guía de decisión
Cómo evaluar Dify para agentes y conocimiento
Dify acelera la construcción de aplicaciones con modelos de lenguaje, flujos, agentes y recuperación de conocimiento. Es útil para iterar con equipos de producto, siempre que se definan evaluación, permisos, costos, tratamiento de datos y restricciones de licencia antes de poner el agente frente a usuarios reales.
Asistentes de conocimiento
Respuestas apoyadas en documentación controlada, con referencias y un alcance declarado.
Flujos con lenguaje
Clasificación, extracción o redacción dentro de un proceso que puede revisar y aprobar una persona.
Iteración de producto
Equipos que necesitan comparar prompts, modelos y bases de conocimiento sin desplegar código por cada ajuste.
Cómo encaja en la arquitectura
Dify orquesta el flujo y expone una API; los documentos viven en una base de conocimiento; y el modelo puede ser propio o de un proveedor. La aplicación debe conservar identidad, autorización y registro de la fuente. En producción se necesitan conjuntos de evaluación, límites de costo, manejo de respuestas inseguras y trazas que no filtren datos sensibles.
Qué validar antes de adoptarlo
- Definir tareas permitidas y situaciones en las que debe abstenerse.
- Evaluar respuestas con casos reales antes y después de cada cambio.
- Separar secretos, datos personales y contenido autorizado por usuario.
- Revisar licencia, modelo, almacenamiento, costos y ruta de salida.
Cuándo no elegirlo
Una integración determinista no mejora por añadir un modelo: para mover datos entre sistemas suele ser más claro n8n o código. Si el producto exige coordinación durable, recuperación ante fallos y evidencia de cada paso, puede necesitar un runtime especializado. La interfaz visual de Dify no elimina esas obligaciones.
Cómo lo aplica Coresis
Coresis usa Dify como base de agentes de producto en Labbu. Para automatización determinista lo combinamos con n8n; para trabajo delegado con mayor control evaluamos AquilaMesh y el acompañamiento de nuestra agencia de IA.
Fuente y tecnologías relacionadas
Contrasta capacidades y límites en la documentación oficial de Dify.