Information
Search... 简体中文 简体中文 Powered by GitBook 定义 配置步骤 添加节点 选择 Agent 策略 配置节点参数 查看日志 PreviousHTTP 请求 Previous HTTP 请求 Next工具 Next 工具 Agent 节点是 Dify Chatflow/Workflow 中用于实现自主工具调用的组件。它通过集成不同的 Agent 推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步推理。 在 Dify Chatflow/Workflow 编辑器中，从组件栏拖拽 Agent 节点至画布。 在节点配置面板中，点击 Agent 策略。 从下拉菜单选择所需的 Agent 推理策略。Dify 内置了 Function Calling 和 ReAct 两种策略，可在 Marketplace → Agent 策略分类中安装使用。 通过将用户指令映射到预定义函数或工具，LLM 先识别用户意图，再决定调用哪个函数并提取所需参数。它的核心是调用外部函数或工具，属于一种明确的工具调用机制。 优点: 精确: 对于明确的任务，可以直接调用相应的工具，无需复杂的推理过程。 易于集成外部功能: 可以将各种外部 API 或工具封装成函数供模型调用。 结构化输出: 模型输出的是结构化的函数调用信息，方便下游节点处理。 ReAct (Reason + Act) ReAct 策略使 Agent 交替进行思考和行动：LLM 首先思考当前状态和目标，然后选择并调用合适的工具，工具的输出结果又将引导 LLM 进行下一步的思考和行动，如此循环，直到问题解决。 优点: 有效利用外部信息: 能够有效地利用外部工具获取信息，解决仅靠模型自身无法完成的任务。 可解释性较好: 思考和行动的过程是交织的，可以一定程度上追踪 Agent 的推理路径。 适用范围广: 适用于需要外部知识或需要执行特定操作的场景，例如问答、信息检索、任务执行等。 开发者可以向公开仓库贡献 Agent 策略插件，经过审核后将在 Marketplace 上架，供其他用户安装使用。 选择 Agent 策略后，配置面板会显示对应的配置项。Dify 官方内置的 Function Calling 和 ReAct 策略的配置项包括： 模型： 选择驱动 Agent 的大语言模型。 工具： 工具的使用方式由 Agent 策略定义，点击 "+" 添加并配置 Agent 可调用的工具。 搜索： 在下拉框中选择已安装的工具插件。 授权： 填写 API 密钥等授权信息后启用工具。 工具描述和参数设置： 提供工具描述，帮助 LLM 理解工具用途并选择调用，同时设置工具的功能参数。 指令： 定义 Agent 的任务目标和上下文。支持使用 Jinja 语法引用上游节点变量。 查询： 接收用户输入。 最大迭代次数： 设定 Agent 的最大执行步数。 输出变量： 提示节点输出的数据结构。 Agent 节点执行过程中将生成详细日志。显示节点执行的总体信息，包括输入和输出、token 开销、耗时和状态。点击 "详情" 查看 Agent 策略执行的每一轮输出信息。 Last updated 27 days ago This site uses cookies to deliver its service and to analyse traffic. By browsing this site, you accept the privacy policy.