智能体实战4：文本生成模式

文本生成模式特别简单，这里去看Dify预置的一个文本生成模式的智能体。我们在【探索】菜单中，选择标签是文本生成的【SQL生成器】这个智能体，添加到工作区。

添加到工作区打开该智能体后，可以看到，和最基础的聊天智能体基本上一模一样，所以我真不清楚Dify咋想的，还把基础的聊天和文本生成，分成了两个智能体。

1、左上区域，可以填写提示词，要求这个智能体干嘛。

2、左下区域新增可添加变量部分，使用时须选目标数据库并输入查询内容。添加的变量传入左上提示词部分，使用时替换内容提示词中的变量，右侧可预览变量。

3、右上角，没啥说的，换一个模型即可。

下面给大家演示下这个智能体的效果。

第一步，把模型更新成deepseek，然后第二步，点击【发布更新】进行保存，最后点击【运行】去运行该智能体。

运行时，在左侧选择了目标数据库和输入了要查询的内容，点击【运行】后，在右侧给出了结果。

我们查看日志时也可以发现，输入的两个变量，在Prompt中已经被替换掉了，最后变成了User Prompt的一部分，用于生成结果。

到这里，这一部分也给大家讲完了如何创建使用一个文本生成模式下的智能体，也非常简单。

智能体实战5：工作流模式的智能体

【聊天助手】【Agent】和【文本生成应用】这三种模式只适用于简单场景，复杂场景要用工作流。

Dify中的工作流有两种模式，一种适合单轮自动化任务，另一种是常用的支持记忆复杂的多轮工作流ChatFlow。

首先，我们选择【客户评价处理工作流】，添加到工作室。

打开后可见，是用各种组件构建的工作流。

这个工作流怎么绘制？在页面底部点击【+】号，里面有很多组件，选中某一组件拖到页面上即可。

各个组件建立关联只需从一个组件的【+】号部分，拖拽至另一个组件的【+】号位置即可。

每个组件最应关心三点：前一组件输入内容、组件自身业务逻辑、组件处理后的输出内容（有时无）。如问题分类器组件，依输入评价，借大模型理解能力，自动判别评价正负，输出分类结果，图中这三部分很明显 。

Dify默认提供16个组件，各组件使用方法不同，具体用法在组件处打开帮助文档查看。

若想对组件每步具体调试，类似程序的Debug代码。除运行后查看完整log并在其中打开节点看运行状况，还能在运行前对单个组件Debug。比如在问题分类器组件上点击【运行此步骤】进行单步调试，输入【这个打印机不好用】查看返回结果 。

运行后从调试结果可见，输出输入、数据处理和输出三部分，对应各组件需关注的三要素。最后输出正确结果，是负面评价。

智能体实战6：ChatFlow模式的智能体～API Demo

接下来实战 ChatFlow 模式智能体。此前多次提及，它是创建智能体最常用方法。本质与工作流智能体基本相同，但区别在于：工作流仅支持单轮自动化任务编排，ChatFlow 支持有记忆的多轮会话，主要体现在 LLM（大模型）节点上（此为核心区别）。

通过下图可见，左侧是工作流模式新建的LLM节点，右侧是ChatFlow模式新建的，多了记忆功能且默认关闭。如此，直接创建ChatFlow模式智能体即可，其功能多、效果好，个人觉得工作流模式鸡肋，我基本不用。

现在实战一个API-Demo，可获取某城市实时天气。

第一步，利用默认存在的【开始】节点，在其中添加必填变量【city】，用于输入要查询天气的城市。

第二步，我们新建一个【HTTP请求】节点，然后跟前面的【开始】节点相连接。

【HTTP请求】节点设置参照下图。GET请求路径：【https://wttr.in/前一个节点传入的city参数?format=j1】，需将红色字体换为真实前一步传入的city参数。

第三步，我们新建一个【LLM】节点，然后跟前面的【HTTP请求】节点相连接。

具体【LLM】节点的设置，参照下图：

选择一个模型，在System Prompt部分输入【请输出今天天气如何】，传入上一步【HTTP请求】节点Body属性，User Prompt部分传入最初用户输入的Prompt。

最后一步，我们新建一个【直接回复】节点，然后跟前面的【LLM】节点相连接。

具体【直接回复】节点的设置，参照下图：

只需传入前一步大模型的回答结果的文本即可。

到这里，我们就创建完了，然后发布更新下即可，保存刚才创建工作流。最后运行，看到结果。

上面可以看到，我问大连的天气如何，给出了当前时间外边的实时天气。到这里，带大家手把手创建了一个ChatFlow模式的智能体。

智能体实战7：ChatFlow模式的智能体～RAGFlow-Demo

接下来，将 ChatFlow 模式创建的智能体连接外联 RAGFlow 的外部知识库查询并输出结果。不做详细演示，可实战。不知如何 Dify 整合 RAGFlow 知识库的看上一篇文章。创建后效果如图。可选本地 Ollma 部署模型，也可选付费商用模型或整合本地模型。

其他：查看日志和单步调试

创建完智能体，想看其运行流程的log方便调试，可点击第三个按钮【日志与标注】查看完整执行日志。

下面可以看到，显示出了详细每一步的执行的log。

每一步展开后，可以看更详细详细的Log。

当然，除组件整体操作外，各组件也能单步调试，类似 Debug。以【HTTP 请求】组件为例，选【运行此步骤】调试。

调试后可以看到具体的信息，包含了执行的输入、执行的过程和输出的结果。

其他：监测

除查看智能体具体执行日志外，还能查看其使用和统计相关信息。点击最左侧最后一个【检测】按钮即可。

【费用消耗】统计需特殊说明，此费用仅供参考，与调用云平台模型 API 产生的费用不符，具体调用模型费用以模型平台为准。

到此，社区版Dify最核心的【知识库】+【智能体】两大功能讲完。虽是简单Demo，学会后结合业务场景可创建更强大智能体。

Dify还有进阶操作，如通过API操作知识库、将智能体暴露成API供外部访问（常用于做套壳应用）等，后续会给大家讲解。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！