引言：熟悉的起点，陌生的旅程

对于许多AI应用开发者而言，Coze（扣子）是一个绝佳的起点。它以“Bot”（机器人）为核心，将提示词、插件、知识库、工作流等能力高度整合，提供了一种“All-in-One”的直观体验。我们习惯于在一个界面中，通过不断“赋能”来让一个Bot变得更强大。

然而，当我们带着这种熟悉的“Coze思维”踏入另一个功能强大、备受专业开发者青睐的平台——Dify时，常常会感到困惑，甚至碰壁。

本文将通过一次真实的深度对话，完整复盘一个开发者从尝试复刻Coze应用，到逐步理解Dify核心设计哲学，最终豁然开朗的全过程。这不仅是一份“避坑指南”，更是一次关于两种不同产品理念的深度探索。

---

第一站：认知碰撞 —— “一个机器人” vs “多种应用”

遇到的问题：

我想用Dify构建一个“知识建模”智能体。在Coze里，我只需要创建一个Bot，写好结构化提示词，它就能成为一个纯对话专家。如果需要联网或计算，再给它加上插件即可。但在Dify里，我一上来就面临选择：聊天应用、智能助手、文本生成……我该选哪个？

顿悟与解决：

这是从Coze到Dify的第一个认知转换点。Dify将应用场景做了专业化拆分。

• Coze 的哲学： “全能机器人模型”。提供一个核心Bot，开发者通过添加不同能力（插件、知识库）来使其进化。Bot的形态始终如一。

• Dify 的哲学： “专业化应用模型”。开发者需要先明确自己的核心需求，然后选择最匹配的应用类型。

• • 聊天应用 (Chat App)： 对应Coze的纯对话Bot。它的核心是Prompt，专为多轮对话设计。
  • 智能助手 (Agent App)： 对应Coze的**“带插件的Bot”**。它的核心是让LLM学会思考和使用工具（Tools）。

核心结论 #1： 在Dify中，先问自己“我需不需要调用外部工具？”。如果不需要，从“聊天应用”开始；如果需要，那么“智能助手”是你的目标。

---

第二站：实践壁垒 —— 我想要的“文件上传”在哪里？

遇到的问题：

我的“知识建模”智能体，不仅需要调用插件分析数据（Agent能力），还需要用户上传原始文档（文件上传能力）。在Coze里，文件上传是Bot自带的功能。但在Dify中，我发现一个巨大的矛盾：

• 智能助手 (Agent App) 拥有我需要的插件逻辑，但其标准对话界面没有文件上传按钮。
• 聊天应用 (Chat App) 倒是有文件上传功能，但它需要开启一种叫做 Chatflow**（工作流）** 的模式。

顿悟与解决：

这个问题的出现，标志着我们必须深入Dify的核心——Chatflow。Dify的设计中，UI功能和底层逻辑在不同模块中。

• “文件上传”被视为一种流程的“数据输入”能力，因此它被设计在了Chatflow的 开始 节点里。
• “插件调用”被视为一种“智能决策”能力，是 智能助手 (Agent) 的核心逻辑。

为了同时获得这两种能力，我们不能再用Dify的基础模式，而必须采用“曲线救国”的方案：

核心结论 #2： 在Dify中，要实现“文件上传 + 插件调用”的复杂需求，正确的路径是：创建一个 聊天应用，然后立即进入其 Chatflow 模式，在工作流中手动编排所有逻辑。

---

第三站：终极挑战 —— 在 Chatflow 中如何调用工具？

遇到的问题：

好的，我现在进入了Chatflow。我配置好了 开始 节点来接收文件。接下来，我理所当然地认为，应该添加一个 LLM 节点，在它的Prompt里指示它去调用工具。但是我翻遍了 LLM 节点的设置，也找不到任何可以配置或添加工具的地方！

顿悟与解决：

这是本次旅程中最关键、也最容易出错的一步，它体现了Dify对功能模块的极致拆分。

• 过去的误解： 认为 LLM 节点是万能的，既能“说”，也能“做”。

• 正确的认知： Dify在Chatflow中，将“说”和“做”分成了两个不同的节点！

• • LLM 节点： 是一个纯粹的文本生成器。它的职责就是根据上下文和指令“说话”。
  • 智能助手 (Agent) 节点： 是一个专门的思考与行动者。它的职责是接收任务，自主思考，并调用工具来完成任务。

核心结论 #3： 在Dify的Chatflow中，如果要调用工具，必须使用 智能助手 (Agent) 节点，而不是 LLM 节点。这是最核心的操作分野。

---

第四站：融会贯通 —— Agent 的两种“大脑”：ReAct vs Function Calling

遇到的问题：

成功添加并配置 Agent 节点后，发现它内部还有两种模式可选：ReAct 和 Function Calling。它们又是什么？

顿悟与解决：

这是对Agent工作原理的深入理解，代表着我们已从“如何用”进入到“如何用好”的阶段。

• Function Calling（函数调用）： 像一个**“任务派单员”**。接到明确指令，直接匹配工具并执行。它高效、结构化，适合意图明确、单工具就能解决的任务（如“查天气”）。
• ReAct（思考与行动）： 像一个**“侦探”**。通过“思考→行动→观察”的循环，一步步拆解复杂问题，处理中间结果，最终找到答案。它过程透明，适合需要多工具协作、多步骤推理的复杂任务（如“规划旅行并预订”）。

核心结论 #4： 根据任务的复杂性，为你的Agent选择合适的“思考模式”。简单直达用 Function Calling，复杂推理用 ReAct。

---

总结：从“趟坑”到“通透”

从Coze到Dify的这段旅程，表面上看是解决一个个操作问题，实际上是一次思维模式的转变——从习惯于平台的“智能黑盒”，到学会运用平台的“逻辑白盒”。

我们的关键顿悟清单：

1. 忘记“全能Bot”： 在Dify中，首先根据是否需要调用工具，在 聊天应用 和 智能助手 之间做选择。
2. 拥抱 Chatflow ： 对于文件上传等复杂输入或多插件协作的场景，聊天应用 + Chatflow 模式是你的万能解。
3. 职责分明： 在Chatflow中，让 LLM 节点专心“说话”，让 Agent 节点专心“干活”（调用工具）。
4. 选择大脑： 根据任务是简单还是复杂，为 Agent 节点选择 Function Calling 或 ReAct 模式。

希望这份“趟坑”实录，能为你节省宝贵的探索时间，让你在Dify这个充满无限可能的平台上，更自信、更高效地构建出真正强大的AI应用。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】