C
ClaudeDuc · คู่มือ Claude ภาษาไทย
TOOL GUIDE · DIFY
สร้าง AI App/Agent เอง
แบบไม่ต้องเขียนโค้ดเยอะ ด้วย Dify
เรียนจบเด็คนี้แล้วจะรู้ว่า Dify คืออะไร ต่างจากแชต AI ทั่วไปยังไง เลือก self-host หรือ Cloud แบบไหนดี และเริ่มสร้าง Chatbot/Agent/RAG ตัวแรกได้ด้วยตัวเอง
ภาพรวม
ในเด็คนี้มีอะไรบ้าง
- Dify คืออะไร — ทำไมถึงต่างจากแชต AI ธรรมดา
- Self-host vs Dify Cloud — เลือกยังไง พร้อมแผนราคา
- องค์ประกอบหลัก — Workflow/Chatflow, Agent, Knowledge/RAG, Tools, Plugins
- เริ่มใช้ทีละขั้น — จากสมัครจนได้แอปตัวแรก
- Use case จริง — chatbot ลูกค้า, internal agent, RAG เอกสารบริษัท
- Dify vs n8n — เลือกใช้ตัวไหนตอนไหน
- ข้อควรระวัง และสรุป
01
บทที่ 1
Dify คืออะไร (What is Dify)
แพลตฟอร์มโอเพนซอร์สสำหรับสร้าง LLM app และ AI agent แบบมี visual canvas ให้ลากวาง ไม่ต้องเริ่มจากศูนย์
นิยาม
Dify คือ LLM App Development Platform
- Dify คือแพลตฟอร์มโอเพนซอร์ส (จาก langgenius) สำหรับสร้างแอป AI แบบครบวงจร รวม agentic workflow, RAG pipeline, agent, model management และ observability ไว้ในที่เดียว
- มี visual canvas ให้ลาก-วาง สร้าง workflow ได้โดยพึ่งโค้ดน้อยมาก ต่างจากการเรียก LLM API ตรง ๆ ที่ต้องเขียนทุกส่วนเอง
- เชื่อมต่อโมเดลได้หลากหลาย — GPT, Mistral, Llama 3 และโมเดลที่รองรับ OpenAI-compatible API
- เป้าหมายคือพาไอเดียจาก prototype ไปถึง production เร็วขึ้น
ต่างกันตรงไหน
ทำไมไม่ใช่แค่ "แชต AI ธรรมดา"
💬 แชต AI ทั่วไป
คุยทีละข้อความ ไม่มีหน่วยความจำเชื่อมกับข้อมูลบริษัท ไม่มี workflow หลายขั้นตอน ต่อ API ภายนอกเองไม่ได้ในตัว
⚙️ Dify
ออกแบบ workflow หลายขั้นตอนได้ ผูกกับ Knowledge base (RAG) ของตัวเอง ตั้ง Agent ให้เรียกใช้เครื่องมือ (tools) ได้ พร้อม log/monitor การทำงานจริง แล้วแจกจ่ายเป็น API หรือฝังเป็นวิดเจ็ตได้ทันที
02
บทที่ 2
Self-host vs Dify Cloud
โอเพนซอร์สฟรี รันเองก็ได้ หรือจะให้ทีม Dify ดูแล infrastructure ให้ก็ได้ — เลือกตามทีมและงบ
ทางเลือกการติดตั้ง
เลือก Self-host หรือ Cloud
| ประเด็น | Self-host (Community) | Dify Cloud |
|---|
| ค่าใช้จ่าย | โอเพนซอร์สฟรี จ่ายแค่ค่าเซิร์ฟเวอร์เอง | มีแผนฟรี (Sandbox) + แผนเสียเงินรายเดือน |
| ข้อมูล | เก็บในโครงสร้างของทีมเอง เหมาะกับงานที่ต้องคุม data residency | เก็บบนคลาวด์ของ Dify |
| การดูแล | ทีมต้องมี DevOps ดูแล อัปเดตเอง | ทีม Dify ดูแล infra ให้ทั้งหมด |
| เหมาะกับ | ทีมมี infra อยู่แล้ว/ต้องการควบคุมเต็มที่ | อยากเริ่มเร็ว ไม่อยากดูแลเซิร์ฟเวอร์ |
แผนราคา (Dify Cloud)
ราคาเท่าที่ยืนยันได้จาก dify.ai/pricing
- Sandbox (ฟรี) — 200 message credits, 1 workspace, 1 สมาชิก, 5 แอป, เอกสาร Knowledge 50 ไฟล์
- Professional — $59/workspace/เดือน · 5,000 message credits/เดือน · 3 สมาชิก · 50 แอป · เอกสาร 500 ไฟล์ · พื้นที่เก็บ Knowledge 5GB
- Team — $159/workspace/เดือน · 10,000 message credits/เดือน · 50 สมาชิก · 200 แอป · เอกสาร 1,000 ไฟล์ · พื้นที่เก็บ Knowledge 20GB
- ยังมีแผน Enterprise และตัวเลือก self-host แบบ Premium/Enterprise — เช็กแผนล่าสุดที่ dify.ai ก่อนตัดสินใจเสมอ เพราะราคาปรับได้ตลอด
03
บทที่ 3
องค์ประกอบหลักของ Dify
5 ชิ้นส่วนที่ประกอบกันเป็นแอป AI หนึ่งตัว
Building Blocks
ส่วนประกอบที่ต้องรู้จัก
🔀 Workflow / Chatflow
Canvas ลากวางออกแบบขั้นตอนการทำงานหลายสเต็ป เช่น รับคำถาม → ค้น Knowledge → สรุปคำตอบ → ส่งออก
🤖 Agent
ตั้งให้ LLM ใช้ Function Calling หรือ ReAct เพื่อเรียกเครื่องมือ (tools) ได้เอง มี tools สำเร็จรูปให้เลือกใช้เยอะ
📚 Knowledge / RAG
อัปโหลดเอกสาร (PDF, PPT ฯลฯ) ให้ระบบ ingest แล้วดึงมาตอบคำถามแบบอ้างอิงข้อมูลจริงของทีม
🔌 Tools & Plugins
ตั้งแต่ Dify v1.0 โมเดลและเครื่องมือทั้งหมดถูกย้ายมาเป็น plugin ติดตั้งครั้งเดียวใช้ได้ทุกแอป มี Marketplace ให้เลือกจาก community
04
บทที่ 4
เริ่มใช้ Dify ทีละขั้น
ตั้งแต่เลือกวิธีติดตั้งจนได้แอปแรกที่ใช้งานได้จริง
ลงมือทำ
Getting Started
เลือกวิธีติดตั้งสมัคร Dify Cloud (เริ่มฟรีที่ Sandbox) หรือ self-host ด้วย Docker
ถ้า self-host ให้รันคำสั่งcd dify/docker && cp .env.example .env && docker compose up -d แล้วเข้า http://localhost/install
สร้างแอปแรกเลือกประเภท Chatbot / Agent / Workflow แล้วตั้งชื่อ workspace
เชื่อมโมเดล LLMใส่ API key ของโมเดลที่จะใช้ (OpenAI, Anthropic ฯลฯ) ผ่านหน้า Model Provider
เพิ่ม Knowledge base (ถ้าต้องใช้ RAG)อัปโหลดเอกสารบริษัท ตั้งค่า chunking แล้วผูกเข้ากับแอป
ทดสอบใน Prompt IDE แล้ว Publishรับ API endpoint หรือฝัง widget ไปใช้งานจริง
05
บทที่ 5
Use Case จริง
ตัวอย่างงานที่ทีมส่วนใหญ่เอา Dify ไปใช้
ตัวอย่างการใช้งาน
เอาไปใช้กับงานแบบไหนได้บ้าง
- Chatbot ลูกค้า — ตอบคำถามหน้าเว็บ/แอป ผูกกับ Knowledge base ของสินค้า/บริการ ลด workload ทีมซัพพอร์ต
- Internal agent — เอเจนต์ภายในองค์กรที่เรียกใช้ tools ต่าง ๆ เช่น ค้นข้อมูล, สรุปรายงาน, เชื่อม API ภายใน
- RAG กับเอกสารบริษัท — อัปโหลดคู่มือ/นโยบาย/สัญญา แล้วถามตอบพร้อมอ้างอิงแหล่งที่มาได้ทันที
06
บทที่ 6
Dify vs n8n
คนละจุดเด่น เลือกใช้ตามเป้าหมายของงาน
เปรียบเทียบ
Dify vs n8n เลือกใช้ตอนไหน
| ประเด็น | Dify | n8n |
|---|
| โฟกัสหลัก | สร้าง AI application — chatbot, agent, RAG | Automation ทั่วไป เชื่อมต่อระบบ/เครื่องมือหลากหลาย |
| จุดแข็ง | RAG พร้อมใช้, prompt versioning, model management ในตัว | โหนดสำเร็จรูป 400+ ชนิด ครอบคลุม SaaS/API แทบทุกตัว |
| เหมาะกับ | ทีมที่เป้าหมายคือตัวแอป AI เป็นหลัก | ทีมที่ automation เริ่มจาก event แล้ว AI เป็นแค่ขั้นตอนหนึ่ง |
| ใช้ร่วมกัน | หลายทีมใช้คู่กัน — Dify จัดการ logic ฝั่ง AI ส่วน n8n เป็นตัวเชื่อมระบบและ trigger รอบนอก |
ข้อควรระวัง & สรุป
ก่อนใช้งานจริง อย่าลืม
- message credits มีจำกัด แม้แผนฟรีก็นับโควตา — ติดตามการใช้งานสม่ำเสมอ
- ถ้า self-host ต้องมีคนดูแล Docker/infra เอง รวมถึงอัปเดตเวอร์ชันด้วยตัวเอง
- ราคาและโควตาบนหน้า pricing เปลี่ยนได้ตลอด — เช็กแผนล่าสุดที่ dify.ai ก่อนสมัครทุกครั้ง
- สรุป: Dify เหมาะกับทีมที่อยากได้ AI app/agent/RAG แบบ visual ไม่ต้องเขียนโค้ดเยอะ ถ้าอยากได้ automation เชื่อมระบบทั่วไปเป็นหลัก ให้พิจารณา n8n หรือใช้คู่กัน
อยากไปต่อให้เร็วขึ้น?
เรียนสดกับโค้ช BooAI BootCamp
🏔 Vibe Code Sprint + BootCamp Chiang Mai
เวิร์กช็อปสด 1 วัน (10:00–16:00) ลงมือสร้าง AI Agent + Workflow ใช้งานจริง กลับไปใช้ได้ทันที ไม่ต้องมีพื้นฐานโค้ด
รอบเชียงใหม่ 17–18 และ 24–25 ก.ค. 2026 · Early Bird เริ่ม 7,599 บาท · รอบกรุงเทพฯ ส.ค. 2026
💻 คอร์สออนไลน์ BooAI BootCamp
เรียนได้ทุกที่ทุกเวลา — Vibe Code (Basic → Builder → Advanced), Prompt Mastery, OpenClaw DIY และ n8n Zero To Hero