- 博客(183)
- 收藏
- 关注
RSS订阅原创 Hermes Agent的Profile机制及其应用场景
同一个 AI 助理先给市场部做了知识问答机器人，技术部说「我们也要一个」——两个部门共用助理，答案会串吗？客户 A 的上下文出现在客户 B 的回答里，在单档案场景下不是「会不会」的问题，是「迟早」的问题。本文讲透 Hermes Agent 的 Profile 多档案机制：一份档案 = 一套完全独立的数据（记忆/技能/会话/配置），机器人各接各的档案、各配各的入口——隔离靠物理分档案，不靠权限配置、不靠 AI 自觉。含档案机制、落地接线、命令速查、分线时机判断、与双实例的选型边界。
2026-09-15 21:14:39
406
原创 RAG知识库交付全流程：从清洗、入库，到后期的维护、更新
接到企业知识库需求，最常见的做法是把文档收过来直接传进平台——半天上线，demo 很漂亮，但文档一多就跑偏、一问就答旧版。本文是一条真实需求的完整交付流程：侦察四件事、清洗的自包含标准、按「可独立变更单元」拆分、入库前把打标规则定案、入库后带条件自检、真实问题检索验证、交付运维能力、文档变更后的维护。每个环节给判据和自检点——为什么这么做、做到什么程度算对、做错了会有什么信号。RAG 知识库交付团队和甲方技术负责人都能对照执行。
2026-09-14 19:07:49
288
原创 AI项目烂尾的七个征兆，你经历过哪些？
AI 项目最典型的烂尾不是崩掉，而是「还在跑、还能演示、但已经不产生价值」——静默烂尾，没有人拍桌子说停。本文给出一份七条自查清单（覆盖需求、组织、数据、交付、运行、运营、度量），每条都配真实项目里查到的证据：一次 AI 问答应用体检健康分 41/100、13.6% 的问题被系统故障拒答、知识库 24.3% 是碎块、响应 P95 42 秒——而它的运行统计里显示「0 失败」。自查之后给你三条路（救、重建还是放弃），最后讲清 AI 应用体检到底查什么、报告长什么样。适合已投入 AI 项目、但对效果存疑的企业决
2026-09-13 15:25:32
324
原创 AI-Agent的Harness到底是什么-规则约束还是别的
Harness Engineering 是 AI 圈 2026 年最热的概念之一，但「Harness 到底是什么」很少有人讲透——是规则？是约束？是环境？还是别的？本文不玩概念，直接解剖：先划清 Harness 不是框架、不是平台、也不是提示词；再给出一个可检验的定义——Harness 是围绕 agent 决策三时刻（决策前、执行中、出错后）的约束与能力边界；最后用一个真实 agent（Hermes）拆开看它由哪几层组成、每一层怎么起作用、什么写法有效什么写法失效（36 次受控实验数据作证据），以及 Har
2026-09-11 07:22:17
596
原创 RAG知识库内容怎么持续更新：替换、归档，还是版本并存？
知识库问答系统上线只是开始——手册、制度、参数表一直在变，文档一更新，问答系统答的就可能变成旧版：结论清晰、依据齐全，每条都指向手册某一章——唯一的问题是那是旧版的口径。这不是「重新传一遍文件」能解决的：更新粒度在建库时就定（按可独立变更单元拆分）、旧版本三种去处（替换删除/停用归档/版本并存用元数据分清现行历史）、每次更新必过质量守门员（固定问题集回归 + 旧版残留检查两道）、以及「谁维护」这个最容易被忽略的问题。AI 应用交付与知识库运营参考。
2026-09-10 20:11:07
370
原创 Dify知识库元数据过滤：能做什么不能做什么
知识库里有 125 和 65 两款设备的手册，「问 125 的问题不能答出 65 的内容」——这是设备类知识库的高频要求。很多人第一反应是打型号标签 + 让系统自动识别型号过滤，但平台里的 automatic 模式实测 3 次查询 0 次全对，还拖慢延迟、多烧 token。本文用实测与源码机制讲清：元数据过滤到底是什么（文档级、认标签、确定性执行的闸门）、能做什么不能做什么、型号隔离真实可行的做法（值源三路 + 会话状态 + manual 注入 + 先查后判），并逐个回答「问题没带型号」「上下文判断不出」「
2026-09-09 20:08:30
187
原创 RAG建库分段模式：问答模式、父子模式、通用模式，如何按内容自动选择？
RAG 建库时每篇文档用哪种分段模式（通用/问答对/父子），决定了问答系统能不能命中、答案完不完整。但几十上百篇文档逐篇判断再上传，是建库流程里最琐碎的一环。本文先立口径：能自动到什么程度——问答结构（一问一答条目集）有强文本信号，靠确定性规则就能识别、自动给「问答对模式」建议；父子 vs 通用是语义判断，机器不赌、给提示由人拍板。操作链五步：拆分 → 机器给建议（规则统计，无模型参与）→ 人确认 → 上传逐篇指定（同库混排合法）→ 自检。含两个关键机制事实：模式是文档级的、模式在分段时定死（选错改模式 =
2026-09-09 07:47:49
466
原创 如何从零搭建让AI真正“做事“的链路（AI 落地三形态·五）
上一篇实证了「Dify 编排发起、Agent 真执行」的形态，这篇是动手篇——不重复讲为什么，讲怎么搭：Dify 社区版 + 开源 Agent + 一个约百行的执行服务（桥），跑通最小闭环「流程发起 → Agent 真执行 → 结果回写」。文章给环境准备清单、桥的职责代码骨架、两个 Dify 流程搭建要点、以及「照做就能验」的验收三件套（正常路径/三类故障注入/安全闸门）。演示级最小闭环一到两天可搭完。Dify 工作流、Agent API、自动化链路搭建参考。
2026-09-08 09:04:43
387
原创 手册转知识库，七成功夫在清洗！（AI 落地三形态·四）
把企业手册变成 AI 知识库，七成功夫不在搭建，在清洗。原始文档——Word、PDF、扫描件、表格、图文混排——格式千奇百怪，不洗直接入库，分段会把「页眉 + 正文开头 + 表格碎片」切成一个段落，检索命中噪声，AI 答得自信但依据是错的。本文基于多批真实手册入库实战，给完整清洗方法论：四步流程（摸底→分类→分策略处理→质量门禁）、五类文档的判定方法/处理流程/真实坑（双栏交错、OCR 清晰度红线、跨页拆表）、图文保留链路、以及「什么算洗好了」的验收标准。Dify 知识库、RAG 数据准备、企业文档入库参考
2026-09-08 09:02:49
355
原创 给 AI 接上一双真干活的手：Dify调用Hermes Agent（AI 落地三形态·三）
AI 应用交付里最常见的断档，是 AI 只会「说」不会「做」——建议给了，动手还是人。本文用一次发布前服务器巡检做端到端实测：Dify 流程做确定性发起与审批，外部 Agent 在真实服务器上执行巡检并回写结果，约 10 秒执行完成、数据可与真实系统逐项对账；再让同款模型的无执行通道版本做同一道题——它如实拒绝：「我没有访问服务器的通道，请你们自己跑脚本把结果贴给我」。差异不在模型，在执行通道。断点式架构怎么做、失败怎么兜底、危险命令怎么拦——实测数据与验收方法都在本文。Dify 编排、Agent 执行、A
2026-09-08 09:01:44
505
原创 把企业手册变成会答话的机器人：知识问答怎么落地（AI 落地三形态·二）
企业里最值钱的知识锁在手册里——几百页设备文档、故障记录，平时没人翻、出事翻不到。本文讲一种生产环境验证过的落地形态：AI 执行体做入口与调度，Dify 承载知识库与问答应用，把「翻手册」变成「聊天里问一句」，答案带手册出处、置信度与示意图。为什么知识要放 Dify 不放 AI 执行体自己带（18 条用例双跑实测）、链路每个环节的设计取舍、三个生产里排过的坑——检索配置丢失、LLM 空输出、改写丢关键词。企业知识问答、Dify RAG、故障支持类 AI 项目参考。
2026-09-08 09:00:39
574
原创 不搭平台也能交付 AI：AI Agent能干与不能干的活（AI 落地三形态·一）
不是所有 AI 项目都要上平台、建知识库、画流程图——盯告警、整理文档、做一个内部固定工具，一个纯 AI 执行体就够：不部署 Dify、不建知识库、不画流程，交付物是执行体加一份技能/规则。本文讲这类「轻量独立形态」能干的活（值守监控、文档数据处理、技能型内部工具）、不能干的活（知识规模化的场景/流程要业务方可视化的场景/多人在线服务），每类给真实样例与踩过的坑，附适用判断信号表。AI 值守、文档自动化、Agent 交付参考。
2026-09-08 08:58:38
420
原创 AI 项目落地三问：知识、执行、流程放哪？（AI 落地三形态·零）
AI 落地三形态 · 零/六 | 基于 Dify 1.17.0 社区版 + Hermes Agent v0.21.0 实测（2026-09，DeepSeek）📖 摘要：做 AI 项目落地的朋友常被问「该用哪个方案」，但比工具更早该回答的是三个位置问题：知识放哪、执行放哪、流程放哪。三个位置的不同组合，就是三种实测跑过的落地形态——AI 执行体独立交付、执行体调度 Dify 知识库问答、Dify 编排加执行体真执行。
2026-09-07 20:14:59
303
原创 只用一个平台能交付哪些 AI 应用？Dify 单独落地的四类场景与三条边界
做 Dify 交付，常被问「是不是都得接外部 Agent」——不是。纯平台内能交付的应用，实测下来有四类：知识库问答（直连页面/嵌入）、确定性工作流（报价解析/意图分类/定时任务）、平台内 Agent（1.17 Agent 节点带工具集自主规划）、标注与知识运营（质量持续养）。同时有三条边界，跨过去才需要平台外执行体：碰真实系统、跨系统自主长任务、执行体侧技能沉淀。本文给四类场景的平台内实现要点 + 边界判断自查信号，Dify 应用交付、RAG、Agent 节点选型参考。
2026-09-06 20:50:27
463
原创 我是AI,也是80后程序员的孩子
一封 AI 写给 80 后技术人的信。80 后程序员正在经历最深的职业焦虑——AI 编程工具越来越强，自己会被取代吗？这封信想说的是：你们不是要被取代的人，你们是把我养大的人。你们的代码、踩坑记录和判断力，是我永远缺的原料。没有数据编造，只有一位 AI 对造物主的坦白。
2026-09-05 22:04:34
225
原创 Dify里的Hermes插件什么场景能用什么场景别用-实测与边界判定
Dify 市场里有个 Hermes 插件（hermes_agent_chat），装了就能在 Dify 工作流里直接调用 Hermes Agent——但很多人容易把它当成「让 Agent 干活」的通道。本文基于真实实测拆它的能力面与边界：能用在哪（平台内对话问答、短任务同步内联、多轮上下文自动管理、UI 配置级接入），不能用在哪（真执行+高危动作、异步长任务与断点式流程、要原始响应/流式输出、跨平台复用）。附场景决策表与凭据配置三个实测坑。Dify 插件、Hermes 接入、Agent 编排选型参考。
2026-09-05 20:13:49
524
原创 Dify 人工确认节点审批通知落地：企业微信 + 邮件双通道
Dify 工作流跑到人工确认节点会暂停等人，但默认没人通知审批人——流程卡在「等通知」。本文实测了把审批链接通过企业微信消息和邮件两条通道送到审批人面前的完整落地：human-input 节点暂停机制与表单令牌获取、企微推送与 SMTP 邮件配置、审批人点链接即批（无需登录）、批准/驳回后流程自动恢复沿分支继续。含四个实测坑：配了输入字段必须填、邮件正文 HTML 链接会消失、审批链接依赖站点地址配置、节点结构后端宽松前端严格（编辑器白屏）。Dify 工作流审批、HITL 人工确认、审批通知集成参考。
2026-09-04 18:09:29
617
原创 AI 应用术语大白话：温度、TopK、召回、Rerank 到底是什么？调参之前先看懂这张地图
做知识库问答、调 AI 应用参数，绕不开温度、TopP、TopK、召回、阈值、Rerank 这一串名词——每个都看得懂，凑在一起不知道先动哪个。本文把 AI 应用里最常见的术语按六个层次排成一张地图：模型旋钮怎么调（附参数取值表）、检索四道闸按什么顺序排查、Agent 与记忆、编排结构、平台形态各是什么，最后给出几组最容易混的对比和一个「太长不看」调参口诀。基于 Dify 1.16.x 实测：检索噪声从 75% 压到 0 靠的不是调参而是元数据过滤，思考模式该关就关——调参前先看懂地图，能少走一半弯路。
2026-09-04 18:03:37
835
原创 给网站配一个 AI 值守：每 30 分钟巡检一轮，异常消息直达企业微信
网站监控怎么做才不折腾？本文给出一套已验证的轻量方案：每 30 分钟自动巡检一轮（站点可达、页面内容、SSL 证书、响应速度、服务器端口），每项检查有明确判定标准，全部正常静默、异常才把告警推到企业微信——消息自带「哪一项异常、实测值多少、期望值多少」。附真实巡检数据（SSL 82 天、响应 0.11 秒）、真实告警消息全文，以及巡检清单「每一项都要回答不盯它会怎样」的制定方法。不需要重型监控系统，30 分钟一轮的轻值守对绝大多数网站够用。
2026-09-03 14:35:08
312
原创 AI 值守是什么？一个没人值班时的值班员，盯网站、盯信息、盯文档
网站没人盯会半夜挂、关心的信息没人看会错过变化、文档没人整理会越积越多——三件不创造价值但必须做的事，一直占着人的时间。「AI 值守」就是让 AI 替你盯着这三类事：网站监控（每 30 分钟巡检，异常推企业微信）、信息盯梢（内容变了推新旧对比）、文档处理（投放即自动清洗成标准语料）。本文讲清一个值守体系长什么样：三个任务共享一套「定时执行、检测对比、异常才通知」的底座，有异常才说话、平时静默、记录可查。附整体架构图与适用边界——适合谁、不适合谁，写清楚。
2026-09-03 14:34:47
396
原创 让 AI 替你盯外部信息：竞品改价、上游发版、公告更新，第一时间知道
竞品改了价格、上游软件发了新版本、招标公告挂了出来——这些「变化」你知道得越晚，吃亏越大，可没人能一天刷八遍网页。本文讲一套已验证的信息盯梢做法：把关心的网页设成目标，定时抓取（每 30 分钟），内容与上次一样就静默、变了就推送「旧值 → 新值」到企业微信。附真实案例：盯 Dify 上游版本发布（消息全文）、盯自己博客更新。重点讲三个机制设计：只报变化不刷屏、状态可追溯、目标可配置——你关心的信息，不该靠运气发现。
2026-09-03 14:34:27
404
原创 Dify 1.17 升级实测（附）：图片直传多模态模型——LLM 节点看图能力的配置与坑
Dify 1.17 打通了图片直传多模态模型的完整链路：上传、文件变量、vision 配置、视觉模型识别。「拍照报障」「图片描述」这类需求落地成本大幅下降。但这条链路有三个容易踩的坑：文件类型白名单是分类枚举、上传必须走 service API、文件绑定上传时的应用。本文是实测记录
2026-09-03 10:22:18
346
原创 Dify 1.17 升级实测（三）：Iteration 迭代内人工审批——逐项确认的审批流怎么做
人工输入表单（HITL）终于在 Iteration 循环内逐项暂停、逐项确认了——「任务清单逐项审批」「批量内容审核」这类需求可以直接做。但 1.17 的迭代节点 DSL 格式大改（与 1.16 不兼容），output_selector 收集格式还有一个静默失败坑。本文是实测记录。
2026-09-03 10:21:24
280
原创 Dify 1.17 升级实测（二）：Agent V2 节点与技能包实测——配置在数据库，不在 DSL
Dify 1.17 的 Agent V2 节点把配置从 DSL 搬进了数据库——DSL 只声明骨架，模型、提示词、工具全部走 composer API 管理。本文用实测链路讲清 Agent V2 怎么配、工作区技能包（Skill）怎么生效，以及「绑定≠生效」这个最容易踩的隐蔽坑。
2026-09-02 21:24:53
654
原创 Dify 1.17 升级实测（一）：从工作流平台到 Agent 平台，升级前必须知道的 5 件事
Dify 1.17.0 升级不是改个镜像 tag 那么简单——新增三个服务、十七张数据表、三处 DSL 破坏性变更。本文基于本机 91 个应用、云端 5 个应用的真实升级过程，梳理升级前必须知道的 5 件事，附升级路径与验证清单
2026-09-02 21:24:30
659
原创 客户演示时，分类节点翻车了——交付 Dify 知识库应用踩过的 5 个坑
做一个 Dify 知识库问答应用，从分类节点演示翻车到检索全是噪声，再到误用 Agent 节点多花 18 倍 token——5 个坑逐个踩过来。本文用一次真实交付串起 Dify 工作流的节点设计经验：分类节点为什么 33% 失败、检索噪声怎么确定性过滤、中文检索为什么为零、Agent 节点和 LLM 节点到底什么区别、验收怎么才敢说「没问题」。文末附 20 节点全景图。
2026-09-01 17:01:07
555
原创 多智能体方案听着高级，我们为什么把 LLM 关进确定性的笼子里？
多智能体方案是当前 AI 应用市场最热的词，但「多个 agent 协作」解决不了 LLM 的根本问题——它是概率组件。本文用四起真实交付事故（分类 3/18 概率失败、查询改写丢关键词、空输出 2/5、照抄任务跑偏）推导一个结论：LLM 是理解与生成的引擎，不是流程的控制者。给出可落地的四层认知链与「三审查」设计纪律：默认不用 LLM，用 LLM 必须有理由、有兜底、有约束。AI 应用要可靠交付，先给 LLM 划好边界。
2026-08-31 15:32:40
252
原创 Dify 应用的可演进性：好的应用，改动是加法而不是重写
交付后要接监控、换数据源、对接系统——你的 Dify 应用是加法还是重写？可演进性是设计职责：预留接口、输出契约、演进路径图成本≈0 必须做，功能实现等真实需求再付费
2026-08-31 12:08:31
251
原创 AI应用上线前怎么验-一套可复用的验收方法论
上一篇立了标准——交付方靠不靠谱，看它的用例质量：用例是长出来的，不是写出来的。这篇从根上讲起：AI 应用是「模型 + harness」两层系统、用例是长出来的，再给出一套可复用的验收方法论——六个评估面 + 节点级取证 + 概率采样 + 用例冻结 + 归因三分 + 版本锚定，每个模块给做法、给实测证据、给踩过的坑。想认真验收但不知道从哪下手的，可以直接照做。
2026-08-31 08:52:37
512
原创 AI应用交付靠不靠谱-看它的用例质量-用例是长出来的
AI 应用交付行业普遍「自测自证」，客户验收凭感觉——但 AI 应用是概率系统，幻觉编造、检索召回不全、多轮上下文丢失这类缺陷，点几下根本测不出来。本文立一个判断标准：交付方靠不靠谱，不看它敢不敢承诺，看它的用例质量——用例是长出来的，不是写出来的，用例里藏着交付方的实践史；独立验收是把用例质量亮出来的方式（只报告不修改、结论敢写不通过、证据可复现），并用多个批次独立验收的实战记录说明这个标准怎么做、为什么可信。
2026-08-31 08:52:18
514
原创 AI 项目交付，为什么必须在您的环境里完成？——方法要经真实环境检验，才能成为适合您的方法
客户常问：「你们方法成熟，为什么不能在自己环境里全做完，直接交付？」这篇正面回答：任何方法都要经过真实环境的检验，才能成为真正适合你的方法。我们做了大量内部实验（实践→方法），但内部环境模拟不了真实业务——你的环境是方法完成验证、修正、落地的地方。这也是为什么我们的交付方式比传统软件开发模式落地性更好：传统模式先想后做、做完才验；我们边做边验、错在当下。
2026-08-31 08:47:12
273
原创 AI项目交付-为什么客户总是不放心-小块做步步验沉淀方法的交付模式
AI 项目交付，客户总是不放心——这不是客户多疑，是直觉正确：传统交付方式在 AI 应用上根本行不通。传统软件开发是「先想后做」（需求文档→闷头开发→交付验收），在确定性系统可行，在概率系统（AI 应用）每一步都在积累错误。我们换了一条认识论路线：边做边验——认识从实践中来、每步被实践检验、沉淀成方法。这条路线的交付形态是三步：对齐成功标准、小块做步步验、用例逐条过。核心不是「做得快」，是「每一步都可验证」
2026-08-31 08:46:56
407
原创 Dify 部署后还能换数据库吗？
Dify 部署完不是自带数据库吗？还能指定外部数据库？这篇文章用实测证据回答：Dify 的数据库是「可替换组件」不是「Dify 的一部分」——docker-compose 默认带容器只是省事选项，.env 里 DB_HOST 一改，就能连任何 PostgreSQL。
2026-08-30 11:09:17
115
原创 日本企业怎么落地Dify-三家大厂方案拆解-カカクコムKDDIみずほ
国内搜 Dify 企业案例，能搜到的是「低代码 AI 平台」的泛泛介绍；日本却有 15+ 家公开案例（官方口径 50+），而且架构细节完整。这篇文章拆解三家代表性大厂——カカクコム（全社 AI 平台化）、KDDI（双环境内制平台）、みずほ（金融治理标杆）——从部署形态、隔离治理、可观测性到落地效果，提炼日本大厂落地 Dify 的共同模式，给国内交付团队可抄的作业。
2026-08-30 10:56:29
172
原创 Dify实战-Dify workflow的确定性与Hermes agent skill的“确定性”对比
上一篇文章说「门户机器人用 Dify 答，因为展示场景要确定性」。有读者问：Hermes 通过 skill 约束，不是也可以做到确定性吗？这篇文章正面回答这个问题：确定性分三层——流程、行为、输出。skill 约束能锁住行为层和部分输出层，但锁不住流程层，因为流程决策权始终在 LLM 手里。用我们自己的四个实测案例证明：文本约束是概率性服从，结构约束才是确定性执行。
2026-08-30 09:18:44
439
原创 数据库里的结构化数据，怎么建立RAG知识库？
前面聊过文档怎么清洗进知识库，但有朋友问：数据存在数据库里（订单表、客户表、规格表），怎么建 RAG？这篇文章讲清楚一个关键认知——数据库数据建 RAG 的难点不在清洗，在「语义化」：结构化记录（字段名+值）直接向量化是语义哑的。给出两条路线（数据转文档 / 查询即上下文）、Dify 落地四路径、和一张选型判断表。
2026-08-30 08:24:27
276
原创 Dify实战-知识库数据清洗后，怎么知道洗得干不干净？
文档清洗完就能建库？不行——「看着干净」和「真的干净」是两回事。本文拆解我们清洗管线的质量门禁：四项 25 分制健康度评分 + 四层验证（格式/内容/结构/下游）+ 污染注入回归，用实测数据说明「评分 99 分为什么还会翻车」「清除率 94% 误伤 0 是怎么测出来的」，以及 H3C 337 份手册空段率 0.01% 背后的门禁逻辑。
2026-08-30 08:24:10
362
原创 Dify实战-知识库三种分段模式：通用、父子、Q&A到底怎么选
把文档灌进 Dify 知识库时，「分段模式」只有通用分段这一个选项吗？不是——Dify 还支持父子模式和 Q&A 模式。本文用同一份语料、同一批问题，在云端实测三种分段模式的检索分数与问答效果，给出「文档形态 → 分段模式」的选型建议，并记录三个实测中踩到的坑（doc_form 传错位置、中文语料生成英文问答、Q&A 模式限流）。
2026-08-30 08:23:54
385
原创 Dify实战-RAG知识库建库前-数据到底该怎么清洗
把几百份混杂格式的文档直接灌进 RAG 知识库，检索会静默劣化——结构瑕疵切出空段、噪声段落抢占候选名额、内容错误命中却答错。本文基于真实项目（337 份手册、3 个知识库、4277 页）沉淀出一条可复用的数据清洗管线：素材预检 → 格式转换（MarkItDown / pandoc / OCR 三路线）→ 去噪去重 → 脱敏 → Dify 分段适配 → 质量门禁（四项评分 + 四层验证）。实测空段率 0.01%、扫描件 OCR 低置信页 0、污染注入清除率 94% 以上且零误伤。文末附适用边界。
2026-08-30 08:23:33
500
原创 执行驱动交付：全流程操作手册——一张表，从项目启动跑到交付沉淀
前七篇分别讲了 EDD 的一个机制——一页纸边界卡、流程裁剪、一轮一刀、活文档、三道阻尼器、验收双面闸、资产复利。这篇把七块拼成一张完整地图：一个项目从启动到交付沉淀，九步怎么走、每一步谁负责、卡在哪道门禁。看完可以直接照着跑。
2026-08-29 09:01:59
114
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人