前言
随着人工智能能力的普及，Agent（智能体）逐渐成为一种常见的应用形态。
Agent 到底是什么？在AI语境中，Agent通常指能够在既定目标下，持续理解输入、规划步骤并执行任务的系统。（你提前告诉它：目标是什么、分几步做、每一步用什么工具、最后要什么结果。之后每当有新材料进来，它都会按同一套流程自动完成。）
**Dify 是一类面向大语言模型的应用开发平台，提供了可视化的 Agent 构建能力。**Dify 提供的能力，本质上就是让普通人也能搭建这样的“自动化装置”，不需要写代码，只需要把办事逻辑说明清楚。
本文将从 Agent 的基本概念出发，结合本人具体实践，说明如何用Dify完成一个可运行的 Agent 示例。示例场景选取“招聘Agent”，用于展示从概念理解到流程落地的完整过程。
01****为什么选择“招聘”作为第一个Agent
发布某招聘职位的第一天，我收到了 25 份简历。几天过去，PDF 文件数量已经突破了 100。手动筛选已经完全不现实，我迫切需要一个能快速、理性判断是否邀请面试的工具。
到了 2026 年，通用 AI（无论是豆包还是 ChatGPT等）虽然发展迅速，但处理大规模文件仍有明显限制。最近对 AI 的学习，让我意识到—AI Agent实践的机会来了。
初步分析，招聘流程天然符合 Agent 的基本条件：
- 输入稳定(简历和岗位描述JD)
- 判断标准明确（加分项，减分项，优先级等）
- 输出结果结构化（评估结论，是否推荐面试，大项评分等）
这个Agent 的目标并不复杂：输入是一份简历和一份JD。
Agent 会完成三步：理解岗位要求、分析候选人信息、输出一份结构化评估结果。
最终结果是一份自动生成的飞书文档(上难度：上传飞书，实现共享)。
02****开始前的准备
- Chatgpt(或者豆包)，解答你所有的问题，包括选择Dify最终低代码平台;
- 拥有一个Dify 账号: 你可以使用 Dify Cloud (https://cloud.dify.ai/) 或自部署 Dify 社区版/企业版;
- 尝试的信心和决心(不要放弃是成功的唯一秘籍)；
03 创建你的第一个 Agent：手把手教学
让我们以创建一个“招聘Agent”为例，它的目标是根据简历和岗位描述，自动生成一份结构化的简历评估结果。
**步骤 1：**登录 Dify 并创建新应用登录你的 Dify 平台。点击“创建应用”。选择应用类型为 WorkFlow（工作流）。
步骤 2：在组件面板中添加组件，并点击每个组件填入“输入”和“输出”：
Step 1：启动节点—开始
两个核心输入项：
必传文件：简历（支持本地文件/远程 URL 上传，多种文档类型）；
必传文本：招聘要求（段落格式，最大长度 2000 字符，JD即可）。
Step 2：文档提取（简历解析）
通过「文档提取简历」节点，对上传的简历文件进行内容提取，将简历中的文本信息结构化输出，为后续打分环节提供基础数据。
Step 3：LLM 打分（核心评估）
调用 OpenAI 的 gpt-5-chat-latest 模型（可自定义其他可用模型），以 “招聘专家” 身份完成打分逻辑。
输入数据：提取后的简历文本 + 手动输入的招聘要求；
打分维度：
HR 打分（总分 100）：涵盖工作断层、工作地点、学历、薪资匹配度、培训经历、证书、单家公司任职时长等维度的加减分规则；
部门打分（总分 100）：仅考核简历与任职要求的匹配度；
输出要求：先以表格形式输出「员工姓名、手机、学历、邮箱、HR 打分、部门打分」，后输出打分分析过程。
Step 4：创建飞书文档
调用飞书文档插件的「create_document」工具，创建标题为 “开发员工打分表” 的空白飞书文档（需配置文件夹 token，当前配置值为空）。
Step 5：模板转换
通过「模板转换」节点，将 “创建飞书文档” 返回的 JSON 格式结果（含文档基础信息）提取为指定格式（模板为 {{ arg1 }}），仅保留核心数据用于后续处理。
Step 6：提取飞书文档 URL
再次调用 gpt-5-chat-latest 模型（可自定义其他可用模型），从模板转换后的结果中精准提取飞书文档的 HTTP 格式 URL，仅输出纯字符串格式的地址，剔除其他冗余信息。
Step 7：写入打分结果到飞书文档
调用飞书文档插件的「write_document」工具，将步骤 3 中 LLM 生成的打分表格 + 分析过程，写入步骤 4 创建的飞书文档中（写入位置为文档末尾），文档 ID 取自步骤 6 提取的 URL 对应的文档标识。
Step 8：流程结束
所有操作完成后，智能体流程终止，最终输出飞书文档的 HTTP 地址（作为流程结束的返回结果）。
流程链路总结：
启动（输入简历 + 招聘要求）→ 文档提取（解析简历）→ LLM 打分（HR + 部门评分）→ 创建飞书文档 → 模板转换（处理文档返回结果）→ 提取文档 URL → 写入打分结果到文档 → 流程结束。
步骤 3：验证流程（简历 + JD → 文档展示）
在完成组件配置后，进行流程验证，确保上传的简历和招聘要求能顺利生成文档结果：
输入数据：
简历文件（本地上传PDF）
招聘要求（JD，文本格式）
操作流程：
在 启动节点 上传简历文件并填写招聘要求。
触发工作流，系统执行完毕后，输出 飞书文档 URL，文档中应包含：
员工信息表（姓名、联系方式、学历等）、HR 打分与部门打分、打分分析过程。
验证点：
文档是否成功生成，URL 是否可访问；
表格数据是否完整，字段与打分逻辑是否正确；
分析过程是否与输入简历和 JD 匹配；
输出结果：
成功生成的 飞书文档链接；
文档展示了上传简历的解析结果 + LLM 打分；
04****Agent 设计与运行的核心要素
Prompt 是 Agent 的核心骨架。
清晰、具体、结构化的 Prompt 能让模型明确角色定位、目标、执行流程和边界限制，从而稳定运行。Prompt 应根据实际效果持续优化，确保判断规则明确、输出格式统一，避免因模糊指令导致流程中断。
工具能够扩展 Agent 的自动化能力。
低代码平台提供的文件处理、文档存储、数据提取等组件可直接用于流程搭建。根据场景选用合适工具，例如招聘场景中使用文档解析工具提取简历信息、使用文档存储工具保存结果，实现端到端自动化。
从小处着手，有助于降低复杂度。
优先选择输入固定、判断标准清晰、结果可验证的任务，例如简历打分或数据整理，构建基础 “输入—处理—输出” 流程，再逐步增加逻辑分支或扩展场景（如多文件上传，输出到飞书三方平台等），避免调试困难。
持续测试与反馈是稳定复用的关键。
通过不同场景输入验证输出结果是否结构化、完整且无需人工干预，并根据反馈优化 Prompt、工具参数及流程节点，使 Agent 从可运行状态升级为可稳定复用状态。
结语
通过以上步骤，你已经成功创建并体验了你的第一个 Dify Agent。这只是一个开始，Agent 的潜力远不止于此。无论是构建客服助手、内容创作助理、数据分析师，还是更复杂的自动化流程，Dify，n8n, Coze还是Claude 都为你提供了强大的平台和灵活的工具。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
