← 返回文章列表

我们的门户机器人,为什么用 Dify 答、不把 skill 搬上云端 Hermes?

基于 2026 年 AI Agent 落地现状撰写。我们团队的实践记录:Dify 1.16.x + Hermes Agent 环境,门户自用机器人真实选型案例。

📖 摘要:我们门户有两个自用机器人(「认识我们」「AI 机器人」),用的是 Dify 回答,而不是把本机的 skill 复制到云端 Hermes Agent。很多人问:Hermes 不是更强吗?为什么不用?这篇文章复盘当时的决策:公开展示面要的是确定性(回答稳定、可审计、可发布),这是 Dify workflow 的结构优势;而 Hermes 的自主执行能力,留给内部交付场景。判断标准只有一条:这个场景要的是「确定性」还是「自主性」。

📌 这篇文章要解决的三个疑问

  1. 你们不是做 Hermes 的吗?为什么门户机器人用 Dify?
  2. skill 复制到云端 Hermes 不就能回答了吗?为什么不行?
  3. 怎么判断一个 AI 场景该用工作流还是 Agent?

结论

同一个人,同一套技术栈,不同场景用不同的工具——不是谁更强,是谁更合适。 门户机器人用 Dify 回答,不是因为我们只会 Dify,而是因为它是「公开展示 + 固定知识问答」场景:回答必须稳定、可审计、可发布。这是 Dify workflow 的确定性优势。

而 Hermes 的自主执行(多步操作、无人值守、跨系统编排),我们用在自己的内部交付上——那是它擅长的场景。

判断标准只有一条:这个场景要的是「确定性」,还是「自主性」?

场景:门户上的两个小机器人

我们的门户网站(fishsun.cn)上有两个自用机器人:「认识我们」回答我们是谁、做什么、凭什么信;「AI 机器人」回答项目怎么评估、方案怎么输出。

它们本质是公开展示面——任何一个访客点进来都能问,回答的是静态知识。不是内部工具,是「给人看的作品」。

作品要什么?稳定。同一个问题,今天答的和明天答的,结构、格式、结论应该一致。访客不会原谅「时灵时不灵」。

痛点:为什么「更强的 Hermes」反而不合适

有人会问:你不是做 Hermes 的吗?把本机的 skill 复制到云端 Hermes,让它回答业务问题,不是更「AI」吗?

三个原因,每个都是实打实的工程考虑:

1. 自主执行在展示场景是缺陷。 Hermes 是自主 agent loop——模型现场决定下一步,路径不可预测。这对内部执行是优点(灵活),对公开展示是缺点(不可预期):同一个问题,它可能这次调工具、下次不调,答案结构漂移,你没法对访客交代。

2. skill 是本地资产,复制 ≠ 能跑。 我们的 skill 依赖本机环境:工作区路径、凭据、知识库引用、脚本。复制到云端,运行环境不对等,skill 是「复制」过去了,能力没复制过去。

3. 展示场景需要发布控制。 公共访问需要会话隔离、发布控制(哪个应用上线、哪个下线、怎么限流)。Dify 社区版有现成的 WebApp 发布 + API Key 机制,开箱即用;云端一个裸 Hermes 执行体,没有这层。

解决方案:按场景性质选型

于是门户机器人走了 Dify:知识库(认识我们的内容)+ workflow(固定问答路径)+ 平台发布(WebApp 对外)。

这不是「Dify 比 Hermes 强」的结论,而是「这个场景该用 Dify」的结论。

真正有价值的,是背后那条可以复制的判断标准:

场景特征 选型
内部员工 / 机器使用 / 多步自主 / 没人知道确切步骤 Hermes(自主执行面)
外部客户 / 多租户 / 公开展示 / 非技术要改 Dify workflow(确定性编排)
静态知识问答 / 固定流程 / 需要稳定可审计 Dify(知识库 + workflow)
频繁上传管理知识库 + Hermes 负责编排 Hermes + Dify 知识库桥接

这条标准我们用了很久,也用在客户项目上:先问场景要确定性还是自主性,再定工具,而不是先有工具再找场景。

案例启示:选型方法论,不是工具崇拜

这个案例最大的价值,不是「我们选对了 Dify」,而是同一个团队,在自用场景下,主动做出了一组「两套选型」

客户看到的不只是「你们会用 Dify」,而是「你们懂什么时候该用什么」——这才是架构交付能力。方案里给客户讲架构分工,靠的不是术语,是「我们自己就是这么选的」的真实案例。

边界:这个案例不是「Dify 更好」的证据

说清楚边界,防止误读:

收尾

回到开头那个问题:为什么门户机器人用 Dify 答、不把 skill 搬上云端 Hermes?

因为门户是给人看的作品,作品要稳定;Hermes 是干活的手,手要灵活。把「作品」和「手」换着用,两边都会出问题。

所以下次遇到「这个 AI 场景该用什么」的疑问,先别问「哪个工具强」,先问一句:这个场景,要的是确定性,还是自主性?

相关文章:dify workflow的确定性与Hermes agent skill的"确定性"对比(两种确定性的底层对比)

本文基于真实工程实践记录撰写(Dify 1.16.x + Hermes Agent 环境,门户自用机器人选型案例)。观点与数据均来自我们自己的实测,不构成任何平台的官方结论。

这些 AI 应用能力,如何交付到真实业务场景?看看方案与服务 →
本系列 · Dify 实战
  1. Dify Agent 应用实战:Beta 版「真 Agent」的能力边界实测
  2. Dify workflow 与 Hermes Agent skill 的确定性对比
  3. Dify 意图分类节点总翻车?从 33% 失败率到兜底不崩——可靠性与韧性的三层加固
  4. Dify 标注回复实战:让智能客服记住人工答案的纠错闭环
  5. Dify 知识库元数据过滤实战:检索噪声 75% 降到 0 的确定性闸门
  6. RAG 建库,如何自动设置分段模式
  7. RAG知识库,如何进行持续更新运维
  8. RAG知识库的元数据过滤能力边界
  9. 数据库里的结构化数据,怎么建立 RAG 知识库?两条路线与选型判断
  10. 流程卡在「等人审批」?把审批链接送到企业微信和邮箱
  11. Dify 1.17 升级实测(一):从工作流平台到 Agent 平台,升级前必须知道的 5 件事
  12. Dify 应用上架门户:分享页每次回答都挂着内部流程节点?一个字段关掉
  13. RAG 知识库交付实战(上):4277 页手册喂给 AI——从凌晨故障到三模块方案
  14. RAG 知识库建库前,数据到底该怎么清洗?一条可复用的清洗管线实测
  15. 我们的门户机器人,为什么用 Dify 答、不把 skill 搬上云端 Hermes?
  16. 知识库从需求到交付:清洗、入库、维护全流程,照着走、每一步都能验证
  17. Dify 1.17 升级实测(二):Agent V2 节点与技能包实测——配置在数据库,不在 DSL
  18. RAG 知识库交付实战(中):三大深坑与修复实录——流程图截断/限流风暴/并联污染
  19. DeepSeek 思考模式什么情况下可以关?一次空输出事故的排查实录
  20. Dify 1.17 升级实测(三):循环内人工审批与图片直传实测——两个高频场景的新解法
  21. Dify 定时触发(trigger-schedule)实测:工作流到点自动跑,和三个必须知道的坑
  22. Dify 知识库三种分段模式实测:通用、父子、Q&A 到底怎么选?
  23. Dify 知识库接入 Notion/网页:先搞清三件事,再谈清洗
  24. RAG 知识库交付实战(下):18 条用例与成本测算
  25. 知识库数据清洗后,怎么知道洗得干不干净?一套三层质量门禁实测
  26. Dify 实战:供应商报价单格式五花八门,AI 怎么知道哪列是单价?

联系我

邮箱contact@fishsun.cn

点击邮箱直接写信 · 扫码加微信沟通

微信

微信二维码

扫码加微信 · 备注「门户」更快通过