最新文章
展厅软硬件与企业软件相关的经验、教程与案例。
Agent 平台有哪些、到底怎么选：八个平台按四个问题分类
扣子、Dify、FastGPT、n8n、腾讯元器、阿里百炼、Flowise、LangFlow——不比功能清单，按数据能不能出网、要不要交付客户、谁来运维、要不要写代码四个问题分。
AI 应用的成本会在哪里失控：五个变量和对应的控制手段
试点阶段几乎不花钱，上线三个月账单吓一跳。这篇讲清楚成本由哪几个变量决定、各自怎么控，以及给客户报价时该怎么说。
AI 项目验收完就没人用了：六个真实原因
系统跑得好好的，三个月后打开一看，日活个位数。这不是技术问题。这篇讲落地失败的六个真实原因和各自的预防办法。
接入百炼 API：兼容接口能省多少事，以及不能省的那部分
OpenAI 兼容接口让迁移和对比测试成本很低，但兼容不是等同。这篇讲能直接复用什么、必须自己处理什么、以及生产环境的四个必备设计。
在百炼上选模型：别按排行榜选，按你的任务测
平台聚合了一堆模型，问题变成了「用哪个」。这篇讲怎么按任务分层选、怎么用兼容接口低成本对比、以及什么时候不该用最强的那个。
把扣子接进自己的产品：API 接入的取舍与三个必须处理的问题
用扣子搭好能力，前台是自己的产品。这篇讲密钥为什么绝不能进前端、会话状态存哪、以及托管平台作为依赖的风险该怎么兜。
扣子插件：什么时候该用现成的，什么时候要自己做
插件是让 Bot 从「会说」变成「会做」的关键。这篇讲插件的本质、自己做插件要处理的四件事，以及安全边界该划在哪。
扣子工作流怎么搭：先想清楚这三件事再连线
工作流不是节点越多越好。这篇讲什么需求该用工作流、节点之间最容易出问题的三个地方，以及图开始失控时怎么办。
扣子知识库搭建：上传只是第一步，能被检索到才算数
文档传进去了，问起来却答非所问。这篇讲知识库该怎么组织、按需调用意味着什么、以及上传前该做哪些处理。
用 Dify 的 API 把能力接进自己的系统：密钥、流式和会话状态
Dify 可以只当后端，前台是你自己的产品。这篇讲四种接法的取舍、密钥绝不能放前端的原因，以及会话状态该存在哪。
Dify 本地部署前要想清楚的六件事
官方文档告诉你怎么装，但没告诉你装之前该定什么。硬件怎么估、数据边界在哪、版本怎么选、升级怎么办——这些定错了，装好也白装。
Dify 用 Docker 部署时镜像拉不下来：成因与四种解法
国内网络拉镜像卡住、超时、拉一半断——这不是 Dify 的问题，是镜像源的问题。这篇讲清成因、四种解法各自的代价，以及给客户部署时该怎么办。
Dify 知识库的 embedding 模型怎么选：中文场景下这一步比换主模型有用
检索不准时大家都想换更强的对话模型，但真正决定「能不能找到」的是 embedding 模型。这篇讲它的作用、中文场景的坑，以及换模型的代价。
Dify 工作流和 Agent 到底什么区别：谁来决定下一步
这两个概念最容易搞混，选错了会一路别扭。区别只有一句话——步骤是你定死的，还是让模型临场决定的。
Dify 工作流什么时候该用、什么时候是在自找麻烦
不是所有需求都需要工作流。这篇讲清楚聊天助手和工作流的分界、节点图开始失控的四个信号，以及失控之后该往哪走。
Dify 和扣子怎么选：三个问题就能定
不用比功能清单。数据能不能出网、要不要交付给客户、团队有没有运维能力——这三个问题答完，答案基本就出来了。
用 FastGPT 的 API 接进自己的系统：四种接法和各自的代价
把知识库问答嵌进已有产品，接法不止一种。前端直连、后端代理、事件驱动、只借检索——四种方式的适用场景、风险和改造成本完全不同。
FastGPT 部署与交付：集成商视角的六个决定
FastGPT 的许可明确允许交付给企业，这让它在集成项目里很实用。但从装起来到能验收，中间还有六个决定要做。
FastGPT 部署要多少硬件：三个变量决定，别照抄配置表
网上的配置推荐大多没说前提。真正决定硬件规模的是三件事：跑不跑本地模型、多少人用、知识库多大。这篇讲怎么估、怎么验证、怎么给客户报。
FastGPT 知识库出现乱码：从文件编码到解析的排查顺序
传进去的文档变成一堆问号或方块字。这类问题九成出在上传之前，不在系统里。这篇按链路给出排查顺序和各环节的判断方法。
知识库权限：不同人该看到不同答案，这件事必须在系统层解决
全公司共用一个知识库，销售能查到人事的工资表——这不是配置疏忽，是架构没设计。这篇讲三种隔离方式和各自的适用场景。
知识库优化的正确顺序：先改文档，最后才动参数
大部分人的优化顺序是反的——一上来就调参数、换模型，却从没看过系统实际读到了什么。这篇给出按收益排序的五步。
Flowise 和 n8n 怎么选：一个懂 AI，一个懂连接
这两个经常被放在一起比。区别不在功能多少，在设计取向——你的流程里是 AI 环节多还是对接环节多，答案就出来了。
开源 Agent 平台的许可证差别：把它交付给客户之前必须搞清楚
Dify、FastGPT、n8n、LangFlow 的许可完全不是一回事。有的明确允许交付给企业收费，有的只允许自己内部用。选型时这一条应该和功能放在同等位置。
LangFlow 的 MIT 许可对集成商意味着什么：可以白牌交付
同样是可自部署，LangFlow 是这批里唯一的标准 MIT。这条对靠项目吃饭的人是实质优势——可以改、可以白牌、可以不提供源码。
在 n8n 里用 AI Agent 节点：能力边界和它不适合的三类活
n8n 有了 AI 能力之后，很多人想拿它当 Agent 平台用。这篇讲它的 AI 能力实际能做到什么程度，以及什么时候该换工具。
n8n 本地部署：比装起来更重要的是凭据、权限和许可
装起来不难，难的是装好之后。凭据存在哪、谁能改流程、Webhook 暴露在哪、出了错谁知道——还有一条许可红线，决定你能不能拿它接活。
n8n 的 Webhook 暴露在公网上：五个必须处理的安全问题
Webhook 意味着有一个公网地址能触发你的流程。URL 难猜不等于安全，这篇讲验证、防重放、限流、以及最容易忽略的信息泄露。
n8n 中文支持的真实情况：官方语言包里只有英文
想找 n8n 汉化包的人很多。这篇讲清楚官方的中文支持到什么程度、几种汉化路径各自的代价，以及中文场景下比界面语言更值得关注的三个问题。
内容量产的质量门：把「写得好」翻译成能跑脚本检查的规则
批量产出的内容如果还要人一条条看，就没省下什么。这篇讲哪些质量要求能机械校验、怎么设计检查项，以及哪些必须留给人。
RAG 到底是怎么工作的：搞懂这个流程，八成的问题你自己就能定位
不讲论文，讲工程。检索增强生成的四个环节各自在干什么、各自会怎么失败、以及为什么「换个更强的模型」通常没用。
甲方说「要私有化部署」时，他到底要什么：三种含义与报价差异
这四个字在不同甲方嘴里至少有三种意思，成本能差好几倍。这篇给出问清楚的方法、三种方案的实际差异，以及方案里必须写明的那句话。
腾讯元器的真正价值在渠道：什么情况下它是最优解
论功能它不算突出，论模型选择还受限。但如果你的用户在微信 QQ 生态里，它省掉的对接工作量是别的平台给不了的。
提示词里真正有用的那几条：其余大多是玄学
网上流传的提示词技巧很多，实际项目里反复起作用的就那几条。这篇讲哪些有用、哪些是安慰剂，以及为什么提示词不能当安全机制用。
扫描件、表格、老文档：知识库上线前的文档预处理
七成项目卡在这里。这篇讲怎么判断文档能不能直接用、四类问题文档各自怎么处理、以及这部分工作量该怎么估。
知识库项目七成工作量在文档，不在系统
扫描件、表格、过期文档、口口相传的经验——这些才是知识库项目真正的成本。这篇讲文档摸底该看什么、怎么估工作量、哪些坑要写进合同。
用扣子搭客服机器人：答不上来的时候该怎么办
客服机器人真正的难点不是把常见问题答对，而是遇到答不了的问题时不乱答、能转人工。这篇讲兜底怎么设计，以及扣子能做到哪一步。
Dify 知识库检索不准怎么排查：从切块到重排的五个环节
上传了文档，问出来的答案却答非所问。这篇按检索链路逐环节拆，讲清每一步会在哪出问题、怎么验证，以及哪些问题调参数解决不了。
用 n8n 跑批量内容处理：为什么它比对话型平台更适合这件事
内容量产的本质是批处理，不是对话。这篇讲 n8n 在这类任务上的结构优势、必须自己设计的三个机制，以及它不适合做什么。
低代码 Agent 平台的能力边界：什么时候必须转原生开发
扣子、Dify、n8n 能覆盖大部分轻量场景，但有三类情况它们做不了。这篇讲清楚分水岭具体在哪，以及怎么在动手之前就判断出来。