Dify 1.18.0 发布:Agent 学会了自己「选路」,应用终于能「一包带走」
Dify 1.18.0 于10月23日发布,核心更新包括 Agent 输出路由(支持语义化自主分支选择)、.ifpkg 可移植应用包(打包应用及全部依赖资源)、嵌套工作流下钻(支持子流程节点级执行轨迹查看)、Agent Knowledge Base(Beta,独立知识空间)、OpenAPI + difyctl 命令行管理能力。该版本为破坏性升级,自部署用户需严格遵循升级避坑清单。
Agent 输出路由:让 Agent 从「执行者」变成「决策者」
过去工作流分支只能靠「条件判断节点」写死,需求一复杂就变成难维护的蜘蛛网,判断逻辑是死的、无法理解语义。
1.18.0 引入 Agent 输出路由(Output Routes):给 Agent 节点开启路由,配至少两个分支,每个分支写一个选择条件,再接到不同后续节点。Agent 会按请求复杂度、是否需要人工介入、是否涉及特定领域,主动选择对应路由,选择结果通过只读 switch 输出暴露。

注意:启用路由后结果走缓冲模式,不即时流式输出;且不支持节点级默认值错误处理。同一版本里,普通 Agent v2 节点文本可边生成边流式输出。
.ifpkg 可移植应用包:迁移不再手动补资源
以前导出只有一份 YAML,导入后 Agent、技能、文件、图标、插件依赖全要手动补齐,耗时还容易丢引用。
1.18.0 默认导出格式升级为 .ifpkg,把应用与依赖资源一起打包:应用配置、工作流图、内联 Agent、技能、关联文件、资源快照、图标、站点配置、插件依赖、引用关系。导入时在目标工作空间重建资源并自动重映射引用;缺资源会主动报告。

典型场景:开发→测试→生产迁移、团队模板分发、离线备份、客户交付、私有化实例间迁移。
嵌套工作流下钻:从父流程看到子流程内部
工作流调工作流(Workflow Tool)是标配,但过去只能看到外层结果,子流程内部每个节点怎么跑、在哪挂了,完全看不见,排障靠猜。
被调用的 Workflow Tool 作为「子图」运行,支持在运行历史中直接下钻查看节点级执行轨迹(状态、输入输出、失败信息、整体链路)。

最实用的一点:版本快照。子工作流源图在执行前捕获,运行期间重新发布不影响已启动任务,避免「跑一半因别人发新版而行为突变」。
注意:下钻受源应用访问权限保护;嵌套用量统计在暂停/停止后可能仍是近似值。
Agent Knowledge Base(Beta):给 Agent 建独立知识空间
传统知识库与 Agent 割裂,检索、文档处理、质量评估、权限控制分散各处。
1.18.0 带来面向 Agent 的新一代知识空间,建立在独立 KnowledgeFS 服务之上,统一知识检索、文档处理、检索记录、质量评估与访问控制。
部署要点(Beta,非默认开启):KnowledgeFS 是独立服务+独立数据库,需显式启用;服务必须过 /ready 检查;默认镜像仅支持 amd64;启用后不会自动迁移传统数据集。
OpenAPI + difyctl:命令行管理应用
1.18.0 把 /openapi/v1 升级为服务端操作目录,difyctl 动态发现可用命令,覆盖 Workflow/Chatflow 的创建、DSL 导入导出、设置、环境变量、发布、版本恢复,并内置 草稿哈希 防并发覆盖,以及「构建 Dify 应用」技能包(difyctl install skills)。
注意:difyctl v2 不复用旧登录态,升级后要重新登录;旧通用运行接口已被新模式操作替代,脚本别硬编码旧路径。
其他更新与自部署升级避坑清单
· Sandbox 系统提示词读写(拉取/推送,保留 UTF-8、空白、提及标记)
· Agent 执行树导出到追踪系统,监控新增共享追踪配置、投递状态、重试控制
· 自托管 NVIDIA OpenShell 网关 + 可选 E2B 用量采集(默认关闭)
· 云端:可复用网络访问组、Agent 模板预览试用、日志归档永久删除
1.18.0 是破坏性升级,升级前确认这 5 点:
1. 组件一起升级:API、worker、Agent Backend、Agent runtime 镜像必须同步。
2. 先备份:数据库、向量库、上传文件、Agent 快照、密钥与 env 文件。
3. Python 3.13:源码部署需 Python 3.13;/runs 现接受 composition v2、拒绝 v1。
4. 沙箱 token:本地沙箱要求非空认证 token,1.17.1 runtime 不支持新参数,升级顺序要理清。
5. PASSWORD_PEPPER 别丢:旧 Agent 专属 AskHuman 工具与延迟恢复路径已移除。
建议用维护窗口做单栈升级,先让 in-flight 任务跑完,再换新 worker。


JOTO 企业落地观察
- Agent 输出路由能力使企业部署中「动态决策路径」成为可能,但需权衡缓冲模式对实时性的影响;团队需在语义化路由条件设计与可观测性之间建立新规范,而非简单替换原有条件节点。
- .ifpkg 应用包显著降低跨环境交付门槛,对企业智能体工程意味着可将完整业务逻辑封装为可验证、可审计、可回滚的单元,但要求团队同步建立包版本管理与依赖兼容性策略。
- 嵌套工作流下钻能力强化了 RAG 知识工程中的故障定位能力,尤其在多跳检索+工具调用混合流程中,企业需重新定义子流程的 SLA 边界与快照生命周期,避免版本漂移引发的不可控行为。
- Agent Knowledge Base(Beta)将知识服务解耦为独立组件,这对 AI 安全治理提出新要求:企业需明确 KnowledgeFS 的访问控制粒度、文档处理合规边界及与主应用的权限继承规则,不能仅依赖部署隔离。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
想把这些做法用到你的业务里?
留下你的场景和痛点,我们帮你判断从哪一步开始。
联系我们


