启用Dify监控需先开启Prometheus指标端口8080并验证metrics端点含workflow_duration_seconds等关键指标，再配置Prometheus抓取任务，最后在Grafana中用histogram_quantile查询构建P95延迟看板，并结合审计日志比对端到端耗时定位瓶颈。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
启用Dify内置监控指标采集
进入Dify部署服务器终端，确认已启用Prometheus指标暴露端口，默认为8080。若未开启，需修改dify.yaml配置文件中的monitoring.enabled设为true并重启服务。
执行curl http://localhost:8080/metrics验证指标端点是否可访问。返回内容中必须包含workflow_duration_seconds和api_request_duration_seconds等关键指标行，否则后续监控将无法获取延迟数据。
这一步操作起来很简单，直接把文件拖进去就行。但【若跳过验证直接对接Grafana，会导致所有延迟图表为空白】。
配置Prometheus抓取Dify指标
在Prometheus配置文件prometheus.yml的scrape_configs区块下添加新任务：
- job_name: 'dify-monitoring' static_configs: - targets: ['localhost:8080'] metrics_path: '/metrics'
保存后执行prometheus --config.file=prometheus.yml --storage.tsdb.path=/data启动服务。Prometheus会每15秒主动拉取一次Dify指标，延迟数据开始持续写入时序数据库。
注意：target地址必须与Dify服务实际监听IP一致。若Dify运行在Docker容器内，应填写宿主机IP或使用host.docker.internal代替localhost。
在Grafana中构建响应延迟看板
第一步：添加Prometheus数据源，URL填http://localhost:9090（假设Prometheus运行在9090端口）。
第二步：新建Dashboard → 点击“Add new panel” → 在Query字段输入：histogram_quantile(0.95, sum(rate(api_request_duration_seconds_bucket[5m])) by (le, endpoint))。
第三步：设置X轴为时间范围，Y轴单位选seconds，图例格式用{{endpoint}}区分不同API路径。
第四步：点击右上角“Save dashboard”，命名为“Dify API Latency”。此时P95延迟曲线将实时显示/v1/completions、/v1/chat-messages等接口的响应毛刺与趋势。
这个看板能立刻暴露异常——比如某条曲线突然跃升至3秒以上，说明对应接口正遭遇模型调用阻塞或缓存失效，需立即检查日志中request_id关联的完整链路。
通过审计日志补全端到端延迟分析
调用Dify审计API拉取原始请求记录：curl -X GET "https://your-dify-domain.com/v1/audit/logs?limit=500&start_time=2026-06-08T09:00:00Z" -H "Authorization: Bearer YOUR_API_KEY"。
解析返回JSON，提取duration字段（单位毫秒）与endpoint字段，筛选出duration > 2000的慢请求。
对每个慢请求，用其request_id去查Dify调试日志，定位具体耗时节点。例如发现"node": "knowledge_retrieval", "latency_ms": 4200，说明知识库检索超时，应检查向量数据库连接或分块策略。
这一步不可跳过——Prometheus指标只反映服务端处理时间，而审计日志包含客户端发起时间戳，两者比对才能确认是网络延迟还是服务瓶颈。
