项目等式
企业 AI = 模型能力 × 业务连接 × 安全治理 × 流程闭环
知识库让模型“知道企业知识”；API 让它“查到真实数据”；Workflow 和 Agent 让它“完成任务”；权限、审计和规则服务让任务“可控、可追责、可复制”。
一、总体架构
Dify 负责 AI 应用编排，但不应该成为企业系统的万能数据库客户端。所有真实数据访问和业务动作，都通过受控的能力服务完成。
模型负责什么
理解自然语言、识别意图、抽取参数、选择工具、解释结果、生成回复。
代码负责什么
权限校验、金额计算、SQL 风险检测、状态判断、数据查询、真实业务执行。
平台负责什么
应用编排、知识库、Prompt、Agent、Workflow、会话、模型与资源管理。
二、核心业务流程
下面五张流程图展示从用户消息进入，到 AI 理解、检索、调用工具、执行规则、返回结果和审计的完整链路。
流程 A｜统一消息接入与异步处理
回调接口只做校验、入队和 ACK；耗时任务由 Worker 完成，避免渠道超时和重复执行。
流程 B｜RAG 知识问答
没有足够依据时，不允许模型补写企业规则；应明确说明未找到依据并转人工。
流程 C｜支付结算查询与核对
金额计算、差异判断和状态机必须由领域服务执行；模型只负责理解请求和解释结果。
流程 D｜SQL 故障诊断
机器人可以分析生产 SQL，但默认不能执行生产 DDL、删除数据或直接修改索引。
流程 E｜高风险动作：预览、确认、执行、审计
三、权限、数据与可靠性
权限不能只写在 Prompt 里
正确链路是：渠道用户 → 身份映射 → 角色/组织权限 → 数据范围 → Gateway 强校验 → 业务服务。即使模型生成越权参数，网关也必须拒绝。
所有调用都要能追溯
审计记录 requestId、userId、channel、application、intent、tool、参数、结果、风险等级、确认记录、模型和延迟。
四、实施路线与验收
平台底座
Dify 私有化、模型、知识库、权限、应用发布、日志监控。
低风险问答
制度、FAQ、操作手册和客服知识；验证召回与转人工。
只读 API
订单、支付、结算、审批查询；统一工具契约和鉴权。
Workflow + Agent
核对、提醒、数据分析、SQL 诊断；建立风险确认机制。
多渠道复制
企业微信稳定后适配飞书、钉钉和 Web，复用核心 Agent。
平台推广
工具注册中心、模板、评估集、运维规范和培训材料。
推荐先打通的最小闭环
| 维度 | 验收指标 | 说明 |
|---|---|---|
| 知识问答 | 命中率、引用准确率、转人工率 | 按业务知识集建立评估集 |
| Agent | 工具选择准确率、任务完成率 | 区分只读和执行任务 |
| 系统 | P50/P95 延迟、错误率、重复消息率 | 按渠道和应用分别统计 |
| 安全 | 越权拦截率、危险 SQL 拦截率、审计完整率 | 必须有负向测试 |
| 业务 | 客服成本、结算耗时、SQL 排查耗时 | 补齐上线前基线和统计周期 |
五、辩证看待
✓ 成立的设计判断
- 私有化适合敏感业务数据、统一权限和内网系统集成。
- RAG 比把所有知识塞进 Prompt 更可更新、可追溯。
- API 网关比模型直连数据库更容易治理。
- Workflow 与 Agent 混合比全交给 Agent 更稳定。
⚠ 需要警惕
- “接入数据库”不等于 AI 可以自由查库。
- 效率指标必须有基线、样本量和统计口径。
- Dify 不会自动解决企业权限、数据质量和合规问题。
- 多渠道适配还涉及身份、加密、卡片和限流差异。