零基础开发AIAgent——用Dify从0到1做智能体

这是一本面向零基础、非IT技术背景读者的Agent开发实战指南。本书以Dify为Agent开发平台，采用案例教学的方式手把手教你如何用Dify开发Agent。无须编程，你也可以开发功能丰富的Agent。本书采用“方法总结-工具操作-项目实战”的结构循序渐进展开介绍，共9章。首先，本书揭示了Agent在AI应用落地中具有的场景化、流程化、个性化、本地化的价值，总结了生产级Agent的开发流程与开发注意事项。然后，本书介绍了Dify的平台特性与使用方式，详细演示了Dify在本地电脑及云服务器上的部署方法与操作步骤，以案例化的形式展示Dify的5种AI应用的特点，并借助10余个案例详细介绍了Dify的18个工作流节点的具体使用方法。最后，本书选取了发票识别与处理、长文档处理、本地知识问答、人才招聘这4个典型的业务场景，用6个典型的项目案例，手把手演示了从需求分析、运行流程、节点设计到运行效果的全链路Agent开发过程，并总结了每个案例的开发经验，为你提供了开发类似功能的Agent的思路。

第1章 从大模型到AI Agent 1
1.1 Agent的概念与工作原理 1
1.1.1 Agent的概念 1
1.1.2 Agent的工作原理 2
1.2 Agent在AI应用落地中的价值 3
1.2.1 场景化 3
1.2.2 流程化 5
1.2.3 个性化 8
1.2.4 本地化 9
1.3 Agent正在从好玩走向好用 10
1.3.1 好用的AI应用――生产级Agent 10
1.3.2 生产级Agent助力企业经营管理突破 13
第2章 Dify介绍及Agent开发流程 17
2.1 快速了解Agent开发平台及Dify 17
2.1.1 Agent开发平台速览 17
2.1.2 Agent开发平台的分类与使用 18
2.1.3 Agent开发平台与通用Agent平台的区别 19
2.1.4 Dify的特点与优势 20
2.2 Dify的使用方式 23
2.2.1 用云服务方式使用Dify 23
2.2.2 部署并使用Dify社区版 27
2.3 生产级Agent的开发流程 27
2.3.1 如何开发一个生产级Agent 27
2.3.2 开发生产级Agent的注意事项 30
第3章 部署Dify的开发环境 32
3.1 部署Dify的总体方案 32
3.2 部署Docker 34
3.2.1 在本地电脑上部署Docker 34
3.2.2 在云服务器上部署Docker 42
3.3 部署Dify 45
3.3.1 下载Dify的源代码文件 45
3.3.2 部署Dify服务端 47
3.3.3 在前端访问Dify 50
3.3.4 在云服务器上部署Dify 51
3.4 部署模型管理平台 52
3.4.1 什么是模型管理平台 52
3.4.2 部署Ollama 53
3.4.3 部署Xinference 59
3.4.4 Dify接入模型管理平台 63
3.4.5 在云服务器上部署模型管理平台 70
第4章 Dify的功能介绍及5种应用 73
4.1 Dify的主页面 73
4.1.1 探索页面 73
4.1.2 工作室页面 74
4.1.3 知识库页面 74
4.1.4 工具页面 75
4.2 Dify的5种应用 76
4.2.1 聊天助手 77
4.2.2 Agent 80
4.2.3 文本生成应用 83
4.2.4 Chatflow（对话工作流） 86
4.2.5 工作流 96
4.3 Dify知识库 98
4.3.1 Dify知识库的功能 98
4.3.2 创建Dify知识库 99
4.3.3 知识库分段及检索参数配置 101
4.3.4 连接外部知识库 108
4.4 Dify工具扩展 109
4.4.1 来自市场的工具 110
4.4.2 自定义工具 111
4.4.3 作为工具发布的工作流 111
第5章 Dify工作流节点详解及实操案例 113
5.1 数据预处理模块 114
5.1.1 开始节点 114
5.1.2 知识检索节点 116
5.1.3 变量赋值节点 117
5.1.4 参数提取器节点 122
5.1.5 代码执行节点 124
5.1.6 文档提取器节点 127
5.1.7 列表操作节点 129
5.1.8 变量聚合器节点 131
5.2 数据生成模块 132
5.2.1 LLM节点 132
5.2.2 问题分类器节点 137
5.2.3 条件分支节点 139
5.2.4 迭代节点 142
5.2.5 循环节点 145
5.3 数据输出模块 148
5.3.1 模板转换节点 148
5.3.2 HTTP请求节点 149
5.3.3 Agent节点 151
5.3.4 结束节点 154
5.3.5 直接回复节点 154
第6章 开发发票识别助手Agent 156
6.1 项目需求：自动识别并初步审核发票 156
6.1.1 业务场景概述 156
6.1.2 传统手工作业的痛点 156
6.1.3 发票识别助手Agent的功能 157
6.2 发票识别助手Agent的开发过程详解 157
6.2.1 入门案例：开发增值税发票识别助手Agent 158
6.2.2 进阶案例：多类型发票聚合识别助手Agent 165
6.3 举一反三：Agent开发小结与场景延伸 183
第7章 开发标书阅读与内容框架生成助手Agent 185
7.1 项目需求：自动识别标书的关键内容并生成内容框架 185
7.1.1 业务场景概述 185
7.1.2 传统手工作业的痛点 185
7.1.3 标书阅读与内容框架生成助手Agent的功能 186
7.2 标书阅读与内容框架生成助手Agent详解 187
7.2.1 入门案例：开发标书阅读助手Agent 187
7.2.2 进阶案例：开发标书阅读与内容框架生成助手Agent 199
7.3 举一反三：Agent开发小结与场景延伸 213
第8章 开发本地知识问答助手Agent 214
8.1 项目需求：在确保数据安全前提下智能问答 214
8.1.1 业务场景概述 214
8.1.2 建设公司知识库的痛点 214
8.1.3 本地知识问答助手Agent的功能 215
8.2 本地知识问答助手Agent的开发过程详解 216
8.2.1 本地配置公司知识库 216
8.2.2 解读及设置知识库参数 220
8.2.3 创建本地知识问答助手Agent 223
8.2.4 本地知识问答助手Agent开发过程展示 228
8.3 本地知识问答助手Agent的运行效果 230
8.4 举一反三：Agent开发小结与场景延伸 235
第9章 开发人才招聘数字员工Agent 237
9.1 项目需求：从收集岗位需求到评估面试的人才招聘全流程AI化 237
9.1.1 业务场景概述 237
9.1.2 传统的人才招聘工作的痛点 238
9.1.3 人才招聘数字员工Agent的功能 239
9.2 人才招聘数字员工Agent的开发过程详解 240
9.2.1 人才招聘数字员工Agent的运行流程图 240
9.2.2 创建人才招聘数字员工Agent 241
9.2.3 编排人才招聘数字员工Agent 243
9.3 人才招聘数字员工Agent的运行效果 265
9.4 举一反三：Agent开发小结与场景延伸 275