[Dify] 在Dify中优雅处理本地部署LLM的Token超限问题

随着大语言模型（LLM）在本地部署中的广泛应用，开发者在使用平台如 Dify 构建 AI 应用时，常常会面临一个棘手的问题——输入文本过长导致 Token 超限。尤其是在用户输入不可控、动态获取内容的场景中，Token 限制问题更为频繁和复杂。

本文将以实际案例出发，介绍如何在 Dify 中优雅地捕捉并处理 Token 超限异常，并提供用户友好的提示信息，提升整体使用体验。

---

场景背景：用户输入导致Token超限

在很多实际应用中，用户并不是直接输入问题，而是通过某种“关键字”去抓取外部内容（如网页内容），再将抓取结果作为 LLM 的输入进行处理。此时若关键字较为宽泛，比如“人工智能”，可能返回成千上万字的网页内容，这就极容易突破本地部署 LLM 所支持的最大 Token 数量限制。

一旦 Token 超限，如果系统直接报错，用户不仅无法理解错误原因，也不知道如何修改输入。这不仅影响体验，也增加了支持成本。

---

步骤一：设置Handle异常

Dify 的流程引擎中每一个节点都可以选择是否对异常进行处理（Handle）。开启该选项后，如果节点执行失败，不会中断整个流程，而是允许我们对异常进行捕捉和处理。

具体步骤如下：

1. 在 LLM 节点中开启 Handle 异常选项。

2. 在流程中添加分支逻