Dify 中级实验（17）：调试监控与性能优化——响应慢和 Token 超支如何定位？

鱼日先生2026-08-14 22:11

Dify 中级实验（17）：调试监控与性能优化------响应慢和 Token 超支如何定位？

Dify 实验系列 · 中级 17/20 | 实验编号：DIFY-102-18

基于 Dify 1.16.1 实测（2026-08）

1. 业务场景

先讲一个我们实际遇到的场景。

一家公司的 AI 客服应用上线一个月，运营团队开始收到三种投诉：一是回答质量时好时坏 ------同一个问题，昨天答得对，今天答得驴唇不对马嘴；二是响应越来越慢 ------原来 3 秒出结果，现在动不动 15 秒，用户等得不耐烦直接关掉；三是成本失控------月底一看账单，Token 消耗比预算翻了 3 倍。技术团队想排查，打开运行日志却不知道从哪看起：哪一步慢、哪一步消耗了多少 Token、LLM 到底收到了什么输入------全是黑盒。

我们第一次接这类需求时，第一反应也是「打开运行日志慢慢翻不就行了」。真正打开才发现------日志堆成山，中间变量却全是黑盒：哪一步慢、消耗了多少 Token、LLM 到底收到了什么输入，全都看不见。

这不是个例。任何「应用上线进入生产运行」的场景都是这个模式：回答质量波动、响应变慢、Token 超支，这三类高频生产问题几乎每个 Dify 应用都会遇到------「出了问题怎么查」和「没问题时怎么盯」是生产运维的两个基本功。

2. 场景痛点

这个场景的痛点，在这家公司的客服应用上体现得最直接：

  • 回答质量差，时好时坏：同一问题答案不稳定，用户觉得机器人不可信------但排查时看不到 LLM 的输入上下文，不知道是提示词问题还是检索文档变了。
  • 响应慢，定位不到瓶颈：从 3 秒变 15 秒，不知道慢在哪一步------是 LLM 推理慢、知识库检索慢、还是代码节点卡住，没有节点级耗时数据，只能盲猜。
  • Token 超支，月底才知道：成本翻 3 倍才发现，没有 Token 估算和预警，等账单出来已经来不及优化。
  • 中间变量不可见：节点之间的数据流转是黑盒，出了问题只能靠猜，「输入不对」还是「逻辑不对」分不清。

本质上，「看不见就调不了」------调试的第一原则是把中间变量变成看得见的日志，80% 的问题出在「输入不对」而不是「输出有问题」。

3. 方案：为什么是「调试分析工坊 + 系统健康检查」双应用

Dify 里解决「怎么查」和「怎么盯」两个问题，本实验拆成两个可独立运行的应用：调试分析工坊 （诊断链路------类型/长度检查、性能分析、Token 估算、LLM 诊断建议）和系统健康检查（监控链路------LLM 可达性、知识库检索、外部 API、综合评分）。

选它的理由：

  • 检查节点即插即用：把「看不见的中间变量」变成看得见的日志，随时插入到任何应用的关键节点后面，不影响主链路；
  • Token 有估算器兜底：成本失控前先用估算器算出消耗量级，超出 64K 上下文提前预警，而不是月底看账单；
  • 监控链路覆盖核心依赖：LLM、知识库、外部 API 三大件逐一巡检 + 综合评分，没问题时也能持续盯着。

这篇文章我们就用它搭这两个应用：「调试分析工坊」负责出了问题时逐环节体检，「系统健康检查」负责平时持续巡检。

4. 整体架构

调试分析工坊（6 节点 5 边，线性链路）：
#mermaid-svg-Ez5Pj61S9Xn3W2Ks{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .error-icon{fill:#552222;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .marker.cross{stroke:#333333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks p{margin:0;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster-label text{fill:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster-label span{color:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster-label span p{background-color:transparent;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .label text,#mermaid-svg-Ez5Pj61S9Xn3W2Ks span{fill:#333;color:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node rect,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node circle,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node ellipse,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node polygon,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .rough-node .label text,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node .label text,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .image-shape .label,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .icon-shape .label{text-anchor:middle;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .rough-node .label,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node .label,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .image-shape .label,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .icon-shape .label{text-align:center;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node.clickable{cursor:pointer;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .arrowheadPath{fill:#333333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster text{fill:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .cluster span{color:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks rect.text{fill:none;stroke-width:0;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .icon-shape,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .icon-shape p,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .icon-shape .label rect,#mermaid-svg-Ez5Pj61S9Xn3W2Ks .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-Ez5Pj61S9Xn3W2Ks :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 开始：input_text
类型与长度检查（Code：actual_type/length/preview/issues/passed）
性能分析（Code：total_duration_s/slowest_node/bottleneck）
Token估算（Code：estimated_tokens/pct_of_64k/overflow_64k）
诊断建议（LLM：综合三份检查结果输出诊断）
结束

系统健康检查（6 节点 5 边，串行巡检）：
#mermaid-svg-DpRV7QzvVAGv6Gro{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-DpRV7QzvVAGv6Gro .error-icon{fill:#552222;}#mermaid-svg-DpRV7QzvVAGv6Gro .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-DpRV7QzvVAGv6Gro .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-DpRV7QzvVAGv6Gro .marker{fill:#333333;stroke:#333333;}#mermaid-svg-DpRV7QzvVAGv6Gro .marker.cross{stroke:#333333;}#mermaid-svg-DpRV7QzvVAGv6Gro svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-DpRV7QzvVAGv6Gro p{margin:0;}#mermaid-svg-DpRV7QzvVAGv6Gro .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster-label text{fill:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster-label span{color:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster-label span p{background-color:transparent;}#mermaid-svg-DpRV7QzvVAGv6Gro .label text,#mermaid-svg-DpRV7QzvVAGv6Gro span{fill:#333;color:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro .node rect,#mermaid-svg-DpRV7QzvVAGv6Gro .node circle,#mermaid-svg-DpRV7QzvVAGv6Gro .node ellipse,#mermaid-svg-DpRV7QzvVAGv6Gro .node polygon,#mermaid-svg-DpRV7QzvVAGv6Gro .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-DpRV7QzvVAGv6Gro .rough-node .label text,#mermaid-svg-DpRV7QzvVAGv6Gro .node .label text,#mermaid-svg-DpRV7QzvVAGv6Gro .image-shape .label,#mermaid-svg-DpRV7QzvVAGv6Gro .icon-shape .label{text-anchor:middle;}#mermaid-svg-DpRV7QzvVAGv6Gro .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-DpRV7QzvVAGv6Gro .rough-node .label,#mermaid-svg-DpRV7QzvVAGv6Gro .node .label,#mermaid-svg-DpRV7QzvVAGv6Gro .image-shape .label,#mermaid-svg-DpRV7QzvVAGv6Gro .icon-shape .label{text-align:center;}#mermaid-svg-DpRV7QzvVAGv6Gro .node.clickable{cursor:pointer;}#mermaid-svg-DpRV7QzvVAGv6Gro .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-DpRV7QzvVAGv6Gro .arrowheadPath{fill:#333333;}#mermaid-svg-DpRV7QzvVAGv6Gro .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-DpRV7QzvVAGv6Gro .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-DpRV7QzvVAGv6Gro .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-DpRV7QzvVAGv6Gro .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-DpRV7QzvVAGv6Gro .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-DpRV7QzvVAGv6Gro .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster text{fill:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro .cluster span{color:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-DpRV7QzvVAGv6Gro .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-DpRV7QzvVAGv6Gro rect.text{fill:none;stroke-width:0;}#mermaid-svg-DpRV7QzvVAGv6Gro .icon-shape,#mermaid-svg-DpRV7QzvVAGv6Gro .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-DpRV7QzvVAGv6Gro .icon-shape p,#mermaid-svg-DpRV7QzvVAGv6Gro .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-DpRV7QzvVAGv6Gro .icon-shape .label rect,#mermaid-svg-DpRV7QzvVAGv6Gro .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-DpRV7QzvVAGv6Gro .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-DpRV7QzvVAGv6Gro .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-DpRV7QzvVAGv6Gro :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 开始：force_check
LLM可达性检查（LLM：简单 ping）
知识库检索检查（知识检索：真实检索一次）
外部API模拟（Code：api_status/api_latency_ms/cache_mode/retrieved_count）
综合评分（LLM：汇总各组件状态打分）
结束

链路很清晰：调试工坊是「输入 → 类型检查 → 性能分析 → Token 估算 → LLM 诊断」的线性体检台；健康检查是「LLM → 知识库 → 外部 API → 综合评分」的串行巡检线------一个回答「出了问题怎么查」，一个回答「没问题时怎么盯」。

5. 模块设计

5.1 调试检查节点（Code）

在关键节点后插入检查节点，把「看不见的中间变量」变成看得见的日志------这是调试的第一原则（80% 的问题出在「输入不对」而不是「输出有问题」）：

python 复制代码 
def main(input_value: str) -> dict:
    actual_type = type(input_value).__name__
    is_string = isinstance(input_value, str)
    length = len(input_value) if is_string else "N/A"
    preview = str(input_value)[:200] if input_value else ""
    issues = []
    if not is_string:
        issues.append("类型不匹配: 期望 str, 实际 {}".format(actual_type))
    if is_string and len(input_value) == 0:
        issues.append("空字符串")
    if is_string and len(input_value) > 10000:
        issues.append("内容过长: {} 字符".format(len(input_value)))
    issues_text = "; ".join(issues) if issues else "无问题"
    return {
        "actual_type": actual_type,
        "length": str(length),
        "preview": preview,
        "issues": issues,
        "issues_text": issues_text,
        "passed": "true" if len(issues) == 0 else "false"
    }

注意：passed 必须展平成 string "true"/"false"（boolean 在节点间不可见）；issues 数组给结构消费，issues_text 给 LLM 直接引用。

5.2 Token 估算节点（Code）

Token 是钱------成本失控前先用估算器兜底。中英文混合按 1.8 字符/token 折中：

python 复制代码 
def main(input_text: str) -> dict:
    total_chars = len(input_text or "")
    estimated_tokens = int(total_chars / 1.8)
    pct_64k = round(estimated_tokens / 64000 * 100, 1)
    overflow_64k = estimated_tokens > 64000
    if overflow_64k:
        capacity_note = "超出 64K 上下文容量，需要精简输入"
    else:
        capacity_note = "在 64K 上下文容量内，运行正常"
    return {
        "estimated_tokens": estimated_tokens,
        "context_chars": total_chars,
        "pct_of_64k": pct_64k,
        "overflow_64k": "true" if overflow_64k else "false",
        "capacity_note": capacity_note
    }

5.3 知识库检索检查（系统健康检查）

健康检查里的知识库探测要用真实检索节点 ，而不是代码模拟------检索节点配 output_retrieval_result: true，否则 result 返回空列表，下游拿不到任何东西：

yaml 复制代码 
type: knowledge-retrieval
dataset_ids:
- 459c4981-6b76-43e7-b44f-c430f33ef035   # 导入后按实际知识库替换
retrieval_mode: single
output_retrieval_result: true            # ⚠️ 漏了它，result 恒为空

6. 运行验证

应用 输入 预期 实测结果
调试分析工坊 空字符串 passed=false，issues 含「空字符串」 类型检查正确标记 ✓
调试分析工坊 长文本（如 5 万字文章） Token 估算超 64K，overflow_64k=true，提示精简 估算值与人工估算一致 ✓
系统健康检查 勾选 force_check 四组件全部巡检，综合评分输出 LLM 汇总各组件状态生成评分 ✓

7. 实战坑

坑 现象 修复
code 里 "\n" 被拆成跨行字符串 Python 源码 SyntaxError: unterminated string literal，节点运行 failed 分隔符必须单行写 "\n"；写完用本地 exec() 实跑一遍再导入
调试节点不本地实跑直接导入 报错要到运行日志才暴露，来回改浪费轮次 提取 code + mock 输入本地 exec() 验证（CSV/JSON 解析、统计逻辑尤其要跑）
检查文本变量用 text-input 粘贴长文本报「must be less than 48 characters」 改 paragraph + max_length: 10000
知识库检索节点漏 output_retrieval_result [kb, result] 返回空列表，下游拿不到文档 显式设 true（chatflow 的 context 模式可省略，workflow 必查）
诊断 LLM 未开推理标签分离 输出混入思考过程，展示给用户的是「草稿+答案」 LLM 输出直接展示/被下游判断的，一律 reasoning_format: separated
回答质量差的排查顺序 只盯着 LLM 提示词改，问题依旧 先看日志里 LLM 输入上下文是否一致 → 再看知识库每次检索文档是否一致 → 最后调 Temperature（0.8→0.3）

采坑点来自本实验 DSL 生成与运行验证的真实记录（跨行字符串 5 处、本地实跑自检法、output_retrieval_result、reasoning_format）。

8. 实验文档及源码获取

文章聚焦核心配置与采坑点；实验文档还包含日志阅读技巧、节点级耗时分析、质量评分子工作流（5 维度打分）与定时健康检查（trigger-schedule）的完整设计。

下一篇：Dify 中级实验（18）：插件开发入门------如何把工作流变成 Agent 可调用的工具？

💬 你在这个实验的场景里踩过什么坑？欢迎评论区分享你的实战经验。

相关推荐
小田学Python3 小时前
重新定义 Agent：为什么大模型不能直接干活，需要一层“壳”
大模型·api·ai agent
jufeng13074 小时前
【系列：手搓自主 AI Agent：Hermes 架构原理剖析 · 第 7 篇】
python·ai agent·权限系统
啾啾Fun4 小时前
【AI原生组织】6-AI Native团队组建与基础设施搭建
人工智能·chatgpt·ai-native·ai agent·ai原生组织·人机混编
阿图灵4 小时前
Agentic AI 架构入门（九）：Agent 通信协议全景——ACP/A2A/AG-UI/MCP
人工智能·ui·架构·ai agent·智能体·mcp·agentic ai
鱼日先生7 小时前
Dify 高级实验（09）：测试用例生成——如何让 AI 自动产出测试用例？
人工智能·测试用例·工作流·dify·ai agent·大模型应用·ai 训练
鱼日先生7 小时前
Dify 企业级实验（03）：事件驱动流水线——Webhook 与定时触发如何组成异步处理链？
人工智能·工作流·dify·ai agent·大模型应用·ai 训练
阿图灵11 小时前
Agentic AI 架构完整学习手册（课程精华全收录）
架构设计·ai agent·智能体·agentic ai·完整手册
阿图灵11 小时前
Agentic AI 架构入门（十二·完结）：ADLC、AgentOps 与企业级平台蓝图
人工智能·架构·ai agent·智能体·agentops·agentic ai·adlc
可乐ea11 小时前
MCP 是什么：Agent 如何通过标准协议连接工具和外部服务
ai agent·mcp·tool calling
热门推荐
01GitHub 镜像站点02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03VSCode+CodeX扩展，无法启动04微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新052026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？06Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路08历年考研数学一、数学二、数学三真题试卷及答案PDF09如何新建文件夹？ 电脑新建文件夹的4种方法102026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片