Dify发布V1.5.0：可视化故障排查！超实用

Dify 本周又发布了一个实用的大版本，直接从 V1.4.3 版本干到 V1.5.0 了，那问题来了，这次更新了哪些内容呢？接下来我们一起来看。

官方给这次更新的定义是：一个简洁、强大的更新，通过简化的调试和强大的集成功能，提升您的工作效率。

那它是怎么提示工作效率的呢？接下来我们一起来看。

1.旧版本执行流程

我们先回顾一下之前版本当工作流程出现问题时，我们需要做的事，我们需要执行以下主要流程：

查找问题：挖掘运行历史记录，单击每个节点检查输出，最终发现模板节点丢失了知识库内容（即使它“有效”）。
修复和测试：返回编辑模式，修复模板代码，然后在两个错误的选项之间进行选择：
- 重新运行整个工作流程，包括缓慢的知识检索和网络抓取。
- 仅调试 LLM 节点，但手动输入更正后的模板输出。
重复执行：如果您仍然对结果不满意，请重新开始整个循环。

这会浪费时间并增加不必要的 API 成本，尤其是在多轮调试会话期间，它存在以下明显问题：

没有结果存储：当您继续前进时，节点输出就会消失，每次都强制重新开始。
手动变量输入：每次调试都需要输入该节点的所有变量，而无法重用上游结果。
视图有限：您必须逐个节点检查日志，而无法看到完整的数据图。
昂贵的重新运行：查找问题意味着重新启动整个工作流程，包括已经运行的昂贵的 API 调用。

2.新版升级

V1.5.0 最大的升级是提供了以下内容：

上次运行结果换成：现在每个节点都会自动保存上次成功执行的内容。无论您是运行单个步骤还是快速执行整个工作流程，每个节点都会捕获上次运行的输入、输出和元数据。您可以将其视为每个节点的飞行记录器：为您提供调试或完整运行期间实际发生情况的可靠、可追溯的证据。
变量交接：此跟踪功能可实现真正的分步执行。当变量检查面板保存节点所需的数据时，您可以直接运行该节点。系统会自动抓取依赖项，并在执行后更新监视器。其工作原理类似于在 Jupyter Notebook 中运行单个单元——选择任意节点，点击运行，工作流将处理所有数据关系。
“变量检查”面板：新版本在画布底部添加了一个“变量检查”面板。这个全局控制中心实时显示整个工作流程中的所有变量及其内容。无需再费力地查找节点的输入和输出，因为所有内容都集中在一个清晰的视图中。真正的强大之处在于直接编辑。您可以直接在监视器中修改大多数变量值，测试不同数据如何影响下游节点，而无需重新运行昂贵的上游操作（例如复杂的 LLM 调用或 API 请求）。

这样当出现问题时，我们就能更快的定位和解决、以及调试问题了。

3.新版本执行流程

新版本排查和解决问题的流程是这样的：

运行完整工作流程：点击一次运行。每个节点的结果都会自动保存到变量监视器，让您清晰地查看所有输出。
发现问题：变量检查面板立即显示 Exa 网络搜索运行正常，但模板节点输出缺少知识库内容。
精确修复：修补模板节点代码以正确集成知识库数据。
测试步骤：仅运行模板节点，它自动从监视器获取上游数据并更新其输出
持续迭代：如果以上步骤仍需改进，您可以调整提示符设计并重新运行该节点。每次修改只需几秒钟即可验证。

4.区别

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。

5.其他新增升级

拖放式 DSL：通过将 DSL 文件直接拖放到浏览器中，轻松创建应用程序。
增强的默认模板： sys.files 现在包含更强大的 Web 应用程序。
隐藏表单属性：更高的 UI 灵活性和控制力。
MatrixOne 集成：通过 MatrixOne VDB 集成实现高级数据策略。
Firecrawl Deep Search：通过增强的搜索端点实现更丰富的内容发现。
Notion 分页：更轻松地浏览提取的 Notion 数据。
SendGrid 集成：无缝、可靠的电子邮件传递。

更多升级内容请查看官网：https://github.com/langgenius/dify/releases

小结

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。

本文已收录到我的技术小站 www.javacn.site，其中包含的内容有：Spring AI、LangChain4j、Dify、Spring AI Alibaba、智能体（AI Agent）、MCP、Function Call、RAG、向量数据库、Prompt、多模态、向量数据库、嵌入模型等内容。