从零开始学 Dify- 对话系统的关键功能

Dify 中的对话系统（Conversation System）管理用户与 AI 应用程序之间的对话（聊天会话）和消息交换。它处理对话状态、历史记录跟踪、消息存储以及用户反馈和标注等相关功能。该系统是 Dify 的核心组件，与模型提供系统 （用于 AI 模型交互）和 RAG 知识系统（用于知识检索）协同工作。

👆👆👆欢迎关注，一起进步👆👆👆

往期内容

• 从零开始学 Dify - 简介
• 从零开始学 Dify-系统架构
• 从零开始学 Dify- API 后端架构原来是这样设计的
• 从零开始学 Dify- 帐户与租户管理系统设计揭秘
• 从零开始学 Dify- 模型提供者系统设计实现模型统一调用接口
• 从零开始学 Dify- RAG 知识库系统设计详解

系统概览

对话系统管理用户与 AI 应用程序之间的交互，并维护这些交互的持久记录。它支持不同的应用程序类型（聊天、完成、基于代理和工作流驱动），并为最终用户和管理员提供与对话历史记录交互的机制。

核心数据模型

对话系统围绕两个主要数据模型构建：对话和消息。

对话模型

对话模型代表用户和 AI 应用程序之间的完成聊天会话。

Conversation 主要属性包括：

| 属性（Attribute） | 描述（Description） | | --- | --- | | id | 对话的唯一标识符 | | app\_id | 关联应用程序 ID | | app\_model\_config\_id | AI 模型的配置 ID | | mode | 应用模式（聊天、完成、代理聊天等） | | name | 对话的显示名称 | | summary | 谈话内容概要 | | inputs | 对话的输入变量 | | status | 当前对话状态 | | from\_source | 对话来源（api、控制台等） | | from\_end\_user\_id | 最终用户的 ID | | from\_account\_id | 账户用户 ID | | dialogue\_count | 对话次数 | | created\_at | 创建时间戳 | | updated\_at | 上次更新时间戳 | | is\_deleted | 软删除标志 |

对话模型与以下内容有关系：

• Messages 消息（一对多）
• MessageAnnotations 消息标注（一对多）
• App 应用程序（多对一）

消息模型

消息模型代表对话中的个人交流。

Message 主要属性包括：

| 属性（Attribute） | 描述（Description） | | --- | --- | | id | 消息的唯一标识符 | | app\_id | 关联应用程序 ID | | conversation\_id | 父对话 ID | | inputs | 此消息的输入变量 | | query | 用户查询/提示 | | message | 原始消息内容（通常为

JSON

） | | answer | AI 回复文本 | | message\_tokens | 输入的令牌计数 | | answer\_tokens | 输出的令牌计数 | | provider\_response\_latency | 提供商的响应时间 | | status | 消息状态 | | from\_source | 消息来源 | | from\_end\_user\_id | 最终用户的 ID | | from\_account\_id | 账户用户 ID | | parent\_message\_id | 父消息 ID | | created\_at | 创建时间戳 | | workflow\_run\_id | 关联工作流程运行 ID（如果适用） | | agent\_based | 基于代理的交互的标记 |

数据库 Schema

该图显示了对话系统中核心数据模型之间的关系：

对话生命周期

创建对话

当用户发起与 AI 应用程序的交互时，就会创建对话。创建过程因应用程序模式而异：

1. 聊天模式（Chat Mode） ：在聊天会话开始时创建
2. 完成模式（Completion Mode） ：为每个文本生成请求创建
3. **代理聊天模式（

Agent Chat Mode）** ：专为基于代理的交互而创建

4. 工作流模式（Workflow Mode） ：创建并链接到工作流运行

交互流程

服务层

对话系统通过几个服务类进行管理：

ConversationService

处理管理对话的核心功能：

• 用于检索对话的分页
• 对话删除（软删除）
• 对话重命名（包括自动生成）
• 检索个人对话

  
# Key methods in ConversationService   
pagination\_by\_last\_id(session, app\_model, user, last\_id, limit, invoke\_from, sort\_by) rename(app\_model, conversation\_id, user, name, auto\_generate)   
delete(app\_model, conversation\_id, user)   
get\_conversation(app\_model, conversation\_id, user)  

WebConversationService

使用特定于 Web 的功能扩展 ConversationService：

• 固定/取消固定对话
• 按固定状态过滤对话

  
# Key methods in WebConversationService   
pagination\_by\_last\_id(session, app\_model, user, last\_id, limit, invoke\_from, pinned, sort\_by)   
pin(app\_model, conversation\_id, user)   
unpin(app\_model, conversation\_id, user)  

API 接口

对话系统通过多个 API 公开接口，适用于不同的用例：

Console API

对于管理访问权限，包括查看和管理所有对话：

| 接口 | Method | 描述 | | --- | --- | --- | | /apps/<app\_id>/chat-conversations | GET | 列出聊天 | | /apps/<app\_id>/chat-conversations/<conversation\_id> | GET | 获取聊天对话详 信息 | | /apps/<app\_id>/chat-conversations/<conversation\_id> | DELETE | 删除 | | /apps/<app\_id>/completion-conversations | GET | 列 | | /apps/<app\_id>/completion-conversations/<conversation\_id> | GET | 获取完成 话详细信息 | | /apps/<app\_id>/completion-conversations/<conversation\_id> | D 删除完成对话 >删除完成对话 |

|

Service API

对于以编程方式访问对话：

| 接口 | Method | 描述 | | --- | --- | --- | | /conversations | GET | 列出用户的对话 | | /conversations/<conversation\_id> | DELETE | 删除对话 | | /conversations/<conversation\_id>/name | POST | 重命名对话 |

Web API

对于 Web 应用程序访问：

| 接口 | Method | 描述 | | --- | --- | --- | | /conversations | GET | 列出用户的对话 | | /conversations/<conversation\_id> | DELETE | 删除对话 | | /conversations/<conversation\_id>/name | POST | 重命名对话 | | /conversations/<conversation\_id>/pin | PATCH | 固定对话 | | /conversations/<conversation\_id>/unpin | PATCH | 取消固定对话 |

特色功能

对话固定

用户可以固定重要对话，以便于访问。此功能通过 PinnedConversation 模型和 WebConversationService 方法实现：

  
# Pin a conversation   
WebConversationService.pin(app\_model, conversation\_id, user)   
# Unpin a conversation   
WebConversationService.unpin(app\_model, conversation\_id, user)  

消息反馈与标注

用户和管理员可以对消息提供反馈并添加标注（更正或改进）：

• 反馈（Feedback） ：喜欢/不喜欢的评分，可选评论
• 标注（Annotations） ：管理员提供的更正或补充信息

文件附件

消息可以包含文件附件，支持各种文件类型：

• 视觉模型图像
• 文件上下文
• 基于配置的其他文件类型

文件上传功能通过 FileUpload ConfigManager 配置，它控制允许哪些文件类型以及如何上传它们。

与工作流系统集成

对话系统通过消息模型中的 workflow\_run\_id 字段与工作流系统集成。这允许跟踪与特定工作流运行相关的消息。

应用模式

聊天应用程序

对于聊天应用程序，对话系统会维护包含多条消息的持久聊天历史记录。

完成应用程序

对于完成（文本生成）应用程序，每次交互通常都会创建一个包含单个消息的新对话。

总结

对话系统是 Dify 的核心组件，用于管理所有用户与 AI 的交互，提供持久化、历史记录以及反馈和标注等附加功能。它与其他系统紧密协作，尤其是用于 AI 响应的模型提供系统和用于复杂交互模式的工作流系统。

该系统设计灵活，支持不同类型的应用程序（聊天、完成、代理聊天）和用户界面（Web、API），同时保持一致的数据模型和服务层。

参考资料

https://github.com/langgenius/dify

推荐阅读

• 从零开始学 Dify - 简介
• 从零开始学 Dify-系统架构
• 从零开始学 Dify- API 后端架构原来是这样设计的
• 从零开始学 Dify- 帐户与租户管理系统设计揭秘
• 从零开始学 Dify- 模型提供者系统设计实现模型统一调用接口
• 从零开始学 Dify- RAG 知识库系统设计详解

接下来将分别介绍各个子系统：

模型提供者系统(Model Provider System) ✅

RAG 知识系统(RAG Knowledge System) ✅

对话系统(Conversation System) ✅

工作流系统(Workflow System)

👆👆👆欢迎关注，一起进步👆👆👆

欢迎留言讨论哈

🧐点赞、分享、推荐 ，恭喜发财👇