Agent 智能体

Agent 是对话型应用：模型自己判断下一步——思考、调用工具、读结果、再思考——直到能回答用户。你不画完整流水线，而是提供提示词 + 工具（+ 可选知识库），并限制最大迭代次数。

这与 LangChain 的 Agent 循环是同一件事：Model ⇔ Tools。Dify 把循环做成 Studio 配置；LangChain 用 create_agent 和 @tool。

flowchart LR
  U[用户] --> M[模型推理]
  M --> T{调用工具?}
  T -->|是| E[执行工具]
  E --> M
  T -->|否| R[回复用户]

官方还有一种较新的 Agent（文档称其可在沙箱中构建，并复用为独立聊天应用或工作流里的节点）。本课以「基础 Agent 应用」为主，概念同样适用于图中的 Agent 节点。

和 Workflow 怎么选

需要整体可控、局部灵活时：外层 Chatflow，内层一个 Agent 节点只处理「查外部系统」这一步。不要既做 20 个 If-Else，又指望模型完全无视它们。

Agent 的提示词除了人设，还要点名工具、约定何时用、禁止何时用：

你是内部运维助手。先判断问题是否需要工具。
- 查天气或网页时使用对应搜索类工具，不要编造实时数据。
- 算术用计算器工具，不要心算长表达式。
- 知识库已覆盖的制度问题优先检索，不要用训练记忆替代。
找不到依据就说明缺什么信息。回答用简体中文。

可用 / 插入变量（短文本、段落、下拉、数字、勾选，或运行时 API 变量），让同一 Agent 服务不同部门。官方建议写清：人设、输出格式、约束、工具使用时机、粗步骤。

在 Agent 上添加 Dify Tools（Marketplace / 工作空间已装的工具插件：搜索、数据库、业务 API 等）。需要鉴权的工具在 Integrations → Tools 里配凭据。模型根据用户问题自己选工具；提示词里写工具名会更稳。

Maximum Iterations 限制单次请求里「想 → 调工具 → 看结果」的圈数。调高能做更长任务，但延迟和 token 上升，也更容易死循环。从较小值（例如个位数）做起，看预览里的工具轨迹。

挂知识库时：Agent 没有应用级统一检索旋钮，而是按各库自己的设置检索；模型靠知识库描述决定查哪一个。描述写成「涵盖 2024 差旅报销，不含薪酬」比只写「公司文档」有用得多。可再加元数据过滤，避免全库扫描。

预览里选擅长推理、且原生支持 tool calling 的模型。Agent Settings 会显示模式：

模式	含义
Function Calling	模型 API 原生返回 tool calls，可靠、省 prompt
ReAct	用提示词引导「Reason + Act」，兼容较弱模型

同一任务在两种模式下轨迹不同：Function Calling 更干净；ReAct 有时会把推理过程写进可见文本。对比模型可用多模型调试。会话历史有上限（官方曾写约 500 条消息或 2 000 token 量级，超出丢最旧的）——超长会话不要假设「它还记得第一天」。

工具能打到真实系统。生产环境：最小权限凭据、提示词禁止破坏性操作、高危工具先走人工确认（或改放到 Workflow 的 Human Input）。日志里应能看到每次工具名与参数，便于审计。这与 LangChain 里「不要把裸 eval 和未沙箱 Shell 交给 Agent」是同一条纪律。