Agent 与 Dify 基础
摘要
工作流把任务拆成明确节点,适合流程稳定、可审计的场景;Agent 根据目标和中间观察选择下一步行动,适合需要动态决策的任务。Dify 提供图形化方式连接模型、知识库、工具与流程,但业务权限和风险控制仍应由应用设计负责。
正文
1. Agent 的基本循环
一个简化 Agent 可以理解为:接收目标 → 判断下一步 → 调用工具或回答 → 观察结果 → 决定继续或结束。ReAct 常用“推理—行动—观察”的方式描述循环。
模型提出工具调用请求并不等于执行了工具。应用运行时必须校验工具名称和参数、检查用户权限,再决定是否执行;执行结果随后作为上下文返回模型。
2. 工作流与 Agent 的取舍
| 选择 | 适合 | 优点 | 风险 |
|---|---|---|---|
| 工作流 | 固定步骤、业务规则清楚 | 结果稳定、容易测试和追踪 | 变化多时分支可能变复杂 |
| Agent | 路径需要根据观察动态选择 | 灵活处理不确定任务 | 可能循环、误用工具或产生不可预测成本 |
| 混合 | 主流程固定,局部需要智能选择 | 在可控与灵活之间折中 | 需要明确各节点边界 |
3. Dify 应用搭建主线
确定问题、用户、数据边界和成功指标;选择 Chatbot、工作流或 Agent 等形态;配置模型并用小样例检查响应;设计提示、输入变量与输出格式;需要私有资料时建立知识库并测试检索;需要外部能力时配置工具并限制参数和权限;测试正常、边界、无资料、工具失败和越权场景;发布前检查认证、速率限制、日志和密钥保管。
3.1 从课程案例抽象出的 Dify 流程
课程 PPT(演示文稿)把 Dify 的应用流程拆成模型接入、提示词、知识库、工具、工作流/Agent 和发布。适合初学者按这个顺序练习,但具体按钮和界面会随版本变化:
- 先定义输入与输出:例如用户问题、目标字段、回答格式和无答案时的行为。
- 再搭确定性分支:问候、转人工、超范围问题等可以由规则或意图识别分流。
- 接入知识库:整理文件、切块、向量化、检索,再将相关片段和问题交给模型生成回答。要专门测试“无相关检索”分支,不能默认检索结果一定可靠。
- 接入工具:模型输出函数名和参数;宿主运行时才会真正执行函数。工具输入应有 Schema(数据结构约束),执行前还要校验权限与副作用。
- 工作流或 Agent:分支固定、步骤清晰时优先工作流;需要根据执行反馈选择下一步时才考虑 Agent。
- 发布与运营:先在受控环境测试,再决定 API(接口)或网页嵌入方式;服务端密钥不能暴露在浏览器。版本升级后重新验证流程和工具。
课程里的电商知识问答结构是一个可复用样例:问候/人工请求直接处理,专业问题走知识检索;有相关上下文时按上下文回答,没有上下文时进入明确的澄清或拒答分支。源课件中的示例提示和工具代码是教学材料,落地时要重新验证安全边界、人工服务地址和授权逻辑。
4. 工具调用的安全边界
工具权限应最小化。只读查询与写入、付款、删除等副作用操作要区别处理;高风险写入需要服务端授权或人工确认。模型生成的参数都属于不可信输入,必须校验格式、范围、对象归属和幂等性。密钥存储在平台受控配置中,不进入提示词、用户可见结果或公开笔记。
5. 评估 Agent
评估最终结果,也记录中间轨迹:是否选对工具、参数是否正确、是否停止、是否引用资料、成本与延迟是否可接受。为常见任务准备固定测试集,更新提示或工具后做回归。
6. Agent 执行循环拆解
Agent 不是“模型自己连接互联网或数据库”。模型只在每一步读取上下文并生成下一步建议;Agent Runtime(运行时)负责组织循环、执行工具、保存状态和执行权限策略。
6.1 系统里的职责
| 部件 | 负责什么 | 不应该假设什么 |
|---|---|---|
| 用户请求与目标约束 | 描述要完成的任务、范围和成功标准 | 自然语言目标不等于明确授权 |
| 模型 | 判断当前需要补充信息、调用工具还是结束 | 模型输出不是已执行的事实 |
| 工具目录 | 描述工具名称、输入字段、用途和结果类型 | 工具说明不是权限策略 |
| Agent Runtime | 校验模型响应、调用工具、写入状态、控制循环 | 不能把模型输出原样拼进 SQL 或命令 |
| 策略与授权层 | 检查身份、资源归属、权限、额度和审批状态 | 用户登录不代表拥有任意对象的写权限 |
| 状态与日志 | 记录任务、步骤、工具结果、错误和版本 | 不能把密钥、完整私人正文无条件写入日志 |
6.2 一次工具调用的真实过程
- Runtime 依据当前身份筛选可用工具,并把工具说明和参数 Schema(结构约束)提供给模型。
- 模型生成工具调用请求,例如“调用
lookup_order,参数为订单号”。这仍然只是请求。 - Runtime 检查工具是否在允许列表中,参数是否符合类型、长度、枚举和业务范围。
- 授权层检查当前用户能否访问这个订单;写入、退款、删除等副作用操作还要检查确认或审批条件。
- 只有检查通过后,程序才执行工具代码,并对网络、数据库或其他服务发出请求。
- Runtime 将工具结果整理成有限、可读、已脱敏的 Observation(观察结果),放回任务状态。
- 模型根据观察结果继续选择下一步,或生成最终回答。
因此,面试回答要分清三件事:模型提出了什么调用、应用是否批准、外部系统是否成功执行。UI(用户界面)中显示“模型调用了工具”也不应省略服务端授权和执行结果。
6.3 文字版伪代码
验证用户与任务范围
初始化任务状态、调用预算和截止时间
循环,直到得到最终回答或触发退出条件:
组装本轮允许使用的上下文与工具
请求模型给出最终回答,或符合 Schema 的单个工具请求
校验输出格式、工具名、参数和用户授权
若为高风险副作用:暂停并请求明确审批
执行工具,记录耗时、结果类型和可审计的任务关联 ID
将最小必要结果写回状态;必要时脱敏或截断
若遇到可重试错误:仅在预算允许且操作安全时重试
返回最终结果;超时、越权、预算耗尽或不可恢复错误时停止
退出条件要由程序保证,不能只写在提示词里。至少应有最大模型轮数、最大工具调用数、时间上限、费用或 Token(词元)预算、用户取消以及明确的最终状态。循环耗尽时要返回“未完成/需要人工处理”,不能伪装为成功。
6.4 规划、ReAct、反思和多 Agent 的关系
它们是可选的编排模式,不是所有 Agent 都必须包含的固定组件。
| 模式 | 流程 | 适用情况 | 主要代价或失败方式 |
|---|---|---|---|
| Tool loop(工具循环) | 模型选择工具,执行结果返回模型 | 有限工具集、短任务 | 误选工具、重复调用、循环不退出 |
| ReAct | 交替进行决策、行动和观察 | 需要根据外部结果调整下一步 | 轨迹更长、成本更高;公开“思维过程”不是安全或正确性的证明 |
| Plan-and-execute(先计划后执行) | 先列步骤,再逐步执行并根据结果修订 | 多步骤、步骤之间有依赖 | 初始计划可能不符合新观察,需要重新规划或回滚 |
| Reflection(反思) | 生成结果后由模型或检查器提出修订 | 写作、代码草稿等可比较任务 | 自我评价可能错误,反复改写会放大错误并增加成本 |
| Multi-agent(多智能体) | 多个角色分工,汇总或交叉检查 | 工作确实能并行且边界清楚 | 通信、重复推理、状态同步、冲突仲裁和审计更复杂 |
来源课件中的“反思、工具使用、规划、多 Agent”适合当作模式分类。不能据此断言 ReAct 必定使用两个不同模型,也不能把“反思”直接等同于模型训练或强化学习。一个普通 Agent 可以只用单个模型和一个受限工具循环。
6.5 记忆、任务状态与持久化
| 概念 | 保存什么 | 典型用途 | 需要回答的设计问题 |
|---|---|---|---|
| 当前上下文 | 本轮输入、相关消息、工具结果 | 让模型完成当前一步 | 哪些内容真正与本轮决策相关? |
| 会话记忆 | 经授权保留的历史偏好或对话摘要 | 跨轮连续交互 | 何时过期、怎样更正或删除? |
| 任务状态 | 当前步骤、计划、已完成动作、待确认事项 | 长任务暂停和恢复 | 状态存在哪里,谁能读取? |
| Checkpoint(检查点) | 可恢复的执行状态快照 | 从中断处继续执行 | 恢复后是否会重复副作用? |
| 长期知识 | 可检索的外部资料或业务记录 | 查找事实、经验和文档 | 权限过滤是否发生在进入模型上下文之前? |
记忆不等于模型参数,也不等于无限、可靠的永久记忆。持久化任务应有用户/租户隔离、保留期限和访问审计;恢复任务时先判定上一步外部操作是否已经生效,再决定继续、核验或补偿。
6.6 错误重试、幂等和副作用
- 超时、限流和临时网络失败可能适合有限次数退避重试;参数错误、授权失败和业务拒绝通常应直接停止并给出可处理的错误。
- 每次重试都要考虑“前一次是否已成功但响应丢失”。订单创建、付款、发邮件等不能盲目重复执行。
- 对可重复提交的写操作使用服务端幂等键(Idempotency Key),或先查询操作状态;不可逆操作要有审批、审计与必要的补偿流程。
- 把错误结果压缩后交给模型继续尝试之前,先确定错误信息不泄漏内部路径、凭据或其他用户数据,并且剩余预算充足。
6.7 权限、安全和可观测性
- 最小权限:按用户、对象和动作授权;检索工具与写入工具分离。
- 不可信输入:用户文本、网页、RAG 文档、工具描述和工具结果都可能包含恶意指令;它们不能覆盖系统策略。
- 执行前校验:服务端重查身份、资源归属、参数范围和状态版本,不能只依赖模型说“用户已确认”。
- 高风险操作停顿:展示明确操作对象与后果,获取用户确认后再由服务端重新授权。
- 审计与脱敏:关联用户、任务、提示版本、工具名、参数摘要、结果状态和耗时;访问令牌、密钥和无关私人文本不写入普通日志。
- 限额与停止:设调用轮数、工具白名单、速率、超时和任务取消;失败后进入可恢复状态或转人工,而不是无限循环。
6.8 Dify 中工作流和 Agent 节点
Dify 官方文档将 Workflow(工作流)描述为一次从输入到结果的执行,将 Chatflow(对话流)描述为用户每次发消息触发一次流程;Agent 节点可以在工作流内循环决定何时使用已配置工具。该解释针对官方文档所示产品版本,界面、节点和配置项会变化。
电商客服可以采用混合设计:问候、转人工、权限判定和知识检索走固定节点;一个范围有限的 Agent 只负责选择订单查询或政策查询工具;退款节点使用独立服务端流程,检查订单状态、金额、资格和人工审批,不让 Agent 拿到任意退款权限。
课程中的 NLP-to-SQL(自然语言转 SQL)演示只能作为流程示例。生产设计应使用只读数据库账号、表和字段白名单、参数化查询、查询超时与行数上限;SQL 先经过解析/策略检查,不能把模型生成的字符串直接交给有写权限的数据库执行。
相关笔记
- RAG检索增强生成
- LangChain与LangGraph基础
- RAG与Agent项目精选
- Coze智能体与工作流实践
- Agent-MCP-Skill面试题库
参考资料
- 《第一至第七章节:Dify 入门、模型接入、提示词工程、RAG、工具、工作流与 Agent、发布》。
- 《大模型(LLMs)agent 面》《大模型(LLMs)langchain 面》。
- 《Dify 智能体开发零基础入门到实战》第一至第七章 PPT;按流程概念整理,没有照搬界面截图或旧版本操作步骤。
- Dify Workflow & Chatflow 官方文档 与 Agent 节点官方文档,按 2026-09-25 可访问页面核对概念;产品配置细节需按实际部署版本复核。
原始来源文件
以下列出本篇整理所依据的代表性原件;同主题重复版本与完整状态请查阅 source-manifest.csv。
Raw sources/003.Dify智能体开发零基础入门到实战/03-PPT课件/第六章节:工作流与Agent.pptxRaw sources/003.Dify智能体开发零基础入门到实战/03-PPT课件/第五章节:自定义工具.pptx