2025.10月报 Cherry Stuido 1.6.4、Ollama 0.12.5、Dify 1.9.1升级使用摘要

根据社区要求，最重要的任务是响应社区号召降低AI写作使用率，所有文章一直都在使用真实材料并进行人工审核，AI使用率一般在50%以下，后续需要保质前提下进一步优化作品，尽量用人工写作保证人工率，支持社区高质量建设更上新台阶。

本文总结以下最近一周常用的基础AI工具实机升级情况：

一、Cherry Stuido 1.6.4部分

从1.5.X版本升级到1.6.4

下载地址

GitHub 官方仓库 ：https://github.com/CherryHQ/cherry-studio/releases
官方网站 ：https://cherry-ai.com/download (Cherry Studio)

该版本于2025年10月11日发布，带来了多项新功能和改进。

该版本的功能亮点

1. 多模型支持与助手功能

新增 CherryIN 提供者：扩展了模型接入的多样性。
300+ 预配置 AI 助手：支持自定义助手创建和多模型同时对话。

2. 文档与数据处理

多格式支持：处理文本、图像、办公文件、PDF 等格式（注意目前仍然不支持CAJ格式，论文使用时尽量使用PDF等结构）。
WebDAV 文件管理与备份：提供文件管理和备份功能。

3. 实用工具集成

全局搜索功能：提升搜索效率。
主题管理系统：支持亮/暗主题和透明窗口。
拖放排序和小程序支持：增强用户体验。

4. 用户体验优化

完整 Markdown 渲染：支持 Markdown 渲染。
轻松内容分享：方便内容分享。

知识库导入分析测试，通过，不过目前仍然不支持CAJ模式文件，需要知识库导入的时候注意尽量使用PDF等格式：

简单测试翻译使用deepseek r1 32b本地版通过

升级测试通过

二、Ollama 0.12.5部分

截至2025年10月11日，Ollama 发布了0.12.5版本，进一步增强了其作为本地大型语言模型服务的功能。该版本延续了Ollama的核心优势，提供了类似OpenAI的API接口和聊天界面，可以方便地部署最新版本的大模型并通过接口使用。

主要特点和优势

热加载模型文件：支持无需重新启动即可切换不同的模型，实现热切换，提升了使用的灵活性和效率。
支持多种预训练模型：Ollama提供了多种预训练模型，这些模型已经在大量文本数据上进行了训练，用户可以直接使用这些模型进行各种自然语言处理任务，无需从头开始训练。
可扩展性：用户可以根据自己的需求对Ollama进行扩展，添加新的模型或者修改现有模型，满足不同场景的需求。

使用账户登录，使用云上模型，登录界面：

登录后效果：

增加长上下文，支持到256k

模型在程序内即可升级，不过下到70%~80%的时候变慢的老毛病仍然有，需要停掉服务重新进一下再下载。

新版功能测试：

使用r**ollama ** R包与Ollama 集成，可以在 R 环境中轻松调用Ollama模型进行数据标注和文档嵌入。这个过程通常涉及使用大型语言模型（如LLaMA、Mistral等）来对文本数据进行处理。以下分析是如何利用 rollama 包进行数据标注和嵌入的基本步骤。

1. 安装`rollama` R包

首先，需要在 R 环境中安装并加载rollama包。这个包提供了与Ollama API的接口，允许直接与本地的模型进行交互。

复制代码

# 安装 rollama 包
install.packages("remotes")
remotes::install_github("ollama/rollama")

# 加载 rollama 包
library(rollama)

2. 配置 Ollama 服务器

启动 Ollama 服务器：

复制代码

ollama serve

3. 使用 `rollama` 进行数据标注

rollama 包的一个主要用途是进行文本数据的标注。您可以通过提供模型名称和提示来生成文本内容。例如，使用一个训练好的语言模型来标注文本数据。

复制代码

# 设置模型和提示
model_name <- "llama2"  # 您可以根据需要更换为其他模型
prompt <- "给定这段文本，请进行总结：'Ollama 是一个本地运行的生成型语言模型，适用于文本生成、翻译和问答任务。'"

# 使用 rollama 进行文本标注
response <- rollama(prompt = prompt, model = model_name)

# 查看生成的结果
cat(response$generated_text)

4. 文档嵌入

除了数据标注外，rollama 还可以进行文档嵌入（embedding）。通过将文本数据转化为向量表示，在机器学习和信息检索等应用中使用这些嵌入。

复制代码

# 使用 rollama 进行文本嵌入
embedding_response <- rollama(prompt = "将以下文本转换为嵌入向量：'Ollama 是一个本地运行的生成型语言模型。'", 
                              model = "llama2", 
                              task = "embedding")

# 获取嵌入向量
embedding_vector <- embedding_response$embedding

5. 调整参数和优化

您可以调整模型的参数，例如温度（temperature）、最大长度（max_tokens）等，以控制模型的生成行为。

复制代码

# 调整生成参数
response <- rollama(prompt = prompt, 
                    model = model_name, 
                    temperature = 0.7, 
                    max_tokens = 100)

# 输出结果
cat(response$generated_text)

6. 处理批量数据

对于需要处理大量数据的情况，编写循环来批量处理文本数据。通过为每个输入文本生成标注或嵌入，高效地完成任务。

复制代码

# 批量处理文本数据
texts <- c("文本1", "文本2", "文本3")
results <- lapply(texts, function(text) {
  rollama(prompt = paste("为以下文本生成总结：", text), model = "llama2")
})

# 查看结果
results

7. 错误处理和调试

在使用 rollama 时，如果遇到 API 请求错误或模型响应不符合预期，通过调试信息查看详细错误日志。

复制代码

# 获取详细的错误信息
tryCatch({
  response <- rollama(prompt = prompt, model = model_name)
}, error = function(e) {
  message("出现错误：", e$message)
})

通过这些步骤，使用rollama R包与 Ollama 进行数据标注和文档嵌入。

三、Dify 1.9.1版本

1、 1.9.1版本升级

2025 年 9 月 29 日，Dify 发布 1.9.1 版本。
相比 1.9.0，1.9.1 更偏重于 性能优化、修复、基础设施升级、开发者体验增强，而非像 1.9.0 那样的大架构变更。
版本号为 "v1.9.1 -- 1,000 Contributors, Infinite Gratitude" 的发布说明中就列出了几条关键变动：Next.js 升级、marketplace API 响应头、Security 报告流程等。

2、Dify 1.9.1 的主要更新内容

下面按模块维度来梳理。

模块 / 维度	主要改动 / 新增	说明 / 用途
基础设施 / 前端构建	Next.js 升级到 15.5 ，在开发模式下启用 Turbopack	加快开发构建流程、提升前端热重载等体验
API / 可追溯性	marketplace 接口响应中新增 `X-Dify-Version` 响应头	有利于版本追踪、调试与运维监控
安全 / 报告	引入了新的安全报告流程 / 安全报告工作流	改善安全问题反馈机制与生命周期管理
流水线 & 引擎	多语言配置支持的流水线模板	使 pipeline 模板能支持多语言部署配置（例如不同语言环境）
响应节点控制	在图执行引擎的流式传输过程中，会阻止（stop）某些响应节点，避免异常输出	用以提高图执行的可控性与稳定性
国际化 / UI 优化	更流畅的 UI 体验、加强国际化支持	在 GitHub issue "Align 1.9.1 release metadata" 中提及本次 release 包含 smoother UI 与 broader internationalization。
Bug 修复 & 兼容性	各类性能、兼容性与代码结构优化修复	虽然官方没给出完整 list，但发布说明、社区 issue 提到了不少改动（见下面"已知问题 / 迁移注意"）

3、Dify 核心功能 / 方法详解（来自 1.9.0 与 1.9.1 的延续 + 优化）

看文档情况目前1.9.1并没有像1.9.0引入完全颠覆的新架构，很多核心方法来自1.9.0的知识管道（Knowledge Pipeline） 和 **基于队列的图执行引擎（Queue-based Graph Engine）**在1.9.1中主要还是在这些基础上做增强和修复。下面先回顾1.9.0的这些核心方法/机制，再指出在1.9.1中的优化 / 行为边界。

3.1 回顾：DIFY1.9.0的核心架构方法

为了理解1.9.1的改进，先简要回顾1.9.0引入的两个重要机制：

Knowledge Pipeline（知识管道）
- 将文档摄入、格式解析、索引构建、检索策略、后处理等环节模块化，形成可视化节点编排流程。
- 支持多模态检索（例如图片中的文字提取、图表识别）以弥补以往仅文本检索的局限性。
- Q&A 结构分块：自动识别文档中的问答结构，将其作为语义单元进行索引 / 检索，提升准确性。
- 可插拔 / 扩展节点设计，方便自定义处理节点或接入第三方系统。
Queue-based Graph Engine（基于队列的图执行引擎）
- 用队列调度机制替代传统刚性图遍历，使工作流的并行分支、异步任务管理更灵活。
- 在执行图节点时支持命令控制、节点中断 / 跳过、失败重试等策略，提高稳定性与容错。
- 支持动态调度，避免静态顺序执行带来的瓶颈。

通过这两个机制，Dify 在1.9.0就大幅提升了在复杂 RAG（文档 + 模型问答）场景下的适用性、可扩展性与稳定性。

4 DIFY1.9.1对这些核心方法 / 架构的增强与行为细化

基于社区整理与 issue，可以归纳出在1.9.1中，对于上述架构的增强 / 注意点包括：

响应节点控制机制增强
- 在流式传输中对某些响应节点进行阻止（stop），避免出现异常或不期望的输出节点被触发。
- 这意味着在图执行过程中，某些节点的输出可以被安全截断或跳过，从而保证流程的干净与可控。
模板 / 多语言支持
- 流水线模板现在支持语言配置，这有利于在多语言环境 / 国际化部署环境中复用模板逻辑。
- 这可能影响 pipeline 中的节点名称、本地化文本等处理方式。
对工具 / 自定义插件 / API 兼容的注意点
- 在从1.8.x升级到1.9.1时，有社区报告自定义工具（custom tool）在界面上"消失"问题，可能因为数据库迁移中对 tool_api_providers 表添加了唯一约束导致记录丢失／被过滤。
- 在升级过程中，可能会遇数据库迁移失败、缺少列或表、迁移报错等。社区 issue 建议：逐步删除出错的字段或表，然后 retry migration 命令。
- 升级后在部分环境下可能触发 "Internal Server Error"，通常与环境变量（如 Some Boolean env 变量为空字符串无法 parse）有关，需要在 docker-compose.yaml 中为这些环境变量设置默认值以避免解析失败（例如 S3_USE_AWS_MANAGED_IAM）
UI 与国际化改进
- 更平滑的界面交互、按钮 / 样式微调、国际化文本支持增强等。虽不是架构级变化，但能提升使用体验。
- 更好的版本追踪与调试支持（例如新增 X-Dify-Version 响应头）辅助 UI / 运维层面。
回滚 / 兼容性注意
- 由于数据库迁移可能是不可回滚操作，升级前务必 完整备份数据库与 volumes
- 若升级失败，可考虑退回到 1.8.x 或之前版本，或干预迁移脚本 / 手动修复缺失表 / 列。社区 issue 中就有用户因迁移失败而需要反复调整的记录。

4、迁移 / 升级建议 & 常见问题

下面是一些社区实践中累积的经验 / 教训，供你在实际升级至1.9.1时参考。

提前备份
- 备份 volumes 目录（包含数据库、存储）
- 备份 .env 与 docker-compose.yml 等配置文件
- 在生产环境中，最好先在测试环境跑一次升级演练
执行升级 / 迁移步骤（典型流程）
- 停止当前服务（docker compose down）
- 更新代码 / 镜像拉取
- 执行数据库迁移：docker exec api flask db upgrade 或类似命令
- 若有迁移脚本支持的数据转换（如之前版本到插件化的迁移脚本），依指南执行
- 启动新版本服务：docker compose up -d
- 检查日志、服务状态、接口可用性
针对特定错误的处理建议
- Internal Server Error / Boolean 解析出错
  
  如果环境变量是空字符串，在代码中可能 strconv.ParseBool("") 失败引发错误。解决方法是给这些环境变量设置默认值（如 :-false）以避免空串解析报错。
- 自定义工具丢失
  
  若升级后自定义工具在界面上消失，可检查数据库中的 tool_api_providers 表是否因为新增唯一约束或数据不满足约束而被过滤或删除。必要时可恢复之前的表数据或调整迁移脚本。
- 迁移失败报错（缺列 / 表）
  
  社区建议对迁移报错信息中提示缺失的列 / 表，逐一手动干预（如删掉已存在冲突列 / 表或修补脚本）然后 retry migration。
逐步验证
- 升级后先在测试 / dev 环境验证核心工作流、RAG 管道、Agent 节点等是否如预期
- 使用新的 X-Dify-Version 响应头验证服务确实升级成功
- 注意自定义插件 / 工具 / 节点在升级后是否还正常工作
注意版本界限 / 接口变动

虽然1.9.1在核心架构上延续1.9.0，但某些内部 API、数据库 schema 或工具表约束可能做了调整，二次开发插件或扩展，注意与官方文档 / migration 脚本对齐

升级完成情况：

2025.10月报 Cherry Stuido 1.6.4、Ollama 0.12.5、Dify 1.9.1升级使用摘要

一、Cherry Stuido 1.6.4部分

1. 多模型支持与助手功能

2. 文档与数据处理

3. 实用工具集成

4. 用户体验优化

二、Ollama 0.12.5部分

主要特点和优势

1. 安装rollama R包

2. 配置 Ollama 服务器

3. 使用 rollama 进行数据标注

4. 文档嵌入

5. 调整参数和优化

6. 处理批量数据

7. 错误处理和调试

三、Dify 1.9.1版本

1、 1.9.1版本升级

2、Dify 1.9.1 的主要更新内容

3、Dify 核心功能 / 方法详解（来自 1.9.0 与 1.9.1 的延续 + 优化）

4、迁移 / 升级建议 & 常见问题

1. 安装`rollama` R包

3. 使用 `rollama` 进行数据标注