Dify 实践Agentic RAG:让检索自己会「想一想」,而不是查一次就完传统 RAG 是一锤子检索,问一次、查一次、答一次。Agentic RAG 把检索塞进一个会反思的循环里,查不准就换个方式再来。2026 年 6 月 · JOTO 团队 · 7 分钟阅读
Dify 实践知识库总差一口气?给 Dify 的 RAG 加上混合检索和重排序只靠向量检索,遇到人名、编号、缩写就抓瞎。把关键词检索和重排序补上,准确率往往能立竿见影地上一个台阶。2026 年 6 月 · JOTO 团队 · 7 分钟阅读
AI 落地方法论选 AI 场景,别问「能不能做」,问「值不值得」几乎所有场景大模型都「能做」,但能做不等于该做。真正该先上的,是那些算得过账、还能算清楚账的。2026 年 6 月 · JOTO 团队 · 6 分钟阅读
Dify 实践用 Dify 搭一个会「深挖」的研究工作流普通搜索是查一圈就交差,深度研究是先找出自己「还不知道什么」,再一轮轮带着问题去补,最后给你一份带出处的报告。2026 年 6 月 · JOTO 团队 · 8 分钟阅读
AI 落地方法论AI 项目立项前,先把这几个问题问清楚业务方很多项目返工,不是技术不行,是一开始就没问清楚:谁用、用来干嘛、什么算成功、数据在哪、出错了谁担。2026 年 6 月 · JOTO 团队 · 6 分钟阅读
Dify 实践把提示词当「规格说明书」写,而不是当聊天生产环境要的不是灵光一闪的回答,而是稳定、可复现、有据可查的输出。提示词这时候更像工程规格,得按工程的标准来写。2026 年 5 月 · JOTO 团队 · 7 分钟阅读
AI 落地方法论为什么很多企业的 AI 项目,卡在 Demo 之后就没动静了Demo 现场掌声很响,三个月后却悄无声息。问题往往不在模型,而在没人为「最后一公里」负责。2026 年 5 月 · JOTO 团队 · 6 分钟阅读
Dify 实践企业级 RAG 的脏活,交给 Dify 知识流水线数据源散、解析切分丢信息、处理过程像黑盒——这是企业 RAG 三大老大难。知识流水线把这套处理变成看得见、可调试的工作流。2026 年 5 月 · JOTO 团队 · 7 分钟阅读
Dify 实践用 Dify 搭第一个企业智能体,这几个坑我们替你踩过了搭起来很快,但要它在真实业务里稳得住,提示词、知识库、工具调用和兜底这几处,新手最容易翻车。2026 年 5 月 · JOTO 团队 · 7 分钟阅读
Dify 实践让 Dify 工作流自己跑起来:三种触发方式怎么选工作流不一定非得人点一下才动。定时、应用事件、Webhook 三种触发器,能让 AI 从被动应答变成主动干活。2026 年 5 月 · JOTO 团队 · 6 分钟阅读
Dify 实践Dify 社区版跑得挺顺,要上生产前我想先泼盆冷水社区版做原型很香,但真要扛业务流量,数据隔离、升级路径和高可用这几件事最好提前想清楚。2026 年 5 月 · JOTO 团队 · 7 分钟阅读
Dify 实践Dify 还是 LangChain?别急着站队,先看你要解决什么一个是低代码可视化平台,一个是灵活的 Python 库。它们不是替代关系,选哪个取决于你的团队、场景和对控制力的需求。2026 年 5 月 · JOTO 团队 · 6 分钟阅读
Dify 实践Dify 里的工作流和智能体,到底什么时候用哪个流程固定、步骤清楚的用工作流;需要随机应变、自己决定下一步的用智能体。选错了,事倍功半。2026 年 5 月 · JOTO 团队 · 6 分钟阅读
Dify 实践LLMOps 里的那个 Ops,到底在运维什么做出一个 AI 应用只是开始。让它上线后持续被监控、被评估、被改进,这套「运营」的功夫,才是 LLMOps 里最容易被忽略的部分。2026 年 5 月 · JOTO 团队 · 6 分钟阅读
行业场景制造业想用大模型做 FMEA,先想清楚这三件事FMEA 不是写作文,它要的是经验的复用和一致性。大模型能帮上忙,但前提是你把历史故障库喂对了。2026 年 4 月 · JOTO 团队 · 6 分钟阅读
Dify 实践当工作流学会「自己拿主意」:聊聊 Dify 的 Agent 节点固定工作流是你把每一步都画好;Agent 节点则把「下一步该干啥」交给模型自己判断。它带来灵活,也带来不可预测,关键是用对地方。2026 年 4 月 · JOTO 团队 · 7 分钟阅读
Dify 实践把 Dify 应用变成 MCP 服务,让 AI 工具互相「认识」MCP 让智能体和工具不用硬编码就能互相发现、互相调用。Dify 既能当客户端去用别人的服务,也能把自己的应用发布成 MCP 服务给别人用。2026 年 4 月 · JOTO 团队 · 6 分钟阅读
AI 安全大模型接进业务系统之前,这几类风险得先测一遍提示词注入、数据泄露、内容合规、幻觉、滥用——上线前花一周做对抗测试,比上线后救火划算得多。2026 年 4 月 · JOTO 团队 · 7 分钟阅读
客户案例复盘把合同审查从两三周压到几天,我们踩过的弯路一个真实项目的复盘:不是上来就接全量合同,而是先挑一类合同、定准一个口径,把信任一点点建起来。2026 年 3 月 · JOTO 团队 · 7 分钟阅读
产品更新唯客 AI 护栏更新:把检测做到了请求的前后两端只看模型输出是不够的。这次我们把防线架到了请求进来和回答出去的两端,堵住更多绕过的可能。2026 年 3 月 · JOTO 团队 · 5 分钟阅读
产品更新ChatBI 智能问数:我们为什么把最多力气花在「问不对怎么办」自然语言查数最大的风险,不是查不出来,是查错了你还以为对。这次更新,重点全在「让错误暴露出来」。2026 年 3 月 · JOTO 团队 · 6 分钟阅读
技术架构企业知识库的权限,别等出事了才想起来设计知识库一接入大模型,权限就从「能不能看见文件」变成了「能不能问出内容」。这道题,得在上线前做对。2026 年 2 月 · JOTO 团队 · 6 分钟阅读
AI 安全提示词注入到底怎么防?讲讲我们的分层思路没有一招能彻底防住注入。能做的是层层设防:输入侧过滤、权限隔离、输出侧检查,叠起来把风险压到可接受。2026 年 2 月 · JOTO 团队 · 7 分钟阅读
客户案例复盘一个会议纪要助手,怎么从「没人用」做到「全员催更新」上线第一版几乎没人用。后来我们没加功能,反而做减法,把它塞进了大家本来就在用的工具里。2026 年 1 月 · JOTO 团队 · 6 分钟阅读
客户案例复盘质量报告:把两小时的活压到几分钟,我们到底改了什么不是把模型一接就完事。真正起作用的,是先把散落的数据和那套没人说得清的「报告规矩」给收拢了。2026 年 1 月 · JOTO 团队 · 6 分钟阅读