用 Dify 搭第一个企业智能体,这几个坑我们替你踩过了

Dify 的好处之一,是让搭一个智能体变得很快。但「跑起来」和「能在业务里天天用」之间,还隔着一些只有踩过才知道的坑。这篇把我们替不少团队踩过的几个,整理出来。

坑一:提示词写得像许愿,而不是像说明书

新手最常见的问题,是把提示词写成一段美好的愿望——「你是一个专业、贴心、全能的助手」。模型读完还是不知道具体该干嘛。好的提示词更像给新员工的工作说明书:明确角色、明确任务边界、明确什么该做什么不该做、给几个例子。越具体,输出越稳。

坑二:知识库一股脑全塞进去

以为把所有文档都挂上,智能体就无所不知,结果恰恰相反。文档一多、又杂又旧,检索时召回一堆不相关的内容,回答反而更差。先挂一个范围清晰、质量过关的小知识库,跑准了再扩,比一上来就贪大要稳得多。

“知识库不是越大越聪明。喂进去一堆过期文档,等于给智能体灌了一脑子错误记忆。

坑三:工具调用不设边界

给智能体接上查数据库、调接口的能力很强大,但也很危险。如果不限制它能调什么、能传什么参数,一旦被诱导,它可能去查不该查的数据、做不该做的操作。工具的权限边界,要在配置时就卡死,而不是指望提示词里写一句「请不要乱来」。

坑四:没想好「答不上来时说什么」

总有用户会问超出范围的问题。如果没设计兜底,智能体要么硬编一个答案(幻觉),要么回一句冷冰冰的报错。提前定义好「这个我帮不了,建议你联系 XX」这类兜底回复,体验会好很多,也更显专业。

上线前,自己当回刁钻用户

搭完别急着发布。花半小时,自己扮演各种刁钻用户去问它:问范围外的、问模糊的、故意带它跑偏的、连续追问的。能扛住这一轮,再放给真实用户,基本就不会在第一天就翻车。

上线之后,记得回去看对话记录

很多人搭完、测完、发布了,就当这事结束了。其实真正的优化,从用户开始用才刚开始。定期翻一翻真实对话记录,你会发现一堆测试时根本想不到的问题:用户的提问方式千奇百怪、有些需求反复出现却没覆盖、某类问题智能体总答不好。这些都是最真实、最值钱的优化线索。

我们一般会建议客户养成一个习惯:每周花半小时翻对话记录,挑几条答得不好的,顺手改进提示词或补充知识库。一个智能体好不好用,不是上线那天定的,是在这种持续的小迭代里慢慢长出来的。

别让一个智能体什么都管

新手还容易犯一个贪心的错:想做一个「全能智能体」,既能查知识、又能下单、又能分析数据,什么都塞给它。结果它什么都会一点、什么都不精,提示词越堆越长,行为也越来越不可控。更稳的做法是拆——一个智能体只管好一件事,复杂的需求用工作流把几个专职的智能体串起来。职责单一,既好调试,也好维护。

这背后是个朴素的道理:智能体不是越「聪明全能」越好,而是越「边界清晰」越可靠。第一个智能体,尤其建议从一个小而明确的职责做起,跑稳了再考虑组合。贪多求全,往往是第一个智能体最后没人用的根本原因。

Dify 把搭建的门槛降得很低,但「做出来」和「做得好」之间的差距,依然在这些细节里。第一个智能体做扎实了,后面的会越来越顺手。

留下你的场景和痛点,我们帮你判断从哪一步开始。