Dify入門_法人研修_公式準拠サンプル

開始 ユーザー入力 Dify入門 公式docsで学ぶ AIアプリ開発 LLM モデルが回答を生成 作る → 公開する → 運用する 法人研修 90分 回答 新人（文系・未経験） 中堅エンジニア うさうさ研修工房 ／ 公式docs確認日 2026-10-24 PM・顧客対応 Web / API / MCPで公開

今日のゴールと 3つの受講レベル 同じスライドを、立場に合わせて読み替えます 新人（文系・未経験） 中堅エンジニア PM・顧客対応 用語に不慣れで不安が大きい方 実装経験があり設計根拠を知りたい方 説明と判断が仕事の方 ゴール ゴール ゴール 1. 1. 既定値・制約を公式で説明できる 1. 2. 検索設定と運用ログの設計判断が できる 価値・リスク・体制を顧客に説明でき る 2. 公開方式とセルフホストの違いを語 れる 2. Difyが何かを自分の言葉で説明で きる ナレッジ付きチャットボットを 1つ動 かせる 読み方 読み方 読み方 STEP1〜7をたとえ中心で STEP4〜8を根拠・設定値中心で STEP1・2・8を事実→理由→提案で 出典: 講師設計（公式docsの章立てに基づく学習設計） 2

学習ロードマップ（ 8段階スロープ） 山場はSTEP7の1箇所だけ。前は励まし、後は振り返り ★ 山場 7 6 5 4 3 8 2 1 Why What 部品 中核 RAG 設計 山場 緩和 Difyとは アプリタイプ 変数とノード LLMノード ナレッジ基礎 検索設定 FAQボット構築 公開・運用 出典: 講師設計（うさうさ研修工房坂道型スロープ） 3

Why：なぜDifyか AIアプリを「描いて作り、複数の形で出せる」基盤 Studio ドラッグ&ドロップで構築 2 3 主要アプリタイプ Workflow / Chatflow 公開形態 API / Web / MCP 公式の言葉 「Dify はエージェンティックアプリの構築のために作られています。」 Studio でドラッグ&ドロップにより構築し、 API、Web、または MCP サーバーとして公開できます。 新人 「ドラッグ＆ドロップで作れる」から始 めましょう 出典: docs.dify.ai/ja/use-dify/getting-started/key-concepts 中堅 出口がAPI・Web・MCPと複数ある点 を押さえる PM・顧客 導入メリットは公式の機能名で説明 （誇張しない） 4

What：Difyの全体像 作る場所（Studio）→ アプリ → 公開、を支える土台 Studio ドラッグ&ドロップで構築 アプリ 公開 Workflow / Chatflow （Chatbot・Agent・Text Generator） Web App / API 埋め込み / MCP ナレッジ（ RAG） モデル・プラグイン ログ・モニタリング 自社データを根拠に回答 Model Providers / Integrations 会話・実行の記録と改善 新人 左から右へ「作る→出す」と読む 中堅 土台3つ（知識・モデル・ログ）が運用 の要 出典: docs.dify.ai/ja/use-dify/getting-started/key-concepts ／ /en/self-host/use-dify/publish PM・顧客 顧客には「作る・公開・運用」の3語で 説明 5

アプリタイプ： WorkflowとChatflow 公式の推奨は、この2つから選ぶこと Workflow Chatflow • 単一ターンのタスク向け • 会話のターンごとに実行 • Webアプリ・APIで多数をバッチ実行 • 常にユーザー入力で開始 • 開始はユーザー入力か「トリガー」 • 会話変数・メモリ・ストリーミングに対応 • （スケジュール・外部イベント） • 公式：Workflowの特殊なタイプ • 公式：他のすべてのアプリタイプの基盤 レガシー3種：チャットボット／エージェント／テキストジェネレーター（同じワークフローエンジン上で動作。よりシンプルなレガシーインターフェース） 新人 1回で終わる＝Workflow、会話 ＝Chatflow 出典: docs.dify.ai/ja/use-dify/getting-started/key-concepts 中堅 Workflowは全アプリタイプの基盤（公 式） PM・顧客 顧客には「単発処理か会話か」で選 定を説明 6

変数：4つの置き場所 「ラベル付きの入れ物」。種類で寿命と使い道が違う 1 入力 ユーザー入力ノードで定 義。システム変数 （sys.user_id など）も提供 2 出力 3 各ノードが生成。後続ノード で参照できる 環境変数 4 アプリ全体で使う値。 API キーなどはSecret型 会話変数 Chatflowにのみ存在。ター ンをまたいで保持 操作のコツ 変数の参照は、入力欄のドロップダウン、または「 /」の入力で挿入。ユーザー入力は実行開始時に設定され、更新できない。 新人 「箱にラベルを貼る」とたとえて説明 出典: docs.dify.ai/ja/use-dify/getting-started/key-concepts 中堅 会話変数＝Chatflowだけ。更新は変 数代入ノード PM・顧客 APIキーは環境変数のSecret型で管 理 7

ノード：部品を線でつなぐ 公式ノードリファレンスの主要10種 LLM ナレッジ検索 If-Else ツール エージェント モデルを呼び出す 自社データを検索 条件で分岐 Marketplaceの機能を利 用 エージェント処理 コード HTTPリクエスト イテレーション テンプレート 変数集約 コードで処理 外部APIを呼ぶ 繰り返し処理 文字列の整形 分岐結果をまとめる 他にもあります： 回答 / 出力 / 質問分類器 / ループ / ドキュメント抽出 / 変数代入 / パラメータ抽出 / リスト操作 新人 全部は覚えない。今日は4つ（太枠） だけ使う 中堅 条件分岐・外部API・繰り返しもノード で表現 出典: docs.dify.ai/en/self-host/use-dify/nodes/（llm / knowledge-retrieval / ifelse / code / http-request ほか） PM・顧客 顧客には「部品を線でつなぐ」と説明 8

LLMノード： 7つの設定 ここが「頭脳」。公式が挙げる主な機能 モデル選択 プロンプト コンテキスト メモリ プロバイダーのモデルを選ぶ。 Precise / Balanced / Creative のプリセットあり 変数は {{ }} で挿入。Jinja2モー ドでループ・条件も ナレッジ検索の出力を渡して根 拠付き回答。引用元も追跡 Chatflowで過去のやり取りを引 き継ぐ（ノード単位） 構造化出力 ビジョン リトライ・エラー処理 JSON Schemaなどで形式を指 定。JSON対応モデルが安定 ファイル変数で画像・文書をマル チモーダルモデルへ 最大回数・間隔・バックオフ。失 敗時は既定値/分岐/代替モデル 新人 まずはモデル選択とプロンプトだけで OK 出典: docs.dify.ai/en/self-host/use-dify/nodes/llm 中堅 メモリはノード単位。会話をまたいで 残らない PM・顧客 今日の山場で使う 「コンテキスト」を ナレッジ検 索の出力につなぐ 失敗時の再試行・代替モデルは可用 性の根拠 9

RAG：自社データを根拠に答える 公式の仕組み：検索 → 質問と合体 → LLMが回答 質問 検索 質問＋関連情報 LLM ユーザー ナレッジから関連情報 LLMに渡す 回答生成 ナレッジベースの作り方（公式 3種） 1 すぐに使える データを取り込み、処理ルールを決めれ ばDifyが処理 新人 司書がまず本を探してから答える、と たとえる 出典: docs.dify.ai/ja/use-dify/knowledge/readme 2 カスタム 独自のステップや連携で、データ処理 ワークフローを構築 中堅 作り方は3種。外部ナレッジは移行不 要 3 外部ナレッジ APIで外部ナレッジと同期。既存データを 移行せず利用 PM・顧客 「自社データが根拠」と顧客に説明で きる 10

インデックスと検索の設定値 公式の既定値と注意書きを正確に押さえる 高品質（High Quality） 埋め込みモデルでベクトル化し意味で照合。 作成後、経済的には切替不可 経済的（Economical） 1チャンク10キーワード。トークン消費なし・精度 は低め。 転置インデックスのみ。後で高品質へ変更可 検索方式（高品質） ベクトル検索 全文検索 ハイブリッド 質問を埋め込み、近いチャンク を探す 語を含むチャンクを返す 両方を実行し並べ替え。重み 設定またはRerank Rerank TopK スコア閾値 既定オフ 既定 3 既定 0.5 公式の注意：TopKとスコア閾値はRerank段階で有効。適用にはRerankモデルの有効化が必要（要 ・最新docs確認） 新人 まず「高品質」を選ぶ。後戻り不可と 覚える 中堅 出典: docs.dify.ai/en/use-dify/knowledge/create-knowledge/setting-indexing-methods 既定：TopK=3、閾値=0.5。Rerankは 既定オフ PM・顧客 精度・コスト・ストレージ上限の説明材 料にする 11

山場：社内 FAQボットを作る ナレッジ検索 → LLM → 回答。この4ノードが今日のゴール 開始 ナレッジ検索 LLM ユーザー入力（Chatflow） クエリ＝userinput.query コンテキスト＝result ★1 検索クエリを設定 ナレッジ検索のQuery Textにユーザー入力 を指定 新人 ★2 コンテキストを接続 LLMのContextにresult、システム指示で Contextを参照 4ノードをつなぐだけ。まず完成図を 見る 出典: docs.dify.ai/en/self-host/use-dify/nodes/（knowledge-retrieval / llm） 中堅 Context=result、プロンプトでContext を参照 ★3 回答 Previewで確認 回答が登録資料に基づいているかを確認 PM・顧客 顧客デモは「根拠付き回答」を見せる 12

ハンズオン手順とつまずき 7ステップ。止まったら右の「回復」を見る つまずきと回復 1 モデルプロバイダーを設定（連携 > モデルプロバイダー） 2 ナレッジを作成し資料をアップロード、インデックス方式を選ぶ 回答が資料とずれる 検索テストで当たるチャンクを確認 → 検索設定を見直す 3 検索テストで質問を試す 4 Chatflowを新規作成（空白から） Rerankが選べない モデルプロバイダーにRerankのAPIキーを先に設定 5 ナレッジ検索ノードを追加、クエリに userinput.query 6 LLMノードのコンテキストに result、システム指示で参照 出典を見せたい LLMノードは引用元の追跡に対応（公式） 7 プレビューで質問して確認 新人 手順は一緒に。揃うまで待つ 中堅 検索テストで資料の当たり方を確認 出典: docs.dify.ai/ja/learn/tutorials/simple-chatbot ／ /en/self-host/use-dify/nodes/knowledge-retrieval PM・顧客 デモ前に検索テストで精度を確認す る癖を 13

発展：ツールと判定ルーティング 公式レッスン：ナレッジで足りなければWeb検索へ分岐 ナレッジ検索 ポイント LLM If / Else 十分か判定 「見つからない」を含むか ナレッジで回答 • ツールはMarketplace から導入 • 一部ツールはAPIキー が必要 • キーは公開しない ツール： Web検索 ＋回答LLM 変数集約 → 要約LLM → 出力 新人 今日は紹介のみ。分岐の発想を持ち 帰る 出典: docs.dify.ai/en/use-dify/tutorials/workflow-101/lesson-07 中堅 分岐後は変数集約ノードで1本に合 流 PM・顧客 ツールのAPIキーは厳重管理（公式 も注意） 14

公開：作ったものを使ってもらう 公式は4つの出口。すべてのアプリで利用できる Webアプリ API連携 サイトに埋め込み MCPサーバー アプリごとに自動生成。公開 後、Access Pointタブのリン クを共有。端末を選ばない 既存プロダクトに AIを追加。 UI・認証・データ処理は自分 で制御 チャットウィジェットまたはイ ンラインフレームで表示 Claude DesktopやCursorな どのAIツールにアプリを接続 Marketplaceへの公開は別手順（公式 publish-to-marketplace） 新人 公開→Access Pointタブのリンクで 共有 出典: docs.dify.ai/en/self-host/use-dify/publish/README 中堅 API連携では認証・データ処理は自 社で制御 PM・顧客 提案順序は「Web試用→API連携」が 通しやすい（講師見解） 15

運用：ログとモニタリング 公式の注意：ログには会話の全文が残る 何が見えるか（公式） 法人で必ず確認 会話・実行の記録 1 チャット系は会話、Workflowは実行を記録 2 トークンと遅延 3 フィードバック 4 外部連携 回答ごとの消費量・レイテンシ・ノードのトレース 1. ログは完全な会話を含み、機微情報の可能性 2. 保持：既定は無期限。環境変数で自動削除を設定 3. 会話を削除してもアップロードファイルは残る 4. 地域のデータ保護要件を確認 ユーザー評価（User Rate）とチーム評価（Op. Rate） LangSmith・Langfuse・Opik・W&B Weave ほか 新人 ログは改善に使い、機微情報は短期 保持 出典: docs.dify.ai/en/self-host/use-dify/monitor/logs 中堅 保持は環境変数で設定。毎日クリー ンアップ PM・顧客 顧客とは保持期間を先に合意（講師 見解） 16

自社環境へ： Docker Composeで構築 公式の最小要件と手順。動かなければ公式FAQへ 前提と注意（公式） git clone --branch "$(curl -s https://api.github.com/repos/langgenius/dify/releases/ latest | jq -r .tag_name)" https://github.com/langgenius/dify.git cd dify/docker cp .env.example .env openssl rand -base64 32 # → .env の DIFY_AGENT_LOCAL_SANDBOX_AUTH_TOKEN docker compose up -d docker compose ps 新人 今日は構築しない。必要条件を知る 出典: docs.dify.ai/en/self-host/deploy/quick-start/docker-compose 中堅 • CPU 2コア以上・RAM 4GiB以上 • Docker Compose 2.24.0以上 • 初期設定：http://localhost/install • トークン未設定だとエージェント基盤が起動しない • init_permissions が Exited でも正常 • 更新：版ごとのガイドと .env差分を確認 Compose 2.24.0+、トークン設定が 要点 PM・顧客 更新は版ごとのガイドを必ず確認 17

• https://api.github.com/repos/langgenius/dify/releases/
• https://github.com/langgenius/dify.git
• http://localhost/install

クライアントへの説明の型 事実 → 理由 → 提案。公式の根拠を添える Q. データはどこに残る？ 事実（公式） ログは会話全文を含む／保持は設定可 提案（講師見解） 保持期間と機微情報の扱いを先に合意 新人 型：事実→理由→提案。公式と見解 を分ける 出典: 講師設計（事実は各ページの公式docs。助言部分は講師見解） Q. 精度は大丈夫？ 事実（公式） 検索テスト・Rerank・メタデータ絞り込み がある 提案（講師見解） 検証データで検索テストを実施してから 展開 中堅 中堅は設定値を根拠として添える Q. 既存システムと連携できる？ 事実（公式） API・埋め込み・MCP・HTTPリクエスト ノード 提案（講師見解） Web試用 → API連携の2段階で進める PM・顧客 PMは責任分界と体制を先に伝える 18

まとめと公式リソース 確認日 2026-10-24。UI・既定値は版で変わるので最新docsで再確認 到達チェック WorkflowとChatflowの違いを説明できる 公式リソース（ docs.dify.ai） /ja/use-dify/getting-started/key-concepts /ja/use-dify/knowledge/readme 変数4種のうち会話変数の条件を言える RAGの流れを図で説明できる 高品質と経済的の違いと注意点を言える /en/use-dify/knowledge/create-knowledge/setting-indexing -methods /en/self-host/use-dify/nodes/（llm・knowledge-retrieval） /en/self-host/use-dify/publish/README /en/self-host/use-dify/monitor/logs /en/self-host/deploy/quick-start/docker-compose /en/use-dify/tutorials/workflow-101/lesson-07 FAQボットを1つ動かした 公開4方式とログの注意を説明できる 19