GITBOOK-113: No subject

zh_CN/guides/application-design/prompt-engineering/zhi-neng-zhu-shou-agent.md

@@ -8,11 +8,11 @@
 
 为了方便快速上手使用，您可以在“探索”中找到智能助手的应用模板，添加到自己的工作区，或者在此基础上进行自定义。在全新的 Dify 工作室中，你也可以从零编排一个专属于你自己的智能助手，帮助你完成财务报表分析、撰写报告、Logo 设计、旅程规划等任务。
 
-<figure><img src="../../../.gitbook/assets/image (1).png" alt=""><figcaption><p>探索-智能助手应用模板</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (1) (1).png" alt=""><figcaption><p>探索-智能助手应用模板</p></figcaption></figure>
 
 在“工作室-助手型应用”内选择智能助手即可开始编排。
 
-<figure><img src="../../../.gitbook/assets/image.png" alt=""><figcaption><p>工作室-构建智能助手</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (2).png" alt=""><figcaption><p>工作室-构建智能助手</p></figcaption></figure>
 
 选择智能助手的推理模型，智能助手的任务完成能力取决于模型推理能力，我们建议在使用智能助手时选择推理能力更强的模型系列如 gpt-4 以获得更稳定的任务完成效果。
 
@@ -20,7 +20,7 @@
 
 你可以在“提示词”中编写智能助手的指令，为了能够达到更优的预期效果，你可以在指令中明确它的任务目标、工作流程、资源和限制等。
 
-<figure><img src="../../../.gitbook/assets/image (2).png" alt=""><figcaption><p>编排智能助手的指令提示词</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (2) (1).png" alt=""><figcaption><p>编排智能助手的指令提示词</p></figcaption></figure>
 
 ### 添加助手需要的工具
 

zh_CN/guides/knowledge-base/sync-from-notion.md

@@ -37,7 +37,7 @@ Notion集成分为**内部集成**（internal integration）和**外部集成**
 
 点击“**New integration**”按钮，类型默认是 **Internal**（不可修改），选择关联的空间，输入集成名称并上传 logo 后，点击“Submit”，集成创建成功。
 
-<figure><img src="../../.gitbook/assets/image (2) (1) (1) (1) (1).png" alt=""><figcaption></figcaption></figure>
+<figure><img src="../../.gitbook/assets/image (2) (1) (1) (1) (1) (1).png" alt=""><figcaption></figcaption></figure>
 
 创建集成后，您可以根据需要在 Capabilities 选项卡下更新其设置，并在 Secrets 下点击 “Show” 按钮然后复制 Secrets。
 

zh_CN/guides/model-configuration/README.md

@@ -31,7 +31,7 @@ Dify 目前已支持主流的模型供应商，例如 OpenAI 的 GPT 系列、An
 
 Dify 在需要模型时，会根据使用场景来选择设置过的默认模型。在 `设置 > 模型供应商` 中设置默认模型。
 
-<figure><img src="../../.gitbook/assets/image (2) (1).png" alt=""><figcaption></figcaption></figure>
+<figure><img src="../../.gitbook/assets/image (2) (1) (1).png" alt=""><figcaption></figcaption></figure>
 
 ### 接入模型设置
 

zh_CN/guides/workflow/introduce.md

@@ -9,7 +9,7 @@ Dify 工作流按应用情景划分为两种类型：
 * Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
 * Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。
 
-为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点，如问题分类、问题重写、子问题拆分等节点。除此之外还将为 LLM 提供与外界环境交互的能力，即工具调用能力，如联网搜索、数学计算、查询天气、绘图等。
+为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点，如问题分类、问题重写、子问题拆分等节点。相对于 Workflow 增加了 Chatbot 特性的支持，如：对话历史（Memory）、标注回复、Answer 节点等。
 
 <figure><img src="../../.gitbook/assets/image (156).png" alt=""><figcaption></figcaption></figure>
 

zh_CN/guides/workflow/node/answer.md

@@ -2,6 +2,20 @@
 
 定义一个 Chatflow 流程中的回复内容。你可以在文本编辑器中自由定义回复格式，包括自定义一段固定的文本内容、使用前置步骤中的输出变量作为回复内容、或者将自定义文本与变量组合后回复。
 
+可随时加入节点将内容流式输出至对话回复，支持所见即所得配置模式并支持图文混排，如：
+
+1. 输出 LLM 节点回复内容
+2. 输出生成图片
+3. 输出纯文本
+
+示例1：输出纯文本
+
 <figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=YjA0YmM5YTRhODUxZTAzYzc5ODA0NjgxOWNkYjFkOTlfQkJ5ekVUQ0NzNFFucUVzN2xVYkExazhXMmVIRnhPemNfVG9rZW46UDNCRWJ2NEl6b3J2Y1V4dzFLVmNuUzFrbnBqXzE3MTI1ODYzNjU6MTcxMjU4OTk2NV9WNA" alt=""><figcaption></figcaption></figure>
 
+示例2：输出图片+LLM回复
+
+<figure><img src="../../../.gitbook/assets/image.png" alt=""><figcaption></figcaption></figure>
+
+<figure><img src="../../../.gitbook/assets/image (1).png" alt="" width="275"><figcaption></figcaption></figure>
+
 提示：直接回复节点可以不作为最终的输出节点，作为流程过程节点时，可以在中间步骤流式输出结果。

zh_CN/guides/workflow/node/code.md

@@ -1,6 +1,8 @@
 # 代码执行
 
-代码节点极大地增强了开发人员的灵活性，使他们能够在工作流程中嵌入自定义的 Python 或 Javascript 脚本，并以预设节点无法达到的方式操作变量。通过配置选项，你可以指明所需的输入和输出变量，并撰写相应的执行代码：
+代码节点支持运行 Python / NodeJS 代码以在工作流程中执行数据转换。它可以简化您的工作流程，适用于Arithmetic、JSON transform、文本处理等情景。
+
+该节点极大地增强了开发人员的灵活性，使他们能够在工作流程中嵌入自定义的 Python 或 Javascript 脚本，并以预设节点无法达到的方式操作变量。通过配置选项，你可以指明所需的输入和输出变量，并撰写相应的执行代码：
 
 <figure><img src="../../../.gitbook/assets/image (157).png" alt="" width="375"><figcaption></figcaption></figure>
 

zh_CN/guides/workflow/node/http_request.md

@@ -1,6 +1,8 @@
 # HTTP 请求
 
-HTTP请求节点是一个强大的工具，它让你能够向指定的网络地址发送定制化的HTTP请求，实现与各种外部服务的互联互通。无论是GET、POST还是其他常见的HTTP方法，都可以通过这个节点实现。你可以精确控制请求的各个方面，包括URL、请求头、查询参数、请求体内容以及认证信息。 
+HTTP 请求可请求任意可访问的 URL 获取 status\_code, body, headers, files(当前仅支持图片)，适用于获取外部检索结果、webhook、生成图片等情景。
+
+它让你能够向指定的网络地址发送定制化的 HTTP 请求，实现与各种外部服务的互联互通。无论是 GET、POST 还是其他常见的HTTP方法，都可以通过这个节点实现。你可以精确控制请求的各个方面，包括URL、请求头、查询参数、请求体内容以及认证信息。 
 
 <figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=ZTcwMzBkYWFkMTg3YzM4YTZhNzYwNTNhNWJiMzdhZDFfeHhXUkt5MFlpbmJ2a3VtRGNLdzZtVHF4T3JnMGhFS1pfVG9rZW46WGJwOGJuQ0pJb245TFN4aUtXUmNuUktFblVjXzE3MTI1ODY2MzU6MTcxMjU5MDIzNV9WNA" alt="" width="375"><figcaption></figcaption></figure>
 

zh_CN/guides/workflow/node/knowledge_retrieval.md

@@ -1,6 +1,6 @@
 # 知识检索
 
-知识库检索节点用于从知识库中查询与用户问题相关的文本内容。
+知识库检索节点用于从 Dify 知识库中查询与用户问题相关的文本内容，可作为后续 LLM 的上下文进行回答。
 
 <figure><img src="https://langgenius.feishu.cn/space/api/box/stream/download/asynccode/?code=NmJmZTY0NDUzOGZkYTFmOTQ5YTcwZWRiMzhiODY5MDNfeVhsVTZPTkhaZzZjR3ZZcWt6bldoQ1g2Y0ljc1N0eUdfVG9rZW46QmFFOWJzMXJEb2tWWjl4YUZBUWM5dU5nbnhkXzE3MTI1ODY0OTI6MTcxMjU5MDA5Ml9WNA" alt=""><figcaption></figcaption></figure>
 

zh_CN/guides/workflow/node/template.md

@@ -1,6 +1,6 @@
 # 模板转换
 
-模板功能允许你借助 Jinja2 这一强大的 Python 模板语言，灵活地格式化并合并来自前面步骤的变量，创建出单一的文本输出。这非常适合于将多个数据源的信息汇总成一个特定格式，满足后续步骤的需求。例如，以下简单示例说明了如何利用之前步骤的输出来拼接一篇文章： 
+模板节点允许你借助 Jinja2 这一强大的 Python 模板语言，是一种在 Workflow 轻量级数据转换的灵活方法，适用于文本处理、JSON 转换等情景。例如灵活地格式化并合并来自前面步骤的变量，创建出单一的文本输出。这非常适合于将多个数据源的信息汇总成一个特定格式，满足后续步骤的需求。以下简单示例说明了如何利用之前步骤的输出来拼接一篇文章： 
 
 <figure><img src="../../../.gitbook/assets/image (158).png" alt="" width="375"><figcaption></figcaption></figure>
 

zh_CN/guides/workflow/node/variable_assigner.md

@@ -1,6 +1,6 @@
 # 变量赋值
 
-变量赋值节点是工作流程中的一个关键节点，它负责整合不同分支的输出结果，确保无论哪个分支被执行，其结果都能通过一个统一的变量来引用和访问。这样，无论流程如何分叉，最终的数据输出都能被下游的节点有效捕捉并进一步处理。
+变量赋值节点是工作流程中的一个关键节点，它负责整合不同分支的输出结果，确保无论哪个分支被执行，其结果都能通过一个统一的变量来引用和访问。这在多分支的情况下非常有用，可将不同分支下相同作用的变量映射为一个输出变量，避免下游节点重复定义。
 
 <figure><img src="../../../.gitbook/assets/image (160).png" alt="" width="563"><figcaption></figcaption></figure>
 

zh_CN/learn-more/extended-reading/retrieval-augment/rerank.md

@@ -38,7 +38,7 @@ Dify 目前已支持 Cohere Rerank 模型，通过进入“模型供应商-> Coh
 
 通过进入“数据集->创建数据集->检索设置”页面并在添加 Rerank 设置。除了在创建数据集可以设置 Rerank ，你也可以在已创建的数据集设置内更改 Rerank 配置，在应用编排的数据集召回模式设置中更改 Rerank 配置。
 
-<figure><img src="../../../.gitbook/assets/image (1) (1) (1) (1).png" alt="" width="563"><figcaption><p>数据集检索模式中设置 Rerank 模型</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (1) (1) (1) (1) (1).png" alt="" width="563"><figcaption><p>数据集检索模式中设置 Rerank 模型</p></figcaption></figure>
 
 \*\*TopK：\*\*用于设置 Rerank 后返回相关文档的数量。
 
@@ -50,4 +50,4 @@ Dify 目前已支持 Cohere Rerank 模型，通过进入“模型供应商-> Coh
 
 关于多路召回模式的说明：🔗
 
-<figure><img src="../../../.gitbook/assets/image (1) (1) (1) (1) (1).png" alt=""><figcaption><p>数据集多路召回模式中设置 Rerank 模型</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (1) (1) (1) (1) (1) (1).png" alt=""><figcaption><p>数据集多路召回模式中设置 Rerank 模型</p></figcaption></figure>

zh_CN/learn-more/extended-reading/retrieval-augment/retrieval.md

@@ -26,7 +26,7 @@
 
 以下是多路召回模式的技术流程图：
 
-<figure><img src="../../../.gitbook/assets/image (2) (1) (1) (1).png" alt=""><figcaption><p>多路召回</p></figcaption></figure>
+<figure><img src="../../../.gitbook/assets/image (2) (1) (1) (1) (1).png" alt=""><figcaption><p>多路召回</p></figcaption></figure>
 
 由于多路召回模式不依赖于模型的推理能力或数据集描述，该模式在多数据集检索时能够获得质量更高的召回效果，除此之外加入 Rerank 步骤也能有效改进文档召回效果。因此，当创建的知识库问答应用关联了多个数据集时，我们更推荐将召回模式配置为多路召回。\
 \

zh_CN/learn-more/faq/llms-use-faq.md

@@ -125,7 +125,7 @@ Query or prefix prompt is too long, you can reduce the preix prompt, or shrink t
 
 如下方表格示例，仅需保留第二行的表头，首行（表格1）为多余表头，需删掉。
 
-<figure><img src="../../.gitbook/assets/image (1) (1) (1) (1) (1) (1).png" alt=""><figcaption></figcaption></figure>
+<figure><img src="../../.gitbook/assets/image (1) (1) (1) (1) (1) (1) (1).png" alt=""><figcaption></figcaption></figure>
 
 ### 20 买了 ChatGPT plus，为什么在 dify 里还不能使用 GPT4？