Dify 全新 Agent 体验正式上线

随着大模型能力的持续提升，企业对 AI 的应用期待正从完成单一任务，走向让 Agent 自主理解目标、规划步骤、调用工具，并在真实业务场景中交付可用结果。麦肯锡2025年全球调研显示，62% 的受访企业已开始探索 AI Agent。当 Agent 从概念验证走向生产环境，企业面临的挑战已不仅是「能否完成任务」，更关乎如何持续优化、跨场景复用，以及在出现偏差时快速定位和改进。

三大核心能力：构建、管理、追踪

在这样的背景下，Dify 正式推出全新 Agent 体验。新设计中的 Agent 不再只是依附于某个应用的执行节点，而是成为拥有独立配置、完整生命周期的管理单元。每个 Agent 均拥有独立的模型、指令、技能和工具配置，团队只需集中构建与维护一次，即可在全局场景灵活调用，让业务经验得以持续复用与演进。

三种扩展方式：Tool、Skill 与 Sandbox CLI

全新 Agent 体验围绕 Build（构建）、Manage（管理）、Track（追踪）三大能力展开。在 Build 模式下，对话产生的配置变更会先保存为草稿，团队可查看改动并选择应用或放弃，也可切换至预览模式验证 Agent 的回答效果与交互体验。 值得注意的是，Agent 不应依赖单一 Prompt，而应由多个可独立维护的模块组成。Dify 将 Agent 的能力拆分为 Prompt（定义角色与行为边界）、Skills（业务能力）、Tools（工具调用能力）和 Sandbox（安全执行环境）四个部分。模块化后，团队可分别维护不同能力，随时替换某个工具或优化某项技能，无需反复调整 Prompt，极大降低了长期维护与多人协作的复杂度。

管理新范式：一处构建，随处复用

要让 Agent 真正融入业务，仅调用模型远远不够，还需要连接外部系统、复用团队已有的工作方法，并支持灵活调用临时能力。为此，Dify 提供了三种扩展方式： Tool（工具）：用于接入需要长期运行的正式能力。团队可通过 Dify Marketplace 下载扩展工具、连接自定义 API 或 MCP 服务器，也可将现有工作流封装为工具。工具在工作区层级管理，可跨多个 Agent 共享。 Skill（技能）：用于沉淀团队方法与实践。将操作指南、参考资料与执行脚本封装在一起，让 Agent 按统一方法完成任务。例如，增长分析 Skill 可包含指标定义、计算规则和执行脚本，确保 Agent 按照统一方法计算 CTR、CPA 与 ROAS 等指标。 Sandbox CLI：用于处理当前任务中的临时需求。Agent 可直接在 Sandbox 中安装并运行 CLI 工具，完成日志解析、文件转换、数据处理等一次性任务。若相同配置反复出现，可将其沉淀为 Skill，进而打造为共享能力。

全链路追踪：让工作过程清晰可见

过去的痛点在于：同类型 Agent 被复制到多个应用和工作流中，复制次数越多，维护越混乱。全新 Agent 体验改变了这种依附关系。Agent 从具体应用和节点中独立出来，团队可在 Agents 页面集中查看和维护工作空间中的所有 Agent，并按状态、创建者和更新时间快速筛选。 更重要的是，Agent 构建完成后不会被固定在单一产品形态中。在访问点页面，团队可查看 Agent 的所有使用入口。当同一 Agent 进入不同 Workflow 时，流程设计者无需重新配置，而是通过 Agent Task 为当前节点补充任务说明，定义这一次要完成什么、可以使用哪些上游变量与预期结果。这种「Agent 决定会什么，Workflow 决定做什么」的分工，既保证了共享能力的一致性，又明确了不同流程的业务边界。

如有侵权，请联系删除。