Dify y n8n son dos respuestas de código abierto al mismo deseo: encadenar llamadas a un LLM, herramientas y sistemas existentes sin escribir una aplicación completa cada vez. Para un equipo de operaciones, el interés es inmediato: clasificar una alerta, resumir un incidente, consultar runbooks o preparar el borrador de un post-mortem pueden convertirse en workflows de IA de código abierto, visuales y autoalojados, que se versionan y se monitorizan.
Las dos herramientas se parecen en pantalla (nodos unidos en un lienzo), pero no parten del mismo sitio. Dify es una plataforma de desarrollo de aplicaciones LLM: prompts, bases de conocimiento, agentes y workflows son sus objetos centrales. n8n es una herramienta de automatización de workflows de propósito general, rica en conectores, a la que se han añadido nodos de IA.
Este artículo compara sus enfoques, propone casos de uso concretos para operaciones y muestra cómo desplegarlas y observarlas. Forma parte de nuestro panorama de la pila de IA de código abierto autoalojada.
Dify y n8n: dos filosofías de workflows de IA
Dify: primero la aplicación LLM
Dify, desarrollado por LangGenius, propone varios tipos de aplicaciones: chatbots, agentes, chatflows (conversaciones de varios turnos orquestadas) y workflows (procesamientos desencadenados por una entrada). Incluye un editor de prompts, una base de conocimiento integrada para el RAG, la gestión de varios proveedores de modelos (entre ellos modelos locales mediante Ollama o un servidor compatible con OpenAI) y una API para cada aplicación publicada.
Punto de atención: la licencia de Dify es una versión modificada de Apache 2.0, con condiciones adicionales (en particular sobre la explotación multi-tenant y la conservación del logotipo en la interfaz). Léela antes de un uso comercial.
n8n: primero la automatización
n8n es un motor de workflows que conecta cientos de servicios (mensajería, ticketing, bases de datos, APIs HTTP) mediante desencadenadores, webhooks y nodos. Sus nodos de IA, entre ellos un nodo AI Agent y nodos de modelos de chat (incluido Ollama), se apoyan en LangChain. n8n se distribuye bajo un modelo llamado «fair-code»: el código es abierto y el autoalojamiento está permitido, pero la licencia impone restricciones de uso comercial. De nuevo, compruébala.
¿Cuál elegir?
- El núcleo de la necesidad es una aplicación conversacional o un RAG (asistente de runbooks, FAQ interna): Dify es más directo.
- El núcleo de la necesidad es la integración (recibir una alerta, enriquecerla, crear un ticket, notificar) con un paso de IA en medio: n8n es más natural.
- Las dos se combinan bien: n8n orquesta el flujo y llama a la API de una aplicación de Dify para la parte del LLM.
¿Qué casos de uso para operaciones tienen los workflows de IA de código abierto?
- Clasificación de alertas: un webhook recibe una alerta, el workflow recupera el contexto (últimos despliegues, logs asociados), pide al LLM un resumen y una hipótesis, y publica todo en el canal de guardia.
- Asistente de runbooks: una aplicación de Dify con una base de conocimiento alimentada por tus procedimientos responde a las preguntas y cita sus fuentes.
- Borrador de post-mortem: al cerrar un incidente, el workflow reúne la cronología, los mensajes y los tickets, y produce una primera versión estructurada para revisar.
- Clasificación de tickets: categorización y enrutamiento de las solicitudes entrantes hacia el equipo adecuado.
- Revisión de cambios: resumen de una solicitud de cambio y lista de los riesgos que comprobar antes de validarla.
En todos estos casos, la IA prepara y el humano decide. Evita los workflows que ejecutan acciones de producción basándose únicamente en la respuesta de un LLM.
En la práctica: desplegar Dify y n8n para un workflow de clasificación
Paso 1: desplegar Dify con Docker Compose
El repositorio de Dify ofrece un archivo de Docker Compose. La documentación indica un mínimo de 2 núcleos y 4 GB de RAM.
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d
# puis ouvrir http://localhost/install pour créer le compte administrateur
Antes de producción, revisa el archivo .env: claves secretas, almacenamiento, base de datos y exposición de red.
Paso 2: desplegar n8n
La documentación de n8n propone un comando de Docker de inicio rápido; esta es su forma simplificada (el puerto 5678 es el de la interfaz):
docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 \
-v n8n_data:/home/node/.n8n \
docker.n8n.io/n8nio/n8n
Para un uso duradero, prefiere la configuración con PostgreSQL descrita en la documentación de alojamiento de n8n, y coloca la instancia detrás de un reverse proxy con TLS.
Paso 3: conectar un modelo local
En Dify, añade un proveedor de modelos (Ollama, o cualquier servidor compatible con OpenAI como vLLM) desde los ajustes del espacio de trabajo. En n8n, usa el nodo de modelo de chat de Ollama o un nodo compatible con OpenAI apuntado a tu servidor interno. Atención con los contenedores: localhost designa al propio contenedor, no al host.
Paso 4: construir el workflow de clasificación
- En Dify, crea un workflow «resumen de alerta»: entrada (texto de la alerta y contexto), nodo LLM con un prompt estructurado (impacto, hipótesis, próximas comprobaciones), salida JSON. Publícalo y obtén su clave de API.
- En n8n, crea un workflow: nodo Webhook que recibe la alerta, nodo HTTP Request que recupera el contexto, nodo HTTP Request que llama a la API del workflow de Dify y, por último, un nodo de mensajería que publica el resumen.
- Añade un enlace a la alerta de origen en el mensaje: el ingeniero de guardia debe poder comprobarlo.
La llamada a Dify se parece a esto (adapta la URL y el formato a la documentación de la API que se muestra en tu instancia):
curl -X POST "https://dify.interne/v1/workflows/run" \
-H "Authorization: Bearer $DIFY_APP_KEY" \
-H "Content-Type: application/json" \
-d '{"inputs": {"alerte": "CPU 95 % sur api-prod"},
"response_mode": "blocking", "user": "n8n-triage"}'
Paso 5: observar los workflows
Un workflow de IA es un servicio como cualquier otro: debe monitorizarse. En n8n, la documentación describe los puntos de conexión /healthz y /metrics (formato Prometheus, activado con la variable N8N_METRICS), así como un trazado de las ejecuciones mediante OpenTelemetry, en versión preliminar en el momento en que escribimos. En Dify, la sección Monitoring ofrece registros de ejecución e integraciones de trazado hacia herramientas como Langfuse, LangSmith, Opik o Arize Phoenix; consulta nuestro artículo Langfuse y OpenLLMetry.
Sigue como mínimo: número de ejecuciones y tasa de fallos por workflow, latencia de extremo a extremo y del paso del LLM, tokens consumidos y volumen de llamadas entrantes. Los principios de alerting son los mismos que para tus otros servicios, como se describe en perfiles de alerta e integraciones de notificación.
Buenas prácticas
- Versiona los workflows: exportación JSON de n8n y exportación DSL de las aplicaciones de Dify, almacenadas en Git.
- Guarda los secretos en los gestores de credenciales de las herramientas, nunca en claro en los nodos.
- Enmascara los datos sensibles antes del paso del LLM, sobre todo si se usa un proveedor externo.
- Prevé una vía de respaldo: si el LLM no responde, la alerta en bruto debe llegar de todos modos.
- Exige una salida estructurada (JSON) y valídala antes de usarla en los nodos siguientes.
- Limita los permisos de las cuentas técnicas que usan los workflows a lo estrictamente necesario.
Preguntas frecuentes
Dify vs n8n: ¿hay que elegir?
No. Dify destaca en las aplicaciones LLM (prompts, RAG, agentes) y n8n en la integración entre sistemas. Muchos equipos usan n8n como director de orquesta y Dify como motor de IA.
¿Funcionan Dify y n8n sin acceso a Internet?
Pueden autoalojarse y usar un modelo local. Algunas funciones (marketplace de plugins, conectores en la nube) suponen acceso a la red: comprueba en la documentación lo que necesitas.
¿Se puede exponer un workflow como herramienta para un agente?
Sí, mediante las APIs de ambas herramientas, y Dify documenta también la publicación de una aplicación como servidor MCP. El Model Context Protocol se explica en nuestro artículo dedicado.
Conclusión
Dify y n8n permiten convertir ideas de automatización con IA en workflows autoalojados en unas pocas horas. Su valor para un equipo de operaciones depende menos de la herramienta que del rigor de la operación: versionado, secretos, salidas estructuradas, vías de respaldo y monitorización. Trata cada workflow como un servicio de producción, y acabará siéndolo.
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba los comandos y opciones en su documentación oficial.