摘要：Dify.AI 正式发布 AI Agent 功能。该功能支持接入多种主流 LLM，通过思维链（CoT）推理与工具调用能力，实现复杂问题的逐步解决。平台内置搜索、绘图、数据分析等 11 款实用工具，并提供 API 扩展与自定义开发接口。同时优化了 Studio 界面与变量管理，助力开发者与企业快速构建智能化应用。

Dify.AI 正式发布 AI Agent：基于多种 LLM 打造 GPT 与智能助手

分类：Release

人类擅长解决复杂问题。这一过程需要理解信息、规划步骤、做出决策、调用工具，并根据反馈动态调整下一步行动。如今，LLM 在语言理解与处理方面表现卓越，这让我们对其在现实问题解决中的应用充满期待。此前，OpenAI 推出了 GPTs 与 Assistants API，让我们得以基于其模型体验 AI 助手。这极大地激发了我们的创作灵感。现在，Dify 迈出了更进一步的一步：支持接入市面上几乎所有主流 LLM，并结合丰富的工具集，助你轻松打造智能 AI Agent。

与 OpenAI Assistants API 有何不同？

OpenAI Assistants API 允许开发者基于 OpenAI 模型构建高级 AI 助手。而 Dify 作为主打开放性的 LLM 应用开发平台，全面支持各类 LLM，涵盖开源模型。这意味着你不再局限于 OpenAI 的模型，而是可以根据不同 AI Agent 的需求，拥有更广泛的选择空间。

Dify 的开源特性同样令人兴奋。你可以将其直接部署在企业内部。这为将 AI 能力融入现有业务提供了极大便利，甚至能将企业自有 API 实时转化为可调用的工具。对于高度重视数据隐私的企业而言，这意义重大。更多细节请参阅我们的文章《Dify.AI: Open-source Assistants API based on any LLM》。

什么是 AI Agent？

我们非常期待 AI Agent 能够模拟人类的思考与问题解决过程。通过逐步推理，最终给出解决方案。在 Dify 中，AI Agent 采用“思维链（Chain-of-Thought）”推理机制。这意味着智能体能够循序渐进地拆解问题。更棒的是，你只需通过直观的可视化界面，即可快速创建专属 Agent。

举个例子。假设提问：“特朗普夫人现在多大年纪？”当前，LLM 无法直接从自身数据库中调取实时年龄。但别担心，我们可以借助两个高效工具辅助解决：Wikipedia_search（维基百科搜索）和 current_time（当前时间）。具体推理步骤如下：

首先调用 Wikipedia_search，查询梅拉尼娅·特朗普的出生年份。结果为 1970 年 4 月 26 日。
接着调用 current_time，获取今日日期。结果为 2024 年 1 月 21 日。
最后进行计算，得出梅拉尼娅·特朗普的当前年龄：53 岁。

如何基于多种 LLM 实现 Agent 推理？

要让 AI Agent 足够智能，必须依赖具备强大推理能力的基础模型。这正是 LLM 的用武之地，尤其是支持 CoT（思维链）推理的模型。不同模型厂商提供了不同的推理调用方式，例如 Function Calling（函数调用）和 ReAct。通常，支持 Function Calling 的模型表现更优。

目前，OpenAI、ChatGLM、通义千问、MiniMax 及文心一言等模型均支持该功能。对于尚未支持 Function Calling 的模型系列，Dify 提供了通用的 ReAct 调用方案。

当前 AI Agent 支持哪些工具？

对 AI Agent 而言，配备合适的工具集至关重要。这些工具并非简单的功能点缀，而是为 AI 提供额外的知识与技能，是其实现在线推理的核心支撑。

本次更新，Dify 不仅保留了传统的知识库调用能力，还内置了 11 款实用工具：

Google Search：AI 的搜索引擎入口。支持全网检索，精准提取信息与网页内容。
DALL·E：OpenAI 提供的绘图助手。AI 可根据文本描述直接生成图像。
Vectorizer.AI：图像格式转换工具。快速将 PNG/JPG 图片转为 SVG 矢量图。
Chart Generator：图表生成器。轻松创建柱状图、折线图或饼图等可视化图表。
Web Scraper：网页爬虫。自动抓取网站上的文本、图片与链接。
Wolfram Alpha：计算与数据专家。擅长解决复杂数学题、数据分析及历史资料查询。
Youtube：视频数据查询。获取 YouTube 视频的相关统计信息。
Stable Diffusion：创意绘图工具。将文本描述转化为高质量图像。
Yahoo Finance：财经资讯接口。提供实时金融与股票新闻。
Wikipedia：百科知识库。快速检索维基百科的摘要与详细信息。
Current Time：时间查询工具。实时获取当前时间。

在 Agent 模式下，你可以自由为 AI Agent 开启上述工具。LLM 会根据任务需求自主挑选并调用。我们已确保各工具之间无缝协作。所有工具均可共享变量池，轻松获取其他工具的输出结果。例如，使用 DALL·E 生成图片后，视频生成工具可直接调用该图片进行二次创作。

在演示视频中，DALL·E 与 Vectorizer.AI 协同工作。AI Agent 可先为你绘制 Logo，随后自动将其转为矢量格式。具体流程如下：Agent 通过对话向你询问风格偏好、整体氛围及喜好。明确需求后，调用 DALL·E 生成初稿。你可提出修改意见，Agent 会据此微调。最后，将成品交由 Vectorizer.AI 转换为 SVG 格式。随时即可使用你的专属新 Logo。

自定义 AI Agent 工具

在企业场景中，AI Agent 能够安全地获取公司内部数据，或接入第三方工具实时解决问题。为此，Dify 不仅提供了丰富的内置工具，还开放了 API 扩展能力，帮助开发者接入自定义工具。

目前支持 OpenAPI/Swagger 与 OpenAI Plugin 标准。你只需将外部工具的 API 适配至上述标准，即可轻松将其引入 Dify。配置完成后，团队全员即可直接调用。

此外，我们非常欢迎开发者通过编写代码，自主开发实用工具。这将进一步提升 AI Agent 的智能水平。感兴趣的朋友可查阅我们的《贡献指南》。

重要更新说明

为匹配核心功能升级并贯彻 Dify 的设计理念，我们对界面进行了全面优化。请放心，现有应用不受影响：

原“Build Apps”模块已更名为“Studio”。原“Chat APP”现统一称为“Assistant”。在此架构下，你可创建“基础助手（Basic Assistant）”或“Agent 助手（Agent Assistant）”，两者均深度调用 LLM 能力。
原“Chat App”中的“API Extension”功能已迁移至“Variables（变量）”模块。它将在提示词中作为变量显示。此前已配置的用户，功能将保持原有逻辑正常运行。

为便于管理丰富的工具集，“Tools”选项已移至主菜单。在此处你可统一管理自定义工具、权限配置及其他相关任务。

快速上手

是否想过打造专属的 AI Agent？在 Dify 中，你可以直接新建 Assistant 并选择 Agent 模式。也可以将现有的 Chat App 直接在提示词配置页切换为 Agent 助手类型。我们的官方文档将为你提供完善的入门指引，助你开启智能化开发之旅。