Harness 与 Agent 工程 · AI研发与测试工程 · 2026-08-31

我们为什么重新设计了 Agent?

Dify为平衡模型能力与企业需求,借CLI Agents出圈契机重新设计Agent,适配复杂任务处理、业务转化与集成场景。 核心内容:

  1. 重新设计Agent的背景与契机(模型浪潮中的取舍难题,CLI Agents出圈推动共识)
  2. 新Agent适配的三类任务场景(业务Skills转化、集成问题解决、对话打磨Agent)
  3. 新Agent系统的核心能力与安全设计(Loop Engineering、独立沙箱容器等)

自诞生起,Dify 一直在做一件有些拧巴的事。

我们试图在快速发展的模型浪潮中,提供一套成熟的企业脚手架。但这意味着,我们必须时常在释放 SOTA(state-of-the-art,最先进水平) 模型实力以及企业要求的:私有化部署、模型中立、权限管理、可解释和可审计之间做出取舍。

因此,年初龙虾热的时候,我们没有立即跟进,做一款 DifyClaw 那样的时尚热门单品类产品。但很让我们兴奋的是,这几波热潮推动了社会共识的形成:CLI Agents 的范式借此契机正在走出 Coding 场景,进入越来越多的企业,解锁越来越多业务场景。

基于这个变化,我们重新设计了 Dify 中的 Agent 系统,让 Dify 应用和工作流可以将一部分复杂任务交给 CLI Agents 来完成。

哪些任务适合交给新的 Agent?

如果你的团队已经沉淀了一套成熟的业务 Skills,希望快速转化为 Agent 的能力,让 Agent 接手业务中重复、耗时的工作;如果你遇到了 Dify 插件生态尚未覆盖到的集成问题;又或者,业务人员希望通过对话指导和打磨一个 Agent,并绕过晦涩难懂的技术学习。

那么,新的 Agent 值得一试。

熟悉的 Agent 内核,

Dify 把通用的轮子造好。

从原理上看,新的 Agent 系统和 Codex、Claude Code 等 Coding Agents 采用了相近的核心结构:由模型驱动的 ReAct Loop,通过 Bash 等工具在独立沙箱环境中完成任务。

但 Agent 能真正进入生产环境,仅靠能够循环调用工具是不够的。

幕后,我们把大量精力投入到了模型切换、上下文管理、运行环境管理、失败策略等基础能力中。

用当下时兴的说法,Dify 提供了一套相对完备的 Loop Engineering。这样,你不必再为每个 Agent 重复解决这些常见问题,而可以把精力投入到如何将这些 Agents 编排到你的业务流程中来。

在安全与合规方面,Dify 企业版为每个会话启动一个独立的 Sandbox 容器,实现 PID、FS和网络隔离,并支持配置自…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/dify/2026083143152.html