Dify 1.17里程碑版：Agent独立可复用

Dify 是什么：15万星的开源AI应用平台

Dify 是一个开源的大语言模型应用开发平台，名字来自"Define + Modify"。它把过去需要后端团队干的活儿——接入大模型、搭建 RAG 知识库、编排工作流、管理提示词、发布上线、监控日志——全部搬进一个可视化的协作画布。

它的定位很明确：让团队"从原型直接走到生产"，不用重建技术栈。

• GitHub 星标数超过 15 万，Fork 数超过 2.4 万，由 langgenius 团队开发，采用 Apache 2.0 协议，可免费商用。
• 平台上的应用形态有四种：聊天助手、文本生成应用、Agent（智能体）、Workflow（工作流编排）。
• 部署方式灵活：既可以直接用官方托管的 Dify Cloud（cloud.dify.ai），也可以用 Docker 一键自托管，还支持部署到企业 VPC。
• 模型生态非常开放，OpenAI、Anthropic Claude、Gemini、Ollama、本地开源模型以及国内主流大模型都能接入。

Agent 从“节点”变成“能力资产”

过去在 Dify 里，Agent 是工作流画布里的一个节点，它跟着所在的工作流存在。团队想在另一个应用里复用同一个智能体，往往只能重新复制一遍 Prompt、工具和参数——之后每个副本各自修改、各自漂移，半年后没人能说清谁在维护、哪些流程在调用它。

1.17.0 引入的 New Agent（新智能体架构）彻底改变了这件事。

独立的生命周期

每个 Agent 现在是一个独立对象，拥有自己的名称、说明、模型、Prompt、Skills（技能）、文件、工具和发布状态，页面上还能看到创建者、更新时间和"接入点"（Access Points）。它不再依附于某一个工作流。

一处维护，多端复用

同一个 Agent 可以发布为独立的 Web 应用，可以暴露成 API，也可以被多个工作流通过 Agent 节点引用。进入具体流程后，工作流只需要用"Agent Task"声明这一节点要完成什么任务、读取哪些上游变量、向下游交付什么结果，不必重新搭建整套能力。模型升级或 Prompt 调整时，只改中心配置这一处，所有调用方自动生效。

Build Mode：边做边配

构建方式分成手工配置和 Build Mode 两种。后者让业务人员直接给 Agent 下真实任务、和它一起试做，模型提出的配置变更先进 Build Draft（构建草稿），用户可以保留或放弃；系统还会用 build_note.md 记录每次配置变化和未完成事项。会写 Prompt 不再是门槛，配置迭代变成了一段可审查的过程。

值得一提的是，Dify 并没有让 Agent 取代工作流：Agent 负责根据现场情况判断"怎么做"，Workflow 负责"何时做、前后接什么、哪里需要人工审批、失败后走哪条路"，两者是配合关系。

三大新能力：云沙箱、技能管理、统一追踪

E2B云沙箱：代码在安全隔离环境里执行

以前 Dify Agent 的 shell 和代码执行只能跑在本地沙箱中。1.17.0 新增了 E2B 云沙箱后端，通过环境变量 DIFY_AGENT_RUNTIME_BACKEND 即可切换，官方还直接附带了 docker-compose.e2b.yaml 部署文件，E2B 流量带身份认证，模板随版本同步。

这意味着 Agent 执行代码的环境可以弹性扩展、强隔离，Agent 写出来的程序不会碰到你的真实系统，非常适合生产环境。配套的 Home Snapshots（主目录快照）还会在 Agent 发布时把沙箱里已安装的包、准备的文件、工作状态完整保存，之后每次运行都从这个快照恢复，保证线上 Agent 每次启动的环境完全一致。

Skills技能管理：能力可以沉淀和共享

Skills（技能）是把操作说明、背景材料和执行脚本打包在一起的可复用能力包，Agent 可以自动发现并调用它们。1.17.0 新增了工作区级别的技能管理器，支持"草稿 → 发布 → 版本"的完整生命周期，并配套了 Web 界面（技能列表、构建面板、文件编辑器）。

Dify 把能力扩展分成三层：Tool（工具）用于长期受管的外部连接，比如插件、API、MCP；Skill（技能）沉淀团队反复使用的方法；临时 CLI 命令只在当前隔离沙箱里处理一次性任务。一次性的探索不用急着进共享目录，重复出现的方法沉淀为技能，需要跨团队稳定调用时再升级为受管工具，层次非常清晰。

Unified Tracing：统一追踪，全链路可观测

开启 OPS_TRACE_UNIFIED_ENABLED 后，系统会在核心层一次性组装完整的父子调用链——工作流、聊天流、消息、节点、循环、迭代、嵌套工作流全部串成一棵树，然后只把数据传输交给轻量适配器，首批支持 Phoenix 和 LangSmith。新增的 GenAI span 还能展示 LLM 首字延迟（TTFT）、Agent ReAct 推理步骤、工具调用和失败的 LLM 节点。

简单说，以前排查"Agent 为什么答得不对"要翻好几个系统，现在一棵调用树看全。

还有几个实用更新

• 可复用 LLM 环境变量：模型配置定义一次（比如"总结专用""研究专用"），所有 LLM 节点引用，切换模型只改一处。
• 循环和迭代节点内支持人工输入：重复性工作中也能插入审核、批准步骤，刷新页面也能正确暂停恢复。
• 上下文感知的历史压缩：长对话不再撑爆模型上下文窗口，先清旧工具结果，再总结更早的历史。
• ⌘K / Ctrl+K 全局命令面板：应用、Agent、技能、知识库、插件随搜随跳。
• 企业级安全：Cloudflare Turnstile 验证码、Azure Key Vault 可插拔密钥管理。

开源版还是云端版？怎么选

Dify 提供两种使用方式，适合不同的人：

建议：先在云端版把 1.17 的新 Agent 和技能管理跑通，验证场景成立后，需要数据私有化再迁移到自托管，DSL 文件可以一键导入导出，迁移成本很低。

效率对比：Dify方式 vs 传统开发方式

动手操作步骤

在哪用

Dify 云端版：https://cloud.dify.ai（浏览器直接注册，支持 GitHub / Google 账号登录）；开源自托管见 GitHub 仓库 https://github.com/langgenius/dify，Docker 一键部署。

用什么

1.17.0 版本的 Agent（智能体）+ Skills（技能）+ 工作流编排，云端版注册即有免费额度，开源版完全免费。

怎么做

1、注册登录

打开 cloud.dify.ai，用 GitHub 或 Google 账号登录，创建一个工作区（Workspace）。

2、配置模型

进入"设置 → 模型供应商"，填入你手头的模型 API Key（没有的话也可以直接用 Dify 托管模型）。

3、创建 Agent

在工作室点击"创建应用"，选择 Agent 类型，填写名称和指令，在右侧面板挂上需要的工具，点右上角"发布"。

4、体验新能力

打开 Agent 配置里的技能（Skills）选项卡，尝试把一段常用操作方法保存为技能；在 Agent 的代码执行设置里可以切换 E2B 云沙箱后端。

5、多端复用

发布后的 Agent 点"访问 API"拿到接口地址，或在任意工作流画布里添加 Agent 节点引用它；自托管用户拉取最新镜像即可获得统一追踪等全部 1.17 功能。

做到什么程度

拥有一个发布状态的独立 Agent：它能在 Web 对话窗口直接使用，也能通过 API 或工作流节点被调用，修改模型或 Prompt 只动一处、所有入口同步生效。