> ## Documentation Index > Fetch the complete documentation index at: https://dify-6c0370d8-add-new-agent.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Agent > 让 LLMs 自主完成复杂任务 ⚠️ 本文档由 AI 自动翻译。如有任何不准确之处，请参考[英文原版](/en/use-dify/nodes/agent)。 在[沙盒运行时](/zh/use-dify/build/runtime#沙盒运行时)中，Agent 节点赋予 LLM 自主执行命令行的能力，使其可以调用工具、运行脚本、访问内部[文件系统](/zh/use-dify/build/file-system)和外部资源，以及创建多模态输出。 这也带来了权衡：更长的响应时间和更高的 Token 消耗。要更快更高效地处理简单任务，可以关闭 **[Agent 模式](#启用命令执行（agent-模式）)** 来禁用这些功能。 ## 选择模型 从你已配置的提供商中选择最适合任务的模型。 选择后，你可以调整模型参数来控制其生成响应的方式。可用的参数和预设因模型而异。 ## 编写提示词 指导模型如何处理输入和生成响应。输入 `/` 可插入变量或文件系统中的资源，输入 `@` 可引用 [Dify 工具](/zh/use-dify/workspace/tools)。 如果你需要的资源在文件系统中尚不存在，点击 **添加文件** 可直接创建或上传文件。默认的 *work* 是根目录。 创建新文件时，你可以输入带扩展名的文件名（例如 `report.md`）。文件创建后为空——你可以先在提示词中引用它，稍后再在文件系统中填充内容。 在提示词中添加文件 如果你不确定从哪里开始或想优化现有的提示词，可以试试我们的 AI 辅助提示词生成器。 提示词生成器图标 提示词生成器界面 ### 指定指令和消息 定义系统指令并点击**添加消息**来添加用户/助手消息。它们会按顺序在提示词中发送给模型。 想象你正在与模型直接对话： * **系统指令**设定模型响应的规则——角色、语气和行为准则。 * **用户消息**是你发送给模型的内容——问题、请求或要模型完成的任务。 * **助手消息**是模型的回复。 ### 将输入与规则分离 在系统指令中定义角色和规则，然后在用户消息中传递实际的任务输入。例如： ```bash wrap theme={null} # 系统指令 你是一名儿童故事作家。根据用户输入写一个故事。使用简单的语言和温暖的语气。 # 用户消息 写一个关于兔子和害羞的刺猬成为朋友的睡前故事。 ``` 虽然将所有内容放在系统指令中看起来更简单，但将角色定义与任务输入分离可以为模型提供更清晰的结构。 ### 模拟对话历史 你可能会想：既然助手消息是模型的回复，为什么要手动添加它们？ 通过交替添加用户和助手消息，你可以在提示词中创建模拟的对话历史。模型会将这些视为之前的对话，这有助于引导其行为。 ### 从上游 LLM 导入对话历史 点击**添加对话历史**，从上游 Agent 节点导入对话历史。这让模型了解上游发生了什么，并从其结束的地方继续。 对话历史包括**用户**消息、**助手**消息和**工具**消息。你可以在 Agent 节点的 `context` 输出变量中查看。 系统指令不包含在内，因为它们是节点特定的。 这在串联多个 Agent 节点时非常有用： * 不导入对话历史时，下游节点只接收上游节点的最终输出，不知道它是如何得出结论的。 * 导入对话历史后，它可以看到整个过程：用户问了什么、调用了哪些工具、返回了什么结果、模型是如何推理的。 **在自动添加的用户消息中指定你的新任务。** 导入的历史会被添加到当前节点消息的前面，因此模型将其视为一个连续的对话。由于导入的历史通常以助手消息结束，模型需要一条后续的用户消息来知道下一步该做什么。 假设两个 Agent 节点依次运行：Agent A 分析数据并生成图表图片，保存到沙盒的输出文件夹。Agent B 创建包含这些图表的最终报告。 如果 Agent B 只接收 Agent A 的最终文本输出，它知道分析结论，但可能不知道生成了什么文件或文件存储在哪里。 通过导入 Agent A 的对话历史，Agent B 可以从工具消息中看到确切的文件路径，从而可以在报告中访问和嵌入这些图表。 以下是 Agent B 导入 Agent A 对话历史后看到的完整消息序列： ```bash wrap theme={null} # Agent B 的系统指令 1. System: "你是一名报告设计师。创建包含可视化内容的专业报告。" # 来自 Agent A 2. User: "分析 Q3 销售数据并创建可视化图表。" # 来自 Agent A 3. Tool: [bash] 已创建柱状图：/output/q3_sales_by_region.png 4. Tool: [bash] 已创建趋势线：/output/q3_monthly_trend.png # 来自 Agent A 5. Assistant: "我已分析 Q3 销售数据并创建了两个图表..." # Agent B 的用户消息 6. User: "创建包含已生成图表的 PDF 报告。" ``` 通过导入 Agent A 的对话历史，Agent B 可以确切地知道哪些文件存在以及它们的位置，因此可以直接将它们嵌入报告。 ### 使用 Jinja2 创建动态提示词 使用 [Jinja2](https://jinja.palletsprojects.com/en/stable/) 模板在提示词中添加条件、循环和其他逻辑。例如，根据变量值定制不同的指令。 ```jinja2 wrap theme={null} 你是一个 {% if user_level == "beginner" %}耐心友好 {% elif user_level == "intermediate" %}专业高效 {% else %}资深专家级 {% endif %} 的助手。 {% if user_level == "beginner" %} 请用简单易懂的语言解释，必要时提供示例。避免使用技术术语。 {% elif user_level == "intermediate" %} 你可以使用一些技术术语，但需提供适当解释。提供实用建议和最佳实践。 {% else %} 你可以深入技术细节并使用专业术语。重点关注高级用例和优化方案。 {% endif %} ``` 默认情况下，你需要将所有可能的指令发送给模型，描述条件，然后让模型自行决定遵循哪些——这种方法往往不够可靠。 使用 Jinja2 模板，只有符合定义条件的指令会被发送，确保行为可预测并减少 Token 使用。 ## 启用命令执行（Agent 模式） 开启 **Agent 模式**，让模型使用内置的 bash 工具在沙盒运行时中执行命令行。 这是所有高级功能的基础：当模型调用其他任何工具、执行文件操作、运行脚本或访问外部资源时，它都是通过调用 bash 工具来执行底层的命令行。 对于不需要这些功能的简单快速任务，可以关闭 **Agent 模式** 以获得更快的响应和更低的 Token 消耗。 **调整最大迭代次数** **高级设置**中的**最大迭代次数**限制了模型对单次请求可以重复其推理-行动循环（思考、调用工具、处理结果）的次数。 对于需要多次工具调用的复杂多步任务，增加此值。较高的值会增加延迟和 Token 消耗。 ## 启用对话记忆（仅对话流） 记忆是节点特定的，仅在同一个对话中生效。 启用**记忆**以保留最近的对话，使 LLM 能够连贯地回答后续问题。 一条用户消息会被自动添加来传递用户输入和任何上传的文件。这是因为记忆通过存储最近的用户-助手消息交互来工作。如果用户输入不通过用户消息传递，用户侧将没有内容可记录。 **窗口大小**控制保留多少条最近的交互。例如，`5` 保留最近 5 轮用户输入和 LLM 回复。 ## 添加上下文 在**高级设置** > **上下文**中，为 LLM 提供额外的参考信息，以减少幻觉并提高响应准确性。 典型模式：从知识检索节点[传递检索结果](/zh/use-dify/nodes/knowledge-retrieval#与-llm-节点搭配使用)，实现检索增强生成（RAG）。 ## 处理多模态输入 要让支持多模态的模型处理图片、音频、视频或文档，可选择以下任一方式： * 在提示词中直接引用文件变量。 * 在**高级设置**中启用 **Vision** 并在那里选择文件变量。 **分辨率**仅控制图片处理的细节级别： * **高**：对复杂图片更准确，但消耗更多 Token * **低**：对简单图片处理更快，消耗更少 Token 对于不具备相关多模态能力的模型，可以使用[上传文件到沙盒](/zh/use-dify/nodes/upload-file-to-sandbox)节点将文件上传到沙盒。Agent 节点随后可以执行命令行来安装工具和运行脚本处理这些文件——即使是模型原生不支持的文件类型。 ## 将思考过程和工具调用与回复分离 若要获得不包含模型思考过程和工具调用的干净回复，请引用 `generations.content` 输出变量。 `generations` 变量本身包含所有中间步骤和最终回复。 ## 为下游节点选择合适的输出变量 * **`generations`** — 需要所有内容时使用：最终回复、思考过程、工具调用以及生成的产物。 * **`generations.content`** — 仅需要干净的回复时使用。 * **`files`** — 仅需要生成的产物时使用。 ## 强制结构化输出 在指令中描述输出格式可能产生不一致的结果。若要实现更可靠的格式化，启用结构化输出以强制执行定义好的 JSON schema。 对于不支持原生 JSON 的模型，Dify 会将 schema 包含在提示词中，但模型不一定严格遵循。 结构化输出 1. 在**输出变量**旁，启用**结构化**开关。一个 `structured_output` 变量将出现在输出变量列表末尾。 2. 点击**配置**，使用以下方法之一定义输出 schema。 * **可视化编辑器**：使用无代码界面定义简单结构。对应的 JSON schema 会自动生成。 * **JSON Schema**：直接编写 schema，适用于包含嵌套对象、数组或验证规则的复杂结构。 * **AI 生成**：用自然语言描述需求，让 AI 生成 schema。 * **JSON 导入**：粘贴一个现有的 JSON 对象，自动生成对应的 schema。 ## 错误处理 为临时问题（如网络波动）配置自动重试，或设置备用错误处理策略以在错误持续时保持工作流运行。 错误处理 在经典运行时中，Agent 节点赋予 LLM 对工具的自主控制能力，使其能够迭代决定使用哪些工具以及何时使用。Agent 不是预先规划每一步，而是动态推理问题，根据需要调用工具来完成复杂任务。 Agent node interface ## Agent 策略 Agent 策略定义了 Agent 如何思考和行动。选择最适合你的模型能力和任务需求的方法。 Agent strategies selection 使用 LLM 的原生函数调用能力，通过 tools 参数直接传递工具定义。LLM 使用其内置机制决定何时以及如何调用工具。 最适合 GPT-4、Claude 3.5 等具有强大函数调用支持的模型。 使用结构化提示词引导 LLM 通过明确的推理步骤。遵循**思考 → 行动 → 观察**循环进行透明的决策。 适用于可能没有原生函数调用能力的模型，或者当你需要明确的推理轨迹时。 从**市场 → Agent 策略**安装其他策略，或向[社区仓库](https://github.com/langgenius/dify-plugins)贡献自定义策略。 Function calling setup ## 配置 ### 模型选择 选择支持你所选 Agent 策略的 LLM。更强大的模型能更好地处理复杂推理，但每次迭代成本更高。如果使用函数调用策略，请确保你的模型支持函数调用。 ### 工具配置 配置 Agent 可以访问的工具。每个工具需要： **授权** - 在工作区中配置的外部服务的 API 密钥和凭据 **描述** - 清楚说明工具的作用以及何时使用（这指导 Agent 的决策） **参数** - 工具接受的必需和可选输入，带有适当的验证 ### 指令和上下文 使用自然语言指令定义 Agent 的角色、目标和上下文。使用 Jinja2 语法引用上游工作流节点的变量。 **查询**指定 Agent 应处理的用户输入或任务。这可以是来自先前工作流节点的动态内容。 Agent configuration interface ### 执行控制 **最大迭代次数**设置安全限制以防止无限循环。根据任务复杂性进行配置——简单任务需要 3-5 次迭代，而复杂研究可能需要 10-15 次。 **记忆**控制 Agent 使用 TokenBufferMemory 记住多少条先前消息。更大的记忆窗口提供更多上下文，但会增加 Token 成本。这使得对话连续性成为可能，用户可以引用之前的操作。 ### 工具参数自动生成 工具可以将参数配置为**自动生成**或**手动输入**。自动生成的参数（`auto: false`）由 Agent 自动填充，而手动输入参数需要明确的值，这些值成为工具永久配置的一部分。