Dify 1.5.0 在线Debug的工作流你用上了吗?

大模型向量数据库机器学习

字数 776,阅读大约需 4 分钟

🚀 v1.5.0 有什么新功能
🏗️ 最最最主要功能:工作流调试增强

这简直是所有工作流开发者的福音 呐!

picture.image

完整更新 见 dify v1.5.0 日志[1] 和 官方更新发布[2] , 升级指南 见文末

picture.image

升级前后对比

新版升级

升级了如下5个内容(对应下图5个红框序号处)

1.定位到此节点 :当你的工作流非常复杂,LLM就有n个,怎么找这个LLM在流程哪个地方啊?按名字找吗?No,现在只要点①处即可。

2.上次运行 :每个节点都在基础设置的面板上,右侧新增 ”上次运行“ 的面板。方便了调试工作流。

3.User对话框中自动 添加了sys.files ,原以为 有该节点 就能省去 “文档提取器” 等步骤,然并卵。上传文件后,看调试面板中显示files是为空的,还是得加上 “文档提取器” 。。。

picture.image

v 1.5.0 新增节点-1

最大化画布

变量检查/查看缓存 :未运行过流程时,画布最底下的按钮叫做 “变量检查”,运行之后,这里叫 ”查看缓存和清除“。

picture.image

v 1.5.0 新增节点-2

📡 查看缓存 :这里就是 本次更新最最最主要功能 啦!相当于把代码调试界面搬来了,何愁工作流调试问题?

picture.image

v 1.5.0 新增节点-3

小结

旧流程执行流程 :查找问题 → 查找历史记录 → 手动输入变量 → 调试步骤 → 重新配置 → 重新运行工作流程 → 检查结果(根据需要重复)

新版本执行流程 :发现问题→查看变量检查面板→修复节点或直接编辑变量→单步运行→立即查看结果。

也就是以前需要几十分钟才能搞定的事情,现在几分钟就搞定了,效率提升非常明显。

说在最后

Dify 1.5.0 升级的核心是为 AI 开发者带来确定的和可见性的调试流程 ,借助实时交互和透明的状态管理,让开发者更快地验证想法,精准定位问题,从而可以快速的构建生产级别的 AI 应用程序。

Dify 实现了从“可用 ”向“好用 ”演进。

开发者不需要为了调试浪费时间、重复造数据,这才是真正为工作流开发服务的产品思维。

升级指南

Docker Compose 部署

最后为方便各位小伙伴,顺便贴下官网代码

    1. 备份您的自定义 docker-compose YAML 文件(可选)

 
 
 
 
   
cd docker  
cp docker-compose.yaml docker-compose.yaml.$(date +%s).bak
    1. 从主分支获取最新代码

 
 
 
 
   
git checkout main  
git pull origin main
    1. 停止服务,请在docker目录下执行

 
 
 
 
   
docker compose down
    1. 备份数据

 
 
 
 
   
tar -cvf volumes-$(date +%s).tgz volumes
    1. 升级服务

 
 
 
 
   
docker compose up -d

我更新了,1.5.0 是真香,各位小伙伴用上了吗?

实践出真知,与君共勉~

引用链接

[1] dify v1.5.0 日志: https://github.com/langgenius/dify/releases
[2] 官方更新发布: https://dify.ai/blog/dify-1-5-0-real-time-workflow-debugging-that-actually-works

picture.image

picture.image

点击下方卡片 关注我们

picture.image

  
📢【三连好运 福利拉满】📢  
  
🌟 若本日推送有收获:  
👍 点赞 → 小手一抖,bug没有  
📌 在看 → 一点扩散,知识璀璨  
📥 收藏 → 代码永驻,防止迷路  
🍻 分享 → 传递战友,功德+999  
🔔 关注 → 关注“AI早高峰”,追更不迷路,干货永同步  
  
💬 若有槽点想输出:  
👉 评论区已铺好红毯,等你来战!  

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
CV 技术在视频创作中的应用
本次演讲将介绍在拍摄、编辑等场景,我们如何利用 AI 技术赋能创作者;以及基于这些场景,字节跳动积累的领先技术能力。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论