在智能应用开发平台 Dify 的 1.13.0 版本中，迎来了里程碑式的更新。本次版本不仅在工作流执行层面进行了系统性重构，更推出了令人瞩目的 "Human-in-the-Loop（HITL）人机协作节点"，让人类智能与人工智能的融合进入新阶段。本文将为你详细解析 Dify 1.13.0 的所有更新点、架构变化、配置注意事项和升级指南，让你全面掌握这一版本的全部技术亮点。
一、核心特性：Human-in-the-Loop (HITL)
Dify 1.13.0 最大的创新在于引入了 Human Input 节点，这是一个革命性更新，让人类输入成为工作流原生组成部分。此前的工作流往往只能在"自动化"或"手动执行"两种模式之间切换，对于需要人工判断的高风险场景，这种二元结构显得捉襟见肘。而 HITL 的引入，弥合了这种"信任鸿沟"，让自动化流程具备人工纠偏能力。
1. 背景说明
以往工作流要么完全由 AI 自动执行，要么依赖人工操作，这导致在涉及关键业务判断的场景中，难以平衡 AI 的效率与人工的可靠性。现在，Dify 支持将人工审核步骤直接嵌入工作流执行图中，实现真正的智能协作。
2. 核心功能
（1）原生工作流暂停机制
在流程关键节点插入"Human Input"节点，工作流即会暂停，等待人工输入。这对于涉及敏感决策或需人工校验的数据场景尤为必要。
（2）人工审核与编辑
暂停后系统会生成可视化界面，人工可审阅 AI 输出内容，修改关键变量（如草稿、数据结果等），再继续执行流程，从而保证精准度。
（3）操作路由控制
可配置自定义按钮，如"批准"、"拒绝"、"升级处理"等，用于决定后续工作流路径。不同操作对应不同的逻辑分支，实现高度灵活的决策流。
（4）多渠道输入方式
人工输入表单可通过 Web 应用或邮件推送形式完成。在云环境下，邮件方式可能受订阅计划或功能设置影响。
二、架构更新：支持暂停和恢复的工作流机制
为支持 HITL 所需的状态化暂停与恢复机制，Dify 对执行引擎进行了全面重构。
1. 执行架构变化
- Workflow-Based Streaming Executions 和 Advanced Chat Executions 现均由 Celery workers 执行。
- 非流式的工作流运行仍在 API 进程中处理。
- 所有暂停／恢复路径（包括 HITL）均通过 Celery 恢复执行，事件流式返回经由 Redis Pub/Sub 实现。
2. 大规模部署及自托管建议
Dify 引入了新的 Celery 队列：workflow_based_app_execution。标准部署模式可直接使用，但对于高并发、高吞吐环境，官方建议进行如下优化：
- Scale Workers（扩展 Worker 数量）：根据工作负载增加对该队列的 Worker。
- Dedicated Redis（专用 Redis 实例） ：大规模部署推荐配置
PUBSUB_REDIS_URL指向专用 Redis；使用 Redis Cluster 模式结合分片 PubSub，可实现水平扩展与稳定高性能。
三、重要升级提示
1. 新增 Celery 队列要求
必须确保部署配置（Docker Compose、Helm Chart 等）包含监听 workflow_based_app_execution 队列的 Worker。否则，流式执行和恢复任务（包括 HITL）将无法处理。
2. 额外 Celery 队列
新增 api_token 队列。当 ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK=true 时，需要部署 Worker 监听该队列，用于定期批量更新 API Token 的 last_used_at 时间戳。
四、配置环境变量更新
为了支持新的架构设计，Dify 1.13.0 增加了多项环境变量，尤其在大型部署场景下需要重点关注 Redis PubSub 相关配置。
★ 关键配置变量
- PUBSUB_REDIS_URL ：指定用于 API 与 Celery 之间 PubSub 通信的 Redis URL。未设置时默认使用标准
REDIS_*配置。 - PUBSUB_REDIS_CHANNEL_TYPE ：设置事件流通道类型。可选项：
pubsub（默认）或sharded。高并发环境强烈推荐使用sharded。 - PUBSUB_REDIS_USE_CLUSTERS ：设置为
true以启用 Redis 集群模式，与分片通道结合时实现水平扩展。
★ 其他新增配置项
WEB_FORM_SUBMIT_RATE_LIMIT_MAX_ATTEMPTS：限制每个 IP 的网页表单提交次数（默认 30 次）。WEB_FORM_SUBMIT_RATE_LIMIT_WINDOW_SECONDS：提交限流时间窗口（默认 60 秒）。HUMAN_INPUT_GLOBAL_TIMEOUT_SECONDS：工作流暂停等待人工输入的最长时间（默认 604800 秒，即 7 天）。ENABLE_HUMAN_INPUT_TIMEOUT_TASK：启用人工输入超时检查后台任务（默认 true）。HUMAN_INPUT_TIMEOUT_TASK_INTERVAL：设置超时检查任务的执行间隔（默认 1 分钟）。ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK：启用周期性批量更新 API Token 使用时间任务（默认 true）。API_TOKEN_LAST_USED_UPDATE_INTERVAL：批量更新任务的执行间隔（默认 30 分钟）。SANDBOX_EXPIRED_RECORDS_CLEAN_BATCH_MAX_INTERVAL：设置清理保留数据任务的随机延迟间隔（默认 200 毫秒），用于降低数据库压力峰值。
五、其他重要更新亮点
（1）可靠性与正确性提升
- 增加迁移时的去重检测与租户默认模型的唯一约束，防止重复数据。
- 修复了工具删除过程中的类型不匹配问题。
- 修复 FastOpenAPI 集成导致的身份解析错误问题。
- 修复文件类响应消息类型识别错误。
- 优化工作区权限行为，非管理员用户不再显示邀请操作。
（2）性能与可扩展性优化
- 利用插件清单预缓存及 AppListApi 查询优化降低后端负载与控制台延迟。
- 提高大数据任务的稳定性：分割数据库会话、批量清理执行、索引优化与节流机制显著减少系统波动。
（3）API 与平台增强
- 新增终端用户查找服务接口，支持租户和应用范围内的访问控制。
- 提升工作流运行历史在状态切换时的刷新逻辑体验。
- 优化 MCP 工具集成，可提取与上报使用元数据（包括 Token 与成本统计字段）。
（4）安全性增强
- 移除 ECharts 中的动态
new Function解析机制，对不支持的代码返回显式错误，零注入风险。
（5）国际化支持
- 新增 荷兰语（nl-NL） 本地化支持，进一步完善国际化覆盖。
六、升级指南
1. 注意事项
如果你使用自定义的 CELERY_QUEUES，务必确保其中包含：
workflow_based_app_execution- 当启用 API Token 更新任务时，还需包含
api_token
2. Docker Compose 部署步骤
- 备份自定义 Compose 文件
bash
cd docker
cp docker-compose.yaml docker-compose.yaml.$(date +%s).bak- 获取最新代码
bash
git checkout main
git pull origin main- 停止服务
bash
docker compose down- 备份数据
bash
tar -cvf volumes-$(date +%s).tgz volumes- 升级服务
bash
docker compose up -d如遇数据库连接错误，例如：
failed to connect to `host=db_postgres user=postgres database=dify_plugin`: hostname resolving error请改用以下命令启动：
bash
docker compose --profile postgresql up -d3. 源码部署步骤
- 停止运行中的 API、Worker 与 Web 前端服务。
- 切换至指定版本分支：
bash
git checkout 1.13.0- 更新 Python 依赖：
bash
cd api
uv sync- 执行数据库迁移：
bash
uv run flask db upgrade- 重新启动全部服务。
七、其他修复与优化摘要
Dify 1.13.0 中完成了大量代码重构与性能调优，涵盖前后端、测试体系与任务消费机制。主要变化包括：
- 工作流执行队列新增支持
workflow_based_app_execution，确保所有流式任务与暂停恢复逻辑可被正确消费。 - 修复 Redis 客户端导致的高 CPU 使用问题，系统稳定性提升显著。
- 批量删除与数据库会话优化减少资源阻塞。
- 优化工作流节点输出描述与状态图标展示，提高可视化一致性。
- 新增综合测试用例覆盖 Human Input 节点功能，确保 HITL 模块稳定。
- 增强工作流运行历史管理与 UI 更新体验。
- 加强 API Token 队列处理逻辑与 Redis 通信稳定性。
- 重构核心数据库任务，使知识检索节点与数据库操作彻底解耦。
- 引入类型安全环境变量与升级到 zod v4，增强配置可靠性。
- 优化网页主题视觉与暗亮模式变量。
- 修复多语言、组件样式、数据索引、权限逻辑等细节问题。
八、总结与展望
代码地址：github.com/langgenius/dify
Dify 1.13.0 是一次从架构到底层执行机制的重大演进。
这一版本的 Human-in-the-Loop (HITL) 功能，让工作流不再是纯粹的自动化流水线，而成为人工智能与人类智慧协同的闭环系统。AI 的高效与人类的决策能力得以融合，真正实现信任与效率的平衡。与此同时，架构层面的重新设计、Redis Pub/Sub 与 Celery 队列优化，让 Dify 能够从单机轻量级部署平滑过渡到企业级高并发场景。
性能更高、架构更稳、协作更强、国际化更完备------Dify 1.13.0 已成为 AI 工作流平台发展的又一重要里程碑。
结语 ：
Dify 1.13.0 的发布，标志着智能应用从"机器自动化"迈入"人机协同"的新阶段。这不仅是技术上的跃升，更是智能生产力工具进化的方向。随着 HITL 节点的成熟和架构扩展机制的完善，未来的 Dify 将更好地连接人类思维与 AI 智能，让每一条工作流都具备学习、判断与自适应能力。