19 平台化开发：零代码Agent+工作流开发
你好，我是邢云阳。
上一章我们完成了求职助手项目，开发手法选用了近半年以来飞速发展和推广的 MCP 协议。
这个协议的功能很强大，但对于 python 新手来说不够友好，仅仅是环境配置就很麻烦。因此有一些公司或部门，可能会希望使用一种低代码或者零代码的方式去做一些 AI 应用，这样会更加方便快捷。基于这样的一个背景，这一章我们借助“作业帮”这个项目，带你熟悉基于 Dify 的平台化的开发方法。
初识 Dify
Dify 是什么，相信大家已经不陌生了。这其实就是一个低代码 AI 开发平台，用户可以通过少量代码甚至零代码去开发对话、Agent、工作流等应用。
在我做这个课程时，Dify 1.0 已经发布，最大的更新是新增了插件管理的功能。比如可以将我们自己写的 Agent Tool 发布成一个后缀名是 .difypkg 的文件，之后就可以将其安装到任意 Dify 平台上被调用。类似于我们在 windows 上写一个软件，打包成 exe 文件，可以在任意 Windows 系统上安装。这其实是 Dify 为了丰富社区，让更多的用户去贡献插件。
这节课我使用的 Dify 版本是 1.1.2，如果你想实现和我一样的效果，建议和我使用相同的版本。
接下来我们先从基础讲起，分别学习如何零代码进行 Agent 和工作流开发。首先来看 Agent。
Agent
在我们安装好 Dify 并登录 WebUI 后，会看到如下所示的界面。点击创建空白应用，既可创建 Agent 等应用。
这里我选择 Agent，应用名称填体育助手。
之后就会跳转到编排页面。这里需要你自行添加对话模型（在 Dify 的 设置 > 模型供应商中设置要接入的模型），这里我使用的是 DeepSeek 官方版本的 deepseek-chat。
之后就可以在提示词框内填写系统提示词。
这里我是准备让 Agent 接入联网工具，当遇到不会的问题时，在互联网上搜索一下。因此提示词是：
设置好提示词后，往下拉页面，就可以看到设置工具的地方。
点击添加后，再点击“在 Marketplace中查找更多”会进入到插件市场。可以看到有很多插件，例如 Google 搜索、绘画等等。
我今天就以 Tavily 这款互联网搜索工具为例，为你演示一下效果。我们点进 Tavily 页面后，点击下载按钮，将插件文件下载到本地。
下载完成后，在点击控制台右上角的插件，会进入到插件管理的页面。点击安装插件，选择本地插件。
选中刚才下载的 Tavily 插件后，就会弹出如下页面。然后点击安装，稍后片刻。
安装插件之后，再回到刚才 Agent 的工具添加页面，就能看到该 tavily 了。Tavily 包含两个工具，一个负责搜索，一个负责抓取页面内容。
刚添加上工具时，会显示未授权，这是因为 tavily 是付费使用的，因此需要一个 tavily 的 API Key。大家可以根据提示，自行去 tavily 网站注册，新用户可以免费调用 1000 次 API。
工具搞定后，我们就可以在右侧的调试界面进行对话测试效果了。比如我问：
可以看到 Agent 多次调用了工具后，给出了结果。
这样我们就完全零代码实现了一个 Agent。实际上，这里的 Agent 是使用的是模型 Function Calling 能力，而不是我们之前讲过的 ReAct。Dify 会看人下菜碟，如果我们配置的大模型支持 FC，则默认就会使用 FC 的能力，如果不支持，则会切换到 ReAct。
工作流
掌握了 Agent 功能如何使用之后，接下来我们学习工作流。所谓工作流就是我们人为地把一个复杂 AI 任务做拆分，拆分成一步步的小任务，这样每一步小任务的实现就会相对容易，不需要复杂的提示词或者超强的模型能力做支撑。
接下来，我们一起完成一个写周报的简单功能。借此体验一下如何实现工作流。
首先创建空白应用，选择工作流。
之后就会进入到一个画布的页面。
在这个页面默认会有一个开始节点，这是 Dify 的规定。Dify 规定工作必须由开始节点开始，由结束节点结束。我们把鼠标移动到开始节点上，会出现一个加号，点击加号，就可以添加节点。
节点涵盖了多种类型，有基本的 LLM、Agent、RAG 等，也有像是代码执行器，HTTP 请求等，我们会在后续的项目中用到其中一些节点。没有用到的节点，你也可以自行测试效果或者查阅文档了解其功能。
接下来，我们就添加一个 LLM 节点。
可以看到 LLM 节点自动与开始节点连接到一起了。此时在 LLM 节点可以设置模型、上下文、系统提示词等等。点击添加消息，也可以添加 User、Assistant 等角色的提示词，构成历史对话。在这里，我输入的提示词是：
之后，我们回到开始节点，点击如图所示红框中的加号。
这时会进入到添加变量的页面。
我们添加一个变量，名字叫 job_description，也就是工作内容。
然后回到 LLM 节点，点击添加消息，就会提示输入 User 的 prompt，我们先输入工作内容：，然后输入 /，会自动弹出变量列表，选择 job_description 即可。
这样 LLM 节点就设置好了，直接点击下方的运行按钮就能测试这一步的效果。
接着我们在 job_description 输入如下内容：
然后点击开始运行。
最后可以在输出处看到输出了周报。
如果可以正常输出，就说明本节点的效果是没问题的。
现在我们添加第二个节点，也是一个 LLM 节点，让大模型帮我们把周报内容再润色一下。系统提示词为：
用户提示词输入周报：/，选择上一步的 text，也就是上一步的输出作为本步的输入。
这样，这一步也搞定了。之后，我们可以点击 LLM2 节点的加号，添加一个结束节点，并设置输出变量为 LLM2 的输出 text，组成一个完整的工作流，点击右上角的运行来测试一下效果。
还是输入上面的 job_description 的提示词：
效果如下：
可以看到输出了完整的周报。至此，我们已经熟悉了工作流的基础用法，这里不必过于纠结周报生成的内容，而要重点理解工作流的流程控制以及输入、输出参数的设置。课后你也可以自己想一个喜欢的应用，做一下测试，这样学习效果会更好。
总结
这节课，我们以 Dify 平台为基础，掌握了零代码实现 Agent 和工作流的方法。
Agent方面，我们搞了一个联网工具，这其实就是大模型如何实现联网搜索的最简单版本；而工作流我们实现了一个写周报的功能，通过第一个大模型生成周报，第二个大模型润色的方式，让周报内容更加完美。这样大大降低了我们传统使用一个大模型实现同款功能，写提示词的难度。
我记得大概一个月前，有一位岗位是产品经理的同学给我留言说，产品经理不懂写代码，能否让我的课程照顾一下。其实今天这节课就非常适合这位同学，你可以通过这节课的内容去做一些小应用，体会一下应用开发的快乐。
当然对于大多数程序员来说，我们需要两条腿走路，既要会用手写程序的方式来自己实现 Agent 与工作流，同时也要学会使用 Dify 这种平台化的开发思想。因为我们很难知道公司未来是要求我们使用何种开发方式进行开发，两条腿走路，才能立于不败之地。
思考题
如果我想实现一个绘画工作流，先给大模型一个漫画的名称和漫画中一位人物的特征描述，让大模型分析出是谁，然后再画出来，该如何实现呢？
欢迎你在留言区展示你的思考过程，我们一起探讨。如果你觉得这节课的内容对你有帮助的话，也欢迎你分享给其他朋友，我们下节课再见！
- 极简架构 👍（1） 💬（2）
Dify开源协议，是否允许商业化
2025-04-24 - Geek_d1ffec 👍（1） 💬（1）
整体思路跟刚刚示例中的工作流是一样的，首先在开始节点添加两个变量漫画的name和人物的description,在大模型节点选择DeepSeek或者其他模型,添加添加提示词，告诉大模型要根据开始节点的名称跟描述判断出这个漫画人物是谁,然后画出来一幅画，生成的格式可以是png的格式，有些模型可能不支持绘画能力，需要添加一个额外的插件生成图片。
2025-04-13 - 王晓聪 👍（0） 💬（1）
只找到了网页版，桌面端在哪里下载呢
2025-05-15 - 巴马 👍（0） 💬（1）
之后就会跳转到编排页面。这里需要你自行添加对话模型（在 Dify 的 设置 > 模型供应商中设置要接入的模型），这里我使用的是 DeepSeek 官方版本的 deepseek-chat。 老师这个地方需要我本地部署deepseek大模型吗？ dify设置中的安装模型供应商是要在本地安装大模型吗？
2025-05-13 - Yafei 👍（0） 💬（1）
Dify是厂商自己部署的大模型服务器还是直接用的第三方，如：阿里云/硅基/腾讯云提供的大模型API接口？比如工作流中调的大模型
2025-05-12 - ifelse 👍（0） 💬（1）
学习打卡
2025-04-19