yxkong的专栏

后续会深度研究下dify，智能体的应用要更广泛一些。我也会根据自己的需求，在dify中中的功能进行增强。

昨天dify又又升级了，这次升级有一个我非常关注的功能MCP。在之前的dify X mcp系列中，使用mcp的时候，是通过三方插件扩展支持的，官方并没有直接支持，使用的时候，就有点不太聪明的意思。

对我来说，之前调一个流程可能要跑三五遍（三五遍算少的），还要复制变量、格式化数据，耗时又容易出错；现在基本能做到“出错即定位、修改即重试”，工作流开发体验提升非常明显；除了调试，1.5.0 还增加了不少实用的小功能（MatrixOne、SendGrid、Notion分页支持等），大家可以在设置页面自行探索。Dify 这波更新让我明显感觉到它从“可用”向“好用”演进。开发者不需要为了调试浪费时间、重复造数据，这才是真正为工作流开发服务的产品思维。

1，我已经将大部分问题都上传到知识库了，大家有什么问题，先发公众号私信就行，有大模型处理。打开dockerDesktop，点击对应的nginx，可以查看对应的报错日志，有出现。当我们通过应用提问的时候，会从知识库检索出匹配的几个片段，+问题，一起提交给大模型。本地知识库都是存储在本地的，并且都是程序内置的，每隔一个客户端的知识库都是隔离的。2月18日拉取的官方代码，使用docker部署的时候出现的问题，原因。3，因为个人精力有限，后期只回复重复性高的，或比较特殊的问题。

之前在聊一个问题，dify分享出去以后谁都可以用,如果在玩一些有趣的东西的时候，会…

上周末，两台电脑都失联了，一个是断网了，一个被我不小心关机。导致我两天没环境。只能整理，学点东西。上周有个有个群友问我ragflow爬虫的没法使用的问题。幸好周六早上的时候实践了下。

多格式转换：支持 PDF、图像、PPTX/DOCX/XLSX/HTML/EPUB → Markdown/JSON/HTML复杂内容提取：表格、公式、代码块、链接，支持图像保留与 OCR 修复，适配论文、金融文档等场景。可扩展优化：通过--use_llm调用 Gemini/Ollama 等模型提升准确率，支持自定义处理规则。

群友一直希望我做一个dify的教程，我把去年的dify铲了，重新安装了一遍。同时以前的文章提问，以及群友的问题，我先做一个知识科普，不感兴趣的可以绕过这块。

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。一个完整的工作流，必须具备开始和结束两个节点。Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。

最近大家一直在问我一个，怎么让在个ai应用客户端直接连接数据库查询。dify官方没有现成的组件可以直接用。当时我想的是两种方式，一种是基于代码执行模块直接查询数据库，一种是基于Http请求，调用自己封装接口来查询数据库。

在写连接外部数据库查询的时候，我就想普通的业务人员没有编程背景，不懂数据库，可他们想查询统计一些东西怎么办？只能找对应的开发人员写sql了，那我是不是可以用工作流解决这个问题。我把库表结构从数据库里导出一份表结构,导出到相同的文件里，建立一个知识库。里写的python脚本改下，由关键词检索改成sql检索。技术纵深：高并发架构 | 应用调优 | 分布式系统。管理沉淀：8年技术团队管理 | 百万级DAU经验。的阈值不要调太大，一般0.3即可，别看图。作为查询变量，添加刚才添加的数据库知识库。

需要注意的是，由于自己打的包，没有经过dify官方的审核，所以需要修改下配置。如果一般内网都有自己的镜像源，替换下自己的镜像源，在dify的配置文件中改成自己的镜像源即可。有些用户说内网不能联网，没法安装，但是我想说的是，一般内网隔离，一般都会有一些自己的镜像源。安装插件，这块需注意下,不要随意安装别人分享的插件，上传到插件市场的插件，官方应该都会过一遍，要不然也不能叫可信源。，存放的是官方和其他人发布的插件，理论上，我们都下载这两个目录，通过本地上传的方式都能安装上去。安装都是走的pip官方的。

前天dify升级到了1.2.0 ，昨天看了下升级日志，心心念的没看到。下面是更新的明细。我重点看重的是下面的两个功能。

昨天刚吃过饭，看到dify推送1.1.0的升级，我看了下升级日志。在Dify1.1.0版本中修复了，新增了。官方推介的最重要的功能是元数据。

之前一直有粉丝留言说让我出一个dify+ragflow的教程，今天来实操下。