Blog
Industrial AI in practice, AI tool tutorials, automation deep dives
Dify Agent 节点完全指南：构建自主规划的工业级 AI 智能体
结合20年工业落地经验，深度拆解Dify Agent节点机制。通过设备故障诊断实战，探讨复杂任务拆解、容错控制与ROI，为工业级智能体落地提供务实指南。
Coze 多智能体协同实战：设计复杂业务流程的 AI 团队
本文从工业AI落地视角，直击多智能体协同中的上下文污染、死循环与状态丢失痛点，结合Coze架构拆解设备故障诊断等复杂业务的状态机流转与API容错设计，提供高可用编排方案。
大模型应用成本优化：Token 消耗控制与推理效率提升
结合20年工业AI落地经验，深度剖析大模型Token消耗陷阱。通过语义缓存、上下文压缩、模型路由与契约层计费，实现企业级应用降本30%以上的实战路径与管控模型。
Dify 工作流深入解析：从节点到自动化
在上篇文章中，我们对 Dify 做了一个全面的入门介绍。今天我们要深入 Dify 最核心的部分——工作流系统（Workflow）。无论你是用聊天流程、文本生成还是API服务，底层都是工作流引擎在驱动。理解工作流，就理解了 Dify 的灵魂。
扣子平台入门：空间、项目与智能体
如果你关注 AI 应用开发领域，最近一年一定频繁听到"扣子"（Coze）这个名字。这个由字节跳动推出的 AI 应用开发平台，正在用一种全新的方式重新定义"开发"这件事。
Dify 入门指南：开源 LLMOps 平台全景介绍
--- title: Dify 入门指南：开源 LLMOps 平台全景介绍 date: 2026-05-08 tags: Dify, LLMOps, AI, RAG, Workflow category: AI 工具链 ---
Dify 基础入门：开源 AI 应用开发平台全面解析
在 AI 应用开发领域，如果你关注开源解决方案，Dify 一定是一个绕不开的名字。与扣子这类闭源平台不同，Dify 是一个开源的 LLM 应用开发平台，由 LangGenius 团队开发，在 GitHub 上拥有超过 10 万颗星。它提供了一站式的 AI 应用构建能力——从模型选择、知识库管理、工作流编排到部署发布，全
三大工程在 Coze 中的应用（下篇）：Harness 工程与 Vibe Coding
前两篇我们分别讨论了提示词工程（让模型理解任务）和上下文工程（让模型记住信息）。这篇是三大工程的收官之作——Harness 工程。
Coze 实用技能大全：插件、知识库与技能系统详解
在 Coze 上搭建一个智能体，提示词定义了它的"性格"，但真正决定它能做什么的，是它的技能体系——插件、知识库、技能，这三者构成了 Coze 智能体的能力底座。