Dify入門 — ノーコードでAIアプリを作る方法を実例付きで解説【2026年版】
ノーコードでAIアプリが作れるDifyの使い方を初心者向けに解説。チャットボットやRAGアプリの作り方を実例付きでステップバイステップで紹介します。
「AIアプリを作りたいけど、プログラミングは苦手…」 そんな悩みを一発で解決してくれるのがDifyです。
本記事では、Difyを使ってノーコードでAIアプリを構築する方法を、実際の画面操作に沿ってステップバイステップで解説します。チャットボットの作成からRAGアプリ、ワークフローによる業務自動化まで、2026年最新の情報をもとに網羅的にカバーしていきます。
Difyとは — 何が作れるのか
Difyは、オープンソースのLLMアプリケーション開発プラットフォームです。ドラッグ&ドロップを中心としたビジュアルインターフェースで、コードを一切書かずにAIアプリを構築・デプロイできます。
Difyで作れるアプリの種類
- チャットボット: カスタマーサポート、社内FAQ対応、コンシェルジュ型アシスタント
- テキスト生成アプリ: 記事作成、メール文面生成、翻訳ツール
- RAGアプリ: 社内ドキュメントを検索・要約するナレッジベースアシスタント
- ワークフロー: 複数のLLM処理を連結した業務自動化パイプライン
- エージェント: ツールを使って自律的にタスクを実行するAIエージェント
なぜDifyが選ばれるのか
Difyが多くの企業・個人に支持される理由は次の3点です。
- 完全ノーコード: エンジニアでなくてもAIアプリを作れる
- モデル非依存: OpenAI、Anthropic、Google、ローカルLLMなど複数のモデルプロバイダーに対応
- オープンソース: セルフホスティングが可能で、データの管理を自社で完結できる
GitHub上ではスター数が10万を超え、LLMアプリ開発プラットフォームとしてトップクラスの人気を誇ります。
アカウント作成とセットアップ
Difyを使い始める方法は大きく2つあります。
方法1: Dify Cloud（推奨・最速）
最も手軽に始められるのがDify Cloudです。ブラウザだけで即座に使い始められます。
- Dify Cloud にアクセスする
- GitHubアカウントまたはメールアドレスで無料登録する
- ワークスペースが自動作成され、ダッシュボードが表示される
無料プラン（Sandboxプラン）でも200回/日のメッセージ送信が可能なので、学習や検証には十分です。
方法2: セルフホスティング（Docker Compose）
データを完全に自社管理したい場合は、DockerでローカルやVPSに構築できます。
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d起動後、http://localhost/install にアクセスして管理者アカウントを作成すれば準備完了です。
LLMプロバイダーの設定
ダッシュボードにログインしたら、最初にLLMプロバイダーを設定します。
- 左サイドバーの 「設定」 をクリック
- 「モデルプロバイダー」 を選択
- 使いたいプロバイダー（OpenAI、Anthropicなど）の 「セットアップ」 をクリック
- APIキーを入力して保存
これで、Dify上でAIモデルを使う準備が整いました。
基本操作: チャットボットを作る（ステップバイステップ）
まずは最もシンプルなチャットボットを作ってみましょう。ここでは「商品に関する質問に答えるカスタマーサポートBot」を例に進めます。
ステップ1: アプリを新規作成する
- ダッシュボード画面で 「アプリを作成」 ボタンをクリック
- 「最初から作成」 を選択
- アプリタイプは 「チャットボット」 を選ぶ
- アプリ名に「カスタマーサポートBot」と入力し、 「作成」 をクリック
ステップ2: プロンプトを設定する
アプリが作成されると、オーケストレーション画面が表示されます。ここがDifyの心臓部です。
「プリプロンプト」 欄に、Botの役割と振る舞いを定義するシステムプロンプトを入力します。
あなたは「ToolCraft Shop」のカスタマーサポート担当です。
以下のルールに従って回答してください:
- 丁寧な敬語で応対する
- 商品に関する質問には正確に回答する
- わからない質問には「担当者にお繋ぎします」と案内する
- 返品ポリシー: 購入後14日以内、未使用品に限り返品可能ステップ3: モデルとパラメータを選択する
画面右側のモデル設定パネルで以下を調整します。
| 設定項目 | 推奨値 | 説明 |
|---|---|---|
| モデル | GPT-4o / Claude Sonnet 4 | 応答品質と速度のバランスが良い |
| Temperature | 0.3 | サポート用途では低めに設定し、安定した回答を得る |
| Max Tokens | 1024 | 回答が長くなりすぎないよう制限 |
ステップ4: テスト・デバッグする
画面右側の 「プレビュー」 パネルで、実際にメッセージを送って動作を確認します。
ユーザー: 返品はできますか？
Bot: はい、返品は可能です。購入後14日以内で、未使用の商品に限り
返品をお受けしております。お手数ですが、ご注文番号をお知らせ
いただけますでしょうか。期待通りの応答が返ってくることを確認したら、次のステップに進みます。
ステップ5: 公開する
- 画面右上の 「公開する」 ボタンをクリック
- 公開後、以下の方法でアプリを共有できます:
- Webアプリ: Difyが自動生成するURLで直接アクセス
- 埋め込み（iframe / Script）: 自社サイトにウィジェットとして設置
- API: 外部システムからREST APIで呼び出し
わずか5ステップで、実用レベルのチャットボットが完成しました。
応用: RAGアプリを作る（ナレッジベース連携）
チャットボットの次は、社内ドキュメントや独自データを参照して回答するRAG（Retrieval-Augmented Generation）アプリを作ってみましょう。
RAGとは
RAGは、LLMの回答生成時に外部のナレッジベースから関連情報を検索・取得し、その情報をコンテキストとして含めることで、正確で最新の回答を生成する手法です。LLM単体では知り得ない社内情報や専門知識に基づいた回答が可能になります。
ステップ1: ナレッジベースを作成する
- 左サイドバーの 「ナレッジ」 をクリック
- 「ナレッジを作成」 をクリック
- データソースを選択してファイルをアップロード
Difyが対応するファイル形式は多岐にわたります。
- ドキュメント: PDF、Word（.docx）、テキスト（.txt）、Markdown
- Web: URLを指定してWebページをクロール
- Notion: Notionワークスペースと直接連携
ステップ2: インデックス設定を行う
ファイルアップロード後、インデックスの設定画面が表示されます。
| 設定項目 | 説明 |
|---|---|
| チャンク分割方式 | 「自動」で通常は問題なし。細かく制御したい場合は「カスタム」を選択 |
| チャンクサイズ | 500〜1000トークンが推奨。大きすぎるとノイズが増え、小さすぎると文脈が欠ける |
| インデックスモード | 高品質モード（Embeddingベクトル検索）を推奨 |
| Embeddingモデル | text-embedding-3-small などコスト効率の良いモデルを選択 |
「保存して処理」 をクリックすると、バックグラウンドでドキュメントのベクトル化が始まります。
ステップ3: チャットボットにナレッジを紐づける
- 先ほど作成したチャットボットアプリ（または新規アプリ）を開く
- オーケストレーション画面の 「コンテキスト」 セクションで 「追加」 をクリック
- 作成したナレッジベースを選択して紐づける
これだけで、ユーザーの質問に対してナレッジベースの情報を検索し、その内容をもとにLLMが回答を生成するRAGアプリが完成します。
引用表示の設定
回答の根拠をユーザーに示すため、引用表示を有効にしましょう。
オーケストレーション画面の 「機能」 セクションで 「引用と帰属」 をオンにすると、回答の末尾に参照元のドキュメント名やチャンクが表示されるようになります。これにより、ユーザーは回答の信頼性を自分で確認できます。
応用: ワークフローで業務自動化
Difyのワークフロー機能を使えば、複数のLLM処理やツール呼び出しを連結して、複雑な業務プロセスを自動化できます。
ワークフローの例: 問い合わせメール自動処理
以下のようなワークフローを、コードなしで構築できます。
[メール受信] → [内容分類（LLM）] → [条件分岐]
├→ 返品依頼 → [返品対応テンプレ生成] → [メール送信]
├→ 技術質問 → [ナレッジ検索 + 回答生成] → [メール送信]
└→ その他 → [担当者に転送]ワークフローの作成手順
- 「アプリを作成」 から 「ワークフロー」 タイプを選択
- キャンバス上に 開始ノード が表示される
- ノードを追加していく:
- LLMノード: テキスト生成・分類・要約などのLLM処理
- ナレッジ検索ノード: ナレッジベースからの情報取得
- 条件分岐ノード（IF/ELSE）: 処理の振り分け
- コードノード: PythonやJavaScriptによるカスタム処理
- HTTPリクエストノード: 外部API連携
- 変数集約ノード: 複数の分岐結果をまとめる
- ノード間をドラッグして接続し、データの流れを定義する
- 「実行」 ボタンでテスト、問題なければ 「公開」
ワークフローの大きなメリットは、各ノードの入出力が可視化されるため、デバッグが非常にしやすい点です。どのノードでどんなデータが流れているか、一目で確認できます。
料金プラン比較
Difyの利用形態は3つに分かれています。用途に応じて最適なプランを選びましょう。
プラン一覧（2026年3月時点）
| 項目 | Sandbox（無料） | Professional | Team | Enterprise |
|---|---|---|---|---|
| 月額料金 | $0 | $59/月 | $159/月 | 要問合せ |
| メッセージ上限 | 200回/日 | 5,000回/月 | 10,000回/月 | 無制限 |
| アプリ数 | 10 | 50 | 無制限 | 無制限 |
| チームメンバー | 1人 | 3人 | 無制限 | 無制限 |
| ナレッジベース容量 | 5MB | 500MB | 1GB | カスタム |
| ベクトルストレージ | 5MB | 200MB | 1GB | カスタム |
| カスタムツール | なし | あり | あり | あり |
| SSOサポート | なし | なし | なし | あり |
料金は2026年3月時点の情報です。最新の料金は各公式サイトでご確認ください。(出典: Dify公式サイト, 2026年3月時点)
Community Edition（セルフホスティング）
オープンソース版は完全無料で、機能制限はありません。ただし、サーバーの構築・運用・保守はすべて自分で行う必要があります。
- メリット: 完全無料、データの完全管理、カスタマイズ自由
- デメリット: インフラ管理コスト、アップデート対応が必要
おすすめの選び方
- 個人の学習・検証: Sandboxプラン（無料）で始める
- スタートアップ・個人事業: Professionalプランで本格運用
- チーム利用: Teamプランで共同作業
- 大企業・機密データ: Enterprise または Community Edition（セルフホスティング）
Dify vs 他ツール（Langflow, Flowise）の違い
ノーコードLLMアプリ開発ツールは他にも存在します。主要なツールとの違いを整理しましょう。
比較表
| 比較項目 | Dify | Langflow | Flowise |
|---|---|---|---|
| 開発元 | LangGenius | Langflow AI | FlowiseAI |
| ライセンス | オープンソース（Apache 2.0） | オープンソース（MIT） | オープンソース（Apache 2.0） |
| GUI操作性 | 直感的でノーコード完結 | フローベースだがやや技術寄り | ドラッグ&ドロップで簡単 |
| RAG対応 | ナレッジベース機能が標準搭載 | LangChain連携で実現 | ベクトルストア連携で実現 |
| ワークフロー | ビジュアルワークフローエディタ | LangChain/LangGraphベース | ChatFlowで構築 |
| エージェント | 標準サポート | LangGraphベース | AgentFlowで対応 |
| クラウド版 | Dify Cloud（商用サポートあり） | Langflow Cloud（DataStax運営） | FlowiseAI Cloud |
| 対象ユーザー | 非エンジニア〜エンジニア | エンジニア中心 | 非エンジニア〜エンジニア |
| 日本語対応 | UIが日本語対応済み | 英語のみ | 英語のみ |
| GitHub Stars | 100K+ | 50K+ | 35K+ |
どれを選ぶべきか
- Dify: 「非エンジニアも含めたチームで使いたい」「日本語UIがほしい」「RAGをすぐ使いたい」場合に最適。ナレッジベース機能やワークフローが統合されており、オールインワンで完結する。
- Langflow: 「LangChainエコシステムに慣れている」「Pythonでの柔軟なカスタマイズを重視する」エンジニア向け。技術的な自由度は高いが、学習コストもやや高い。
- Flowise: 「軽量にチャットフローを構築したい」「LangChainベースだが視覚的に操作したい」場合に向いている。Difyほどの統合度はないが、シンプルさが魅力。
総合的に見ると、2026年時点でノーコードAIアプリ開発の第一候補としてはDifyが最もバランスが良いと言えます。
FAQ（よくある質問）
Q. Difyは本当に無料で使えますか？
はい、2つの方法で無料利用が可能です。Dify CloudのSandboxプランは無料で利用でき、1日200回のメッセージ送信が可能です。また、Community Edition（オープンソース版）をDockerでセルフホスティングすれば、機能制限なく完全無料で利用できます。
Q. LLMのAPIキーは必要ですか？
はい、必要です。Dify自体はLLMを提供するサービスではなく、LLMを活用するアプリのプラットフォームです。OpenAI、Anthropic、Google Geminiなど、利用したいLLMプロバイダーのAPIキーを別途取得し、Difyの設定画面で登録する必要があります。
Q. 日本語で使えますか？
はい、DifyのUI（管理画面）は日本語に対応しています。設定画面の言語設定から日本語を選択できます。もちろん、作成するアプリ内での日本語のやり取りも問題なく動作します。
Q. データのセキュリティは大丈夫ですか？
Dify Cloudの場合、データはAWSの暗号化されたインフラ上に保管されます。より厳格なデータ管理が必要な場合は、Community Edition をセルフホスティングすることで、データを完全に自社管理下に置くことができます。Enterprise版ではSSOやアクセス制御などの企業向けセキュリティ機能も提供されています。
Q. プログラミングの知識は一切不要ですか？
チャットボットやRAGアプリの基本的な構築であれば、プログラミング知識は不要です。ただし、ワークフローのコードノードでPython/JavaScriptを書いたり、APIを外部システムから呼び出す場合は、多少のプログラミング知識があると活用の幅が広がります。
Q. 自社サイトにチャットボットを埋め込めますか？
はい、可能です。アプリを公開した後、埋め込み用のiframeコードまたはJavaScript Scriptタグが発行されます。これを自社サイトのHTMLに貼り付けるだけで、チャットウィジェットとして設置できます。
Q. 商用利用は可能ですか？
はい、Difyはオープンソース（Apache 2.0ライセンス）のため、商用利用が可能です。ただし、Difyのロゴやブランド名の使用に関しては商標ガイドラインに従う必要があります。クラウド版の場合は各プランの利用規約に準拠します。
まとめ
Difyは、LLMアプリ開発の敷居を劇的に下げてくれるプラットフォームです。本記事で紹介した内容を振り返ります。
- チャットボット: プロンプト設定だけで5分で構築可能
- RAGアプリ: ドキュメントをアップロードするだけで社内ナレッジ検索アシスタントが完成
- ワークフロー: ノードをつなげるだけで複雑な業務自動化パイプラインを構築
- 柔軟な選択肢: 無料のSandboxプランからEnterpriseまで、規模に合わせて選べる
まずはDify Cloudの無料プランで触ってみて、ノーコードAIアプリ開発の威力を体感してみてください。