Dify 怎么接 OpenAI API：模型供应商、LLM 节点和费用边界

搜索“Dify 接 OpenAI API”的人，大多已经知道 Dify 可以搭应用，但卡在模型供应商、API Key、模型名、费用和上线边界。Dify 降低了应用编排门槛，但模型配置仍然是一个真实工程环节，不能只靠复制一个 Key。

这篇是草稿，正式发布前需要核对 Dify 和 OpenAI 最新官方文档。Next.js 代码接入可以看 OpenAI API Next.js Route Handler 指南，Dify 知识库可以看 Dify 知识库怎么搭。

适合谁

适合想用 Dify 快速搭聊天机器人、知识库问答、表单处理、内容草稿或内部助手的人。你希望使用 OpenAI API 作为模型能力，而不是先处理复杂底层代码。

也适合接 AI 应用搭建项目的新手。客户说“帮我用 Dify 接一个 AI 应用”，你需要问清楚模型、费用、数据、权限、日志和人工审核，而不是只做一个演示界面。

不适合谁

不适合没有 API Key 管理意识的人。API Key 是敏感凭据，不能写进截图、公开仓库、聊天记录或交付文档正文里。

也不适合没有预算控制的项目。模型调用会产生费用，知识库、长上下文、多轮对话和多人使用都会增加成本。

第一步：准备 API Key 和权限

先在 OpenAI 平台准备 API Key，并确认项目、额度、账单、使用权限和模型访问范围。不要使用个人主账号的高权限 Key 给客户长期运行。

如果是客户项目，建议让客户使用自己的账号和账单，你只协助配置。交付时不要保存客户 Key，也不要把 Key 发到不必要的渠道。

第二步：在 Dify 配置模型供应商

进入 Dify 的模型供应商设置，选择 OpenAI 或兼容配置，填写必要的 API 信息。配置后要测试模型是否可用，并确认聊天模型、embedding 模型和其他能力分别使用什么。

很多新手只配置聊天模型，却忘了知识库可能需要 embedding。知识库能否索引、检索和回答，要看整条链路是否都配置完整。

第三步：创建简单 LLM 应用

先用最简单的 LLM 节点测试提示词、变量和输出，不要一上来接复杂工作流。确认输入能传到模型，输出能正常返回，错误信息能被看到。

测试时记录模型名、温度、上下文长度、超时和返回速度。以后客户反馈“效果变了”，这些记录能帮助判断是不是模型或参数变化。

第四步：接入知识库和工作流

如果应用需要基于资料回答，继续配置知识库、检索节点和引用来源。知识库不是把文档上传就结束，必须测试召回和答案依据。

如果应用会生成对外内容、邮件、报价或客户回复，建议加入人工审核节点或交付前复核规则。可以参考 为什么 AI 交付需要人工复核。

第五步：设置费用和使用边界

Dify 应用上线前要估算调用频率、每次上下文长度、用户数量和失败重试。模型费用不是固定数字，和使用方式强相关。

可以先给客户一个测试期额度，记录调用量和典型请求，再决定正式预算。不要承诺固定效果或固定成本，除非你有足够监控和限制。

常见错误

常见错误是把 API Key 放进前端、截图或公开说明里。任何能被用户看到的地方都不应该暴露密钥。

另一个错误是只测一次成功回答就上线。至少要测试普通问题、边界问题、敏感问题、空输入、超长输入和模型报错。

风险提醒

使用 OpenAI API 时，要核对数据处理要求、客户授权、模型适用范围和内容审核。涉及隐私、合同、法律、医疗、财务、人事等内容时，必须谨慎处理并保留人工判断。

还要防止费用失控。公开应用如果没有访问限制、频率限制或预算监控，可能被异常请求拖高费用。

具体步骤

第一步，准备客户认可的 API Key 和账单策略。第二步，在 Dify 配置模型供应商。第三步，测试普通 LLM 节点。第四步，按需配置知识库、embedding 和工作流。第五步，加入费用、日志和人工复核边界。需要配置检查表可以进入 工具导航。

免责声明

本文只用于技术学习和项目预评估，不构成费用、安全、合规、准确率或商业效果承诺。正式上线前，应由人工核对官方文档、服务条款、客户授权和验收标准。