1. Dify / LangChain / Coze 选型
| 工具 | 类型 | 场景 |
|---|---|---|
| LangChain | 开源开发框架 | 需深度定制的复杂应用，灵活但学习成本高 |
| Dify | 低代码平台 | 企业级 AI 助手，平衡灵活与效率，支持私有化部署 |
| Coze | 零代码 Bot 平台 | 快速搭社交 Bot，零代码但封闭生态无法私有部署 |
为什么不用 Coze？ → 封闭生态无法私有化部署，自定义和数据安全受限。
2. Dify vs 手写代码
Dify/扣子适合快速原型验证、低代码编排（几天出 demo），但自定义逻辑/私有化/性能调优受限；手写适合生产（精细控缓存/异步/监控/降级/灰度）。混合模式：Dify 快速验证工作流经 API 集成，关键路径（判题/对话）重写本地 Python 保性能。
3. 节点 / 形态 / DSL
- 常用节点：LLM（核心生成）、知识库检索（RAG）、代码执行（Python 处理字符串/JSON）、变量聚合（合并多分支）、HTTP 请求（对接外部 API 如 TTS）、If-Else 条件、迭代循环。
- 智能体形态：Chatbot（纯聊天）、Agent/Assistant（工具调用+ReAct 自主拆解）、Workflow/Chatflow（图形化编排，自动化触发 vs 对话触发）。
- DSL：Domain Specific Language，YAML/JSON 应用定义文件，实现版本控制、跨环境迁移、批量导出备份，"应用即代码"基础。
4. 调试
① 单节点预览（每节点看输入输出）② LLM 节点不符预期，抽到"提示词编排"沙盒调 Temperature ③ 格式修复。
5. AI 生题工作流节点逻辑（项目实例）
- 全局路由（开始→If-Else 按难度/类目选模型）
- 宏观规划（LLM 蓝图节点生成场景，如求花园面积）
- 批量生成（迭代循环内嵌 Code 提参 + LLM 生成）
- 质量格式控制（校验 LLM → Code/JSON 修复正则清洗 → 入库）
整体约 10 个节点，含重复 23 个。
6. 高频追问速答
❓ 常见追问 · Dify 怎么用在生题项目里？ → MVP 验证 + 多模型评测：初期 Dify 搭工作流横向对比 Gemini/豆包/千问生成样本供教研评估，最终选 Gemini 定 Prompt 基线，再把核心逻辑沉淀到本地 FastAPI。
❓ 常见追问 · 生产出问题怎么排查？ → 单节点预览看输入输出定位；LLM 节点抽到沙盒调参；格式问题走 Code 节点正则修复。
评论