一句话结论
选开源 RAG / AI 应用平台，先看你的核心场景是「文档问答」还是「AI 应用构建」。
- 核心场景是精准文档问答、企业知识库、复杂文档（表格 / 扫描件 / OCR）：选 RAGFlow。
- 需要工作流编排 + Agent + RAG + API 管理的全栈 AI 应用平台：选 Dify。
- 纯文档问答 + 召回率要求高：选 RAGFlow。
- 构建 LLM 应用 + 多模型混合编排：选 Dify。
- 两者也可配合使用：RAGFlow 做检索后端，Dify 做应用前端。
如果你不确定，先问自己一个问题：这个项目最终交付的是「文档问答系统」还是「AI 应用」？如果答案是前者，RAGFlow 的深度文档解析和召回精度远超 Dify。如果答案是后者，Dify 的工作流 + Agent + API 生态更完整。两者都是 Apache 2.0 开源，Docker 自托管，先各跑一周再决定。
核心差异
| 维度 | RAGFlow | Dify |
|---|---|---|
| 定位 | RAG 专精引擎 | 全栈 LLMOps 平台 |
| 文档解析 | 最强（PDF/Word/Excel/图片/扫描件） | 中（基础格式） |
| 表格识别 | ||
| OCR | 内置 PaddleOCR + DeepDOC | 需配置 |
| 召回精度 | 高（混合检索 + Rerank） | 中-高（社区版基础，企业版多路召回） |
| 引用溯源 | 页码 + 原文片段 | 原文片段 |
| Agent 能力 | 弱 | 强（ReAct / Function Calling） |
| 工作流编排 | Chatflow + Workflow（节点 DAG） | |
| MCP 支持 | 较早接入 | |
| API 管理 | REST API + SDK | API-first（自动生成 OpenAPI Schema） |
| 模型生态 | OpenAI/Claude/Ollama/通义/智谱/月之暗面 | 40+ 提供商（国产原生支持） |
| 资源消耗 | 高（16GB+ 内存） | 中（4 核 8G 推荐） |
| 中文支持 | 优秀（中国团队出品） | 好 |
| GitHub Star | InfiniFlow/ragflow | langgenius/dify（13 万 star） |
文档解析和 RAG 精度
这是 RAGFlow 的绝对强项，也是两者最大的差距。
RAGFlow 的核心卖点是深度文档解析 + 高召回率切片 + 引用溯源。支持 PDF / Word / Excel / PPT / 图片 / 扫描件，内置 PaddleOCR + DeepDOC 引擎，版面分析 + 表格识别 + OCR 一体化。智能切片基于版面分析，保留段落 / 表格 / 标题结构，切片质量远超通用 RAG 方案。混合检索（全文 + 向量）+ 重排序（Rerank），召回精度高。引用溯源到页码 + 原文片段，回答可信度高。复杂表格、多栏排版、图文混排都能正确识别，中文印刷体 OCR 准确率高。
Dify 内置完整 RAG 链路：上传文档 -> 自动分块 + embedding -> 混合检索（向量 + 全文 + 重排）-> 引用溯源。但根据知乎 LLM 实战笔记实测，Dify 社区版默认是基础语义检索，企业版才解锁多路召回 + 重排。RAG 极致精度场景仍推荐 RAGFlow 或 FastGPT（实测准确率高 10+ 个百分点）。Dify 胜在工作流而非纯 RAG。
工作流和 Agent 编排
这是 Dify 的绝对强项，RAGFlow 基本没有对等能力。
Dify 把 LLM 应用拆成四种应用类型：Chatbot（简单对话）/ Agent（自主多步任务，ReAct / Function Calling）/ Chatflow（对话型工作流，多轮 + 分支）/ Workflow（单次输入 -> 输出，API 模式）。节点类型覆盖 LLM、知识检索、HTTP 请求、代码执行（Python / JS）、条件分支、迭代、变量聚合、参数提取、问题分类。较早接入 MCP 协议，工作流可直接调 MCP Server 暴露的 tools（PostgreSQL / GitHub / Slack / Linear / 内部系统）。API-first 设计，每个 app 自动暴露 REST API + OpenAPI Schema，集成到产品里不需要写包装代码。
RAGFlow 的 Agent 能力弱--RAG 问答是强项，复杂工具调用 / 多步推理不如 Dify。RAGFlow 定位是「精准文档问答引擎」，不是「AI 应用平台」。
价格和部署
两者都是 Apache 2.0 开源，Docker 自托管完全免费。
RAGFlow 开源版 $0（Apache 2.0，自托管）/ Cloud 按量付费 / Enterprise 联系销售。部署要求高：最低 16GB 内存 + 4 核 CPU + 50GB 磁盘，生产环境建议 32GB 内存 + 8 核 + SSD。Elasticsearch 是内存大户，知识库文档量大时 ES JVM 堆需 8GB+。资源有限可用 Infinity（RAGFlow 自研向量库）替代 ES。
Dify 自托管完全免费（Apache 2.0）/ Cloud Sandbox 免费 / Professional $59/月起 / Team $159/月起 / Enterprise Custom。部署门槛低：最低 2 核 4G（纯外接 API 模式），推荐 4 核 8G + 30GB 磁盘。Docker Compose 一键部署，硬件门槛比 RAGFlow 低得多。
TCO 对比：日活 < 100 用 Dify 云版省心；> 500 或数据敏感场景自托管。RAGFlow 自托管服务器成本约 Dify 的 2-3 倍（16GB vs 4G 内存），但文档解析能力是 Dify 没有的。预算有限 + 文档简单 -> Dify；预算充足 + 复杂文档 -> RAGFlow。
模型生态和中文支持
两者中文支持都不错，但路径不同。
RAGFlow 是中国团队（InfiniFlow）出品，中文文档和社区支持好，Issue 响应快。支持通义千问 / 智谱 / 月之暗面等国产模型，国内场景适配好。多向量数据库支持 Elasticsearch / Infinity（自研）/ Chroma。
Dify 通过插件市场接入 40+ 提供商--OpenAI、Anthropic、Google Gemini、Azure、AWS Bedrock、Cohere、xAI、DeepSeek、Qwen、智谱、文心、豆包、月之暗面、Ollama、LM Studio、Replicate、Together AI、OpenRouter 等。国产模型原生支持（不像 FastGPT 需要 OneAPI 中转），是 Dify 在国内 toB 场景流行的关键。GitHub 13 万 star、累计 100 万+ 生产 app。
适合选择 RAGFlow 的情况
- 需要精准文档问答的企业知识库，召回率要求高。
- 复杂文档（表格 / 图文 / 扫描件）RAG 场景，需要 OCR。
- 中文 RAG 需求（国产模型 + 中文 OCR）。
- 对引用溯源要求高（页码 + 原文片段可验证）。
- 有运维能力（16GB+ 内存）的团队私有化部署。
- 金融 / 医疗 / 法律等文档密集型行业。
适合选择 Dify 的情况
- 中大型企业 LLM 中台建设，需要工作流 + Agent + RAG 三件套。
- 需要私有化部署（金融 / 医疗 / 政府），数据零外泄。
- 想做「AI 工作流即产品」的开发团队。
- 想用国产模型 + 国际模型混合编排。
- 需要 API-first 集成到自家产品（微信小程序 / 飞书机器人 / 前端）。
- 需要 MCP 协议调内部系统。
- 团队接受 Docker + 一定运维投入，但资源有限（4 核 8G）。
最佳共存方案
很多企业不需要二选一。最现实的搭配是：
- RAGFlow 做文档解析和检索后端，利用深度文档解析 + OCR + 高召回率处理复杂文档。
- Dify 做工作流编排和 Agent 前端，利用 Chatflow / Workflow / Agent / API 管理构建完整 AI 应用。
- 通过 RAGFlow 的 REST API 把检索结果喂给 Dify 工作流的「知识检索」节点，替代 Dify 自带的 RAG。
- 模型层共用：两者都接 OpenAI / 国产模型 API，统一 Key 管理。
- 部署在同一台服务器（32GB 内存够跑两者），或分开部署各司其职。
AI 之家 推荐结论
如果你是第一次选开源 RAG / AI 应用平台，先判断核心场景：
核心场景是文档问答 / 知识库 / 复杂文档 -> RAGFlow。深度文档解析 + 高召回率 + 引用溯源在开源 RAG 引擎中最强，中国团队出品中文支持好。但别当 Agent 平台用，复杂工具调用上 Dify。
核心场景是构建 AI 应用 / LLM 中台 / 工作流编排 -> Dify。可视化工作流 + Agent + RAG + MCP + API 管理是全栈 LLMOps 的事实标准，13 万 star + 100 万+ 生产 app 验证过。RAG 精度不如 RAGFlow 但够用，极致精度场景再接 RAGFlow。
对团队来说，最稳的方案是 RAGFlow 做检索后端 + Dify 做应用前端。两者都是 Apache 2.0 开源，Docker 自托管，先各跑一周真实文档和业务场景再决定。资源有限选 Dify，文档复杂选 RAGFlow，预算充足两个都装。