Dify¶

开源可视化 AI 应用平台——用拖拽式界面构建 Agent 和 RAG 工作流，降低 AI 应用的开发门槛。

工作流执行¶

Graph JSON 结构¶

工作流以 JSON 格式存储在数据库 workflows 表的 graph 字段中，核心结构如下：³

{
  "nodes": [
    {
      "id": "node_123",
      "type": "agent",
      "data": {
        "title": "客服 Agent",
        "agent_strategy_provider_name": "dify",
        "agent_strategy_name": "function-calling",
        "agent_parameters": {...}
      },
      "position": {"x": 100, "y": 200}
    }
  ],
  "edges": [
    {
      "id": "edge_456",
      "source": "node_123",
      "target": "node_789",
      "type": "custom"
    }
  ]
}

主要节点类型¶

⁴

Agent 节点详解¶

输入结构¶

配置输入（节点定义）：

class AgentNodeData:
    agent_strategy_provider_name: str      # 策略提供者（默认 "dify"）
    agent_strategy_name: str               # 策略名称：function-calling / react / cot
    memory: MemoryConfig | None           # 记忆配置
    agent_parameters: dict[str, AgentInput]  # 参数字典（包含模型、system prompt 等）

策略说明： - agent_strategy_provider_name = "dify"：使用 Dify 内置的策略实现 - agent_strategy_name：Agent 执行策略 - function-calling：基于 Function Calling 的策略 - react：ReAct 策略（推理-行动循环） - cot：Chain-of-Thought 策略

运行时输入（节点执行）：

agent_parameters: dict[str, AgentInput]

参数字典，key 是参数名（如 "system_prompt"、"model"），value 是 AgentInput 对象。

策略定义的参数： 策略（如 function-calling）定义了自己需要的参数，常见的有： - system_prompt：系统提示词（STRING 类型） - model：模型配置（MODEL_SELECTOR 类型） - tools：工具列表（TOOLS_SELECTOR 类型） - user_input：用户输入（STRING 类型）

AgentInput.type（值的来源类型）：

AgentInput.value（实际值类型）： 根据参数的数据类型不同，value 可以是： - 字符串：用于 STRING 类型参数（如 system_prompt） - 字典：用于 MODEL_SELECTOR 类型参数（如 {"provider": "openai", "model": "gpt-4o-mini", "model_type": "llm"}） - 列表：用于 TOOLS_SELECTOR 类型参数 - 其他类型：数字、布尔值等

执行时根据 AgentInput.type 解析：如果是 variable 或 mixed，从 VariablePool（工作流共享状态）中获取变量值，最终构建成 params: dict[str, Any] 传给策略的 invoke() 方法。

示例：

agent_parameters: {
  "system_prompt": {              # 参数名（策略定义，STRING 类型）
    "type": "constant",           # 值的来源类型
    "value": "你是一个客服助手"   # 实际值（字符串）
  },
  "model": {                      # 参数名（策略定义，MODEL_SELECTOR 类型）
    "type": "constant",           # 值的来源类型
    "value": {                    # 实际值（字典）
      "provider": "openai",
      "model": "gpt-4o-mini",
      "model_type": "llm"
    }
  },
  "user_input": {
    "type": "variable",
    "value": "{{start.user_query}}"
  }
}

策略调用参数：

strategy.invoke(
    params: dict[str, Any],              # 构建后的参数字典
    user_id: str,
    conversation_id: str | None,
    app_id: str | None,
    credentials: InvokeCredentials | None
)

输出结构¶

Generator[ToolInvokeMessage, None, None]

消息类型： - TEXT: 纯文本响应 - JSON: JSON 对象（结构化数据） - VARIABLE: 变量赋值（传递给下游节点） - LOG: 工具调用日志 - RETRIEVER_RESOURCES: RAG 检索结果 - BLOB / BLOB_CHUNK: 二进制数据（流式）

结束条件： 1. 模型输出 {"action": "final answer", "action_input": "..."} 2. 达到最大迭代次数（默认上限 99 次） 3. 解析失败（无法提取有效动作）

⁵

Graphon 执行引擎¶

项目信息¶

核心定位¶

Graphon 是 LangGenius（Dify 团队）开源的图执行引擎，专门用于编排和执行 Agent 工作流²。

技术亮点¶

• 队列驱动的事件编排：基于队列的 GraphEngine，事件驱动执行
• 图解析与验证：完整的图解析、验证和流式构建 API
• 共享运行时状态：统一的 GraphRuntimeState、VariablePool 和工作流执行领域模型
• 内置节点实现：提供 20+ 种内置节点类型（start、llm、tool、if-else、loop 等）
• 可插拔模型运行时：统一的模型运行时接口，支持本地 SlimRuntime 和分布式运行时
• 集成协议：HTTP、文件、工具、人机输入的标准协议
• 可扩展引擎层：支持自定义引擎层和外部命令通道

与 Dify 的关系¶

Dify (应用层)
  - Web UI、Agent 管理、知识库、工具集成
  ↓ 依赖
graphon (执行引擎层)
  - 图解析、节点编排、变量系统、模型抽象

设计优势： - 关注点分离：graphon 专注图执行逻辑，Dify 专注应用层功能 - 可复用性：graphon 可被其他项目独立使用 - 版本独立：graphon 可独立迭代，不依赖 Dify 发布周期

⁶

技术亮点¶

• 可视化工作流编排：通过 Web UI 拖拽节点构建 Agent 工作流（LLM 调用、条件分支、工具调用、代码执行），无需写代码即可组装复杂流程。适合快速原型验证和非工程背景用户
• 内置 RAG 管线：平台内集成文档上传、分块、嵌入、向量存储和检索全流程，与 Agent 工作流无缝衔接。省去自建 RAG 基础设施的工程量
• Backend-as-a-Service：构建的应用直接暴露 API 端点，可作为后端服务集成到现有系统中
• Graphon 执行引擎：基于自研的图执行引擎，提供统一的节点抽象、变量系统和事件流，支持自定义节点和运行时扩展

参考资料¶