老马啸西风

自定义项目

自定义详细介绍

dify 入门例子

你这个问题问得很好 👍
Dify 本身是一个开源的 AI 应用开发平台，官方推荐的部署方式是通过 Docker / Docker Compose 来启动。如果你要在 Windows 本地安装，主要有两种方案：

🚀 方案一：最简单的（推荐）

使用 WSL2 + Docker Desktop

开启 WSL2
- 在 Windows 中启用 WSL 和虚拟化
- 安装一个 Linux 发行版（推荐 Ubuntu）
- 参考微软文档：安装 WSL
安装 Docker Desktop
- 下载地址：Docker Desktop for Windows
- 安装时勾选 Use the WSL 2 based engine
- 安装完成后在 WSL2 (Ubuntu) 中能正常用 docker 命令即可。

拉取 Dify 仓库

git clone https://github.com/langgenius/dify.git
cd dify

启动 Dify

cd docker
cp .env.example .env
docker compose up -d

访问服务
- 默认端口是 http://localhost:3000
- 注册账号后，就能进入 Dify 控制台。

老马啸西风小于 1 分钟

Qoder：开启 AI 驱动的全新编程方式

AI 大模型正在改变编程方式。尤其是 Claude 4 这类强大的 LLM 出现后，开发者已经不再满足于“写几行提示词，让 AI 补点代码”。

真正的需求是：把复杂的开发任务交给 AI，让它自主推进，并且产出可靠的结果。

这正是 Qoder 推出的 Quest Mode（任务模式） 想要解决的问题。

🔑 Qoder 的核心特点

1. Spec First（需求先行）

在 Qoder 中，开发者通过自然语言清晰描述：

老马啸西风大约 2 分钟

阿里 AI Qoder 面向真实软件的智能体式编码平台初体验

大家伙，我是老马。

今天实际体验了一下 qoder 的 Quest 模式：自主委托，体验还是不错的。和以前的多次询问的感受比起来，流畅太多。

不过还是有一些不足：

多次指出错误，一直不改
目前 preview 阶段免费，以后估计收费起来很消耗 token

AI agent 的发展确实很快，也许不久的将来，我们可以坐在编程的副驾驶位，或者自动驾驶。

期待这一天的到来，软件开发效率将大幅度提升。

害怕这一天的到来，估计大部分程序员都会失业。

老马啸西风大约 6 分钟

Qoder 从长期记忆到自我进化

长期记忆让智能体能够自我学习。

在许多 AI 编码助手中，一个常见的痛点是 缺乏长期记忆。

每一次新会话都像从零开始——偏好、编码规范和历史记录都会被遗忘，迫使开发者不断重复解释和返工。

这不仅降低了开发效率，也削弱了 AI 作为协作伙伴的价值。

那么，如何突破无状态交互的限制，构建能够记忆、学习并与开发者共同进化的 AI 编码智能体呢？

为什么长期记忆很重要

传统的 AI 编码助手是“孤立运行”的，对用户和环境没有持久理解，这带来了几个关键问题：

老马啸西风大约 4 分钟

Qoder 面向代码库感知的代码检索：AI 编码的混合方法

从通用向量到实时、图驱动的代码库理解

引言

AI 编码工具承诺能够理解开发者的代码库并提供相关建议。
然而，现实中大多数系统依赖 通用嵌入（embedding）API 来索引代码片段和文档。结果往往是体验割裂：

嵌入只捕捉文本相似性，却忽略结构关系；
索引每隔几分钟才刷新一次，导致上下文不够实时；
将嵌入发送给第三方 API 时，隐私也面临风险。

本文介绍了我们的 代码库感知索引系统。

老马啸西风大约 5 分钟

Qoder Quest Mode：你的全新 AI 辅助编程工作流

介绍 Quest Mode：你的全新 AI 辅助编程工作流。

随着大语言模型（LLM）的快速发展——尤其是 Claude 4 系列的发布之后——它们在处理复杂、长时间运行任务的能力上有了显著提升。越来越多的开发者已经习惯于：用自然语言描述复杂的功能、Bug 修复、重构或测试任务，然后让 AI 自主探索解决方案并持续迭代。这种新的工作方式极大地提升了 AI 辅助编程的效率，背后有三个关键转变：