- 博客(53)
- 收藏
- 关注
RSS订阅原创 MCP 实战 12：查到数据以后，怎样生成一份有依据的发布报告？
本文通过串联两个MCP工具——读取发布规则与查询未关闭问题，实现发布核对自动化。实验验证了：仅当存在未关闭P0问题时触发暂停发布；无P0则需进一步检查；缺少规则时无法判定。所有结论均附带可追溯的数据与规则依据，确保判断可靠、过程透明。
2026-11-04 16:52:42
288
原创 MCP 实战 11：终端能跑，客户端却启动失败？先检查这三个地方
本文通过实验揭示MCP服务在终端运行正常却无法被客户端调用的根源：不同环境下的Python解释器、工作目录差异及日志与通信消息混淆。通过对比相对路径与绝对路径启动，验证了使用绝对路径、正确设置cwd、env变量（如PYTHONUTF8=1）及-X utf8参数的重要性。最终确认，客户端需精确配置执行环境，确保路径、编码与依赖一致，才能成功通信。
2026-11-04 16:33:08
43
原创 MCP 实战 09：同一个工具，怎么让不同的人只能查自己的项目？
本文通过本地配置实现工具调用的权限控制，演示如何基于使用者身份（Alice/Bob）限制其可访问的数据范围。利用环境变量传递身份，工具在查询时校验身份与项目权限，并按归属过滤数据，确保Alice仅能查看web项目中属于她的记录，Bob同理。测试验证了身份认证、项目范围限制及跨进程隔离的正确性，无需账号系统即可实现细粒度权限管理。
2026-11-02 14:54:42
259
原创 MCP 实战 08：查询超时怎么办？给工具加上有限重试
本文演示如何实现带限次重试的查询工具，设定最多尝试3次、单次等待0.05秒、总时长0.22秒。通过模拟五种场景（成功、恢复、空结果、超时、无效数据），展示重试逻辑：仅对超时和连接错误重试，数据格式错误直接报错。使用异步机制确保时间预算可控，避免无限等待，提升接口稳定性。
2026-11-02 14:48:06
259
原创 MCP 实战 07：让 AI 查询 SQLite，只开放一个查询入口
本文演示如何使用 SQLite 与 MCP 框架构建一个只读缺陷查询工具。通过 prepare.py 初始化数据库，定义 issues 表并插入三条测试数据（两条未关闭）。run.py 实现安全的 SQL 查询接口，限制仅可按项目和状态检索开放缺陷，最大返回20条。check.py 验证功能：成功查出两条未关闭缺陷（DB-001、DB-002），确认系统正确运行。整个流程无需外部服务，适合快速验证数据交互逻辑。
2026-11-02 14:45:19
560
原创 MCP 实战 06：把 HTTP 接口接成工具，让 AI 帮你查数据
本文演示如何将本地接口数据通过 MCP 工具交付给 AI。通过启动一个模拟 HTTP 接口（http://127.0.0.1:8765/issues），并用 Python 封装为 MCP 工具，实现 AI 调用接口获取数据。工具支持查询开放/关闭问题，具备超时、错误、重定向等异常处理机制，无需账号密钥，可快速集成至 AI 交互流程中。
2026-10-30 11:49:41
33
原创 MCP 实战 05：让 AI 读取团队手册，先从一份文件开始
本文演示如何在 Cherry Studio 中构建一个安全的 AI 工具，仅读取指定团队手册文件（handbook.txt），并通过严格限制路径、大小和编码确保安全性。通过 run.py 实现只读机制，check.py 验证文件访问控制，最终在 Agent 中调用工具并依据真实内容回答问题，实现“文件驱动”的准确响应。
2026-10-30 11:46:56
2
原创 MCP 实战 04：把自己的工具接进 Cherry Studio
本文指导如何在Cherry Studio中添加并绑定本地MCP服务（team-issues）至当前Agent，实现缺陷查询工具调用。步骤包括：启动本地服务并生成配置、在客户端配置stdio类型服务、启用Agent的MCP工具权限，最终通过调用list_project_issues验证返回结果与分页信息。关键点为服务连通性与Agent绑定双重确认，确保模型能正确调用工具。
2026-10-30 11:32:32
原创 MCP 工具开发实战：参数校验、结构化输出与错误处理
本文基于MCP Python SDK 2.3.0，将缺陷查询工具list_project_issues规范化为具备明确输入输出、分页与错误处理的结构化服务。通过Pydantic模型定义严格参数校验（类型、范围、字段边界），返回包含分页元数据与跨字段一致性校验的IssuePage对象，确保结果可预测、可验证。虚构数据模拟真实场景，涵盖空结果、权限缺失与异常状态，强调“结构清晰”优于“功能堆砌”，提升客户端调用可靠性。
2026-10-29 11:41:28
312
原创 MCP 开发环境搭建：Mac 与 Windows 跑通 Python 服务和 stdio 客户端
本文基于 mcp==2.3.0 SDK，在独立虚拟环境中完成MCP服务搭建：通过 stdio 通信实现客户端与本地缺陷查询工具的连接、发现与调用。使用虚构数据验证链路通断，不依赖大模型密钥或外部系统。完整流程包括环境隔离、依赖安装、业务函数封装与客户端自检，最终确认工具可被正确发现并返回结构化结果，实现端到端验证。
2026-10-29 11:25:28
639
原创 MCP 是什么？与 API、插件、Agent 有什么区别：从一个缺陷查询案例讲起
本文以“查询演示项目未关闭缺陷”为例，厘清MCP核心概念：其为AI应用与能力服务间的上下文协议，不替代权限或执行逻辑。通过本地无密钥练习，明确工具（Tool）、资源（Resource）、提示（Prompt）的分工，区分API、插件、MCP与Agent的不同层级作用。重点展示如何定义安全可控的查询工具，仅返回本地样例数据，验证业务函数逻辑，为后续接入真实系统奠定清晰边界与实现基础。
2026-10-29 11:07:26
144
原创 Dify 部署与维护实战：上线配置、数据备份与升级回滚
本文为 Dify 1.17.1 与 FastAPI 任务系统补全维护流程，强调恢复可靠性：通过停止写入、备份任务目录与数据库、生成哈希清单验证副本，确保重启或升级后任务可恢复。明确区分业务数据与 Dify 自身存储，提出冷备脚本规范，避免因单点故障或配置变更导致数据丢失。强调上线前核对配置、权限隔离与凭据管理，保障系统持续可用性。
2026-10-28 11:18:14
159
原创 Dify 运行监控、日志与调用成本统计
前面几篇，我们把“上传文件、运行工作流、返回报告”接成了一个能用的小系统：第 12 篇由业务后端接收文件并保存任务，第 13～14 篇继续处理页面接入和重复提交。现在假设它已经有人使用，新的问题很快会出现：今天到底运行了多少次？哪些任务一直没结束？同一条记录刷新十遍，会不会把 token 算十遍？用户说“等了很久”，慢的是工作流，还是我们查询结果的网络？这篇就补上这一层。
2026-10-27 15:05:45
54
原创 Dify 任务取消、超时与失败重试：让任务操作有边界
本文基于Dify 1.17.1源码，设计并实现一个可独立运行的Python命令行工具，用于安全处理任务取消、超时与重试场景。通过串联job_id、task_id、workflow_run_id与Idempotency-Key，明确区分“请求取消”与“取消确认”，避免因网络中断或竞争导致状态误判。工具严格区分停止请求（返回即为“已请求”）与终态核实，仅对GET请求自动重试，拒绝重复发送停止请求，并在人工确认后生成新幂等键，防止重复提交。支持有限轮询与退避，确保操作可追溯、可复现，适用于生产环境集成前的逻辑验证
2026-10-27 15:04:53
164
原创 Dify 后台任务持久化实战：用 SQLite 队列实现重启恢复
本文在FastAPI后端实现用户范围内的幂等提交：通过Idempotency-Key+文件指纹识别重复请求，相同键与文件返回原任务，内容不同则拒绝。新增/idempotent-jobs接口，支持文件指纹校验（含名称、大小、SHA-256），避免重复执行。保留第十二篇基础后端，提供完整启动脚本与页面，兼容Mac/Windows，不自动重试，确保用户明确区分“找回”与“新建”任务。
2026-10-27 15:03:29
344
原创 Dify 任务提交幂等实战：避免重复点击与网络重试创建重复任务
本文在FastAPI后端实现用户范围内的幂等提交：通过Idempotency-Key+文件指纹识别重复请求，相同键与文件返回原任务，内容不同则拒绝。新增/idempotent-jobs接口，支持文件指纹校验（含名称、大小、SHA-256），避免重复执行。保留第十二篇基础后端，提供完整启动脚本与页面，兼容Mac/Windows，不自动重试，确保用户明确区分“找回”与“新建”任务。
2026-10-26 17:03:10
245
原创 Dify 任务页面实战：上传文件、查看状态与下载报告
本文为FastAPI后端新增原生HTML/JS页面，实现任务提交、状态查询与报告下载功能。页面与后端同源运行，无需跨域配置，用户通过业务token登录，上传TXT文件后提交任务，实时查看进度并下载报告。采用本地job_id管理任务，不暴露Dify密钥，所有文件（含启动脚本、页面、依赖）统一存放，支持macOS/Windows环境快速部署，提升操作便捷性与安全性。
2026-10-26 16:38:08
66
原创 Dify 接入 FastAPI 实战：保存任务、查询状态与返回报告
通过 Python 调用 Dify 之后，业务系统还需要回答几件事：这次处理属于谁、进展存在哪里、页面刷新后如何查询，以及连接中断后还能不能核实原任务。本篇把前两篇的接口调用放进 FastAPI，用 SQLite 保存本地任务、用户归属、Dify 运行 ID 和已验证报告。客户端只提交文件、拿自己的任务 ID 查询结果；Dify 应用密钥留在后端。示例面向单机、小批量练习，包含完整后端、启动脚本、Mac 与 Windows 命令和双用户验证步骤。它使用进程内后台任务；
2026-10-26 16:09:42
545
原创 Dify SSE 流式调用实战：执行进度、运行 ID 与断线核实
本文介绍如何通过SSE流式接口调用Dify工作流，实现文件上传后实时接收执行事件。客户端支持run与query模式，可保存运行ID、解析节点事件、处理断线重连，并基于事件校验最终输出。重点说明SSE帧格式、关键事件处理逻辑及双ID（task_id/workflow_run_id）用途，确保程序在异步执行中保持状态追踪与容错能力。附带独立Python客户端、系统操作步骤及演示文件，适用于本地部署的Dify社区版1.17.1。
2026-10-22 15:01:40
164
原创 Dify API 接入实战：上传文件、调用工作流并读取处理结果
本文演示如何使用 Python 3 调用 Dify 社区版 1.17.1 的 Workflow API，实现本地 TXT 文件的批量上传、工作流执行与结果保存。通过 requests 库完成文件上传（获取 file_id）、调用 blocking 模式运行工作流，并检查状态与输出，最终保存报告与结构化数据。代码兼容 macOS 与 Windows，仅需配置 API 地址、应用密钥和用户标识，支持 1～3 份文件处理，适用于短流程自动化场景。
2026-10-22 14:33:42
297
原创 Dify 异常处理实战：记录单文件失败并生成批处理报告
本文解决批量文档摘要中文件处理失败后信息丢失的问题。通过两层迭代：先建立原始文件清单，再逐份处理并记录状态（success/skipped/failed），确保每份文件均有对应记录。即使解析或模型调用失败，也保留文件名、序号与错误线索，最终生成可核对的结构化报告。代码、提示词与配置均内置于流程，适配 Dify 1.17.1 社区版，支持真实场景下的容错与追溯。
2026-10-22 09:54:34
280
原创 Dify 多文件处理实战：批量提取、逐份摘要与结果汇总
本文介绍如何使用 Dify 工作流对多份文档进行逐份处理：通过 Iteration 节点串行处理每份文件，提取正文、检查长度、生成摘要，并添加来源信息。每份结果独立标注文件名与序号，失败时立即终止流程，确保可追溯性。最终汇总各文件报告，实现来源清晰、完整可核的多文档摘要输出。
2026-10-21 15:47:31
457
原创 Dify 文件处理实战：上传文档、提取正文并生成摘要
本文详解Dify工作流中文件处理的完整链路，从单文件上传、文本提取到正文检查与摘要生成。通过自定义TXT文件示例，验证Document Extractor能否正确读取内容，并利用Python节点检查文本长度与空值，确保模型仅接收有效正文。结合条件判断与精准提示词设计，实现对负责人、日期等关键信息的准确提取与呈现，避免遗漏或误判。流程强调“文件≠正文”，确保每一步输出可追溯、可验证，适用于文档自动化处理场景。
2026-10-21 15:31:21
233
原创 Dify HTTP 请求节点实战：发送 JSON、解析响应与处理异常
工作流已经能提取任务、输出 JSON，下一步通常就是调用接口：把结果交给其他服务，再根据响应决定后续流程。实际配置时，几个小问题就可能让流程卡住：请求体被重复编码，接口返回 HTML 却被当作 JSON 解析，或者 503 响应在进入条件判断之前就触发了节点失败。本文用一个无鉴权的回显接口，完整走通。示例数据和代码都在正文中，可独立完成练习。
2026-10-21 15:21:19
368
原创 Dify 结构化输出实战：JSON Schema、数据校验与条件分支
本文介绍如何在 Dify 平台中构建结构化会议纪要处理工作流。通过定义清晰的 JSON Schema，强制模型输出包含摘要、行动项（含任务、负责人、截止日、依据）和待确认事项的标准化对象。结合 Code 节点校验数据完整性并统计任务数量，再通过条件分支分别生成面向人阅读的报告与供程序解析的数据。最终实现“一份输入，双份输出”的高效流程，提升下游自动化处理能力。
2026-10-20 18:29:26
464
原创 Dify Workflow 实战：长文摘要与行动项提取
本文介绍如何使用 Dify 工作流，将长篇会议纪要自动拆解为“内容摘要”与“行动项清单”。通过五个节点：用户输入、长文摘要（LLM）、行动项提取（LLM）、报告排版（Template）和输出，实现原文的结构化处理。关键在于分步调用模型、精准传递变量，并利用模板合并结果。最终输出清晰报告，确保任务可追踪，提升协作效率。适用于需定期整理会议记录的团队场景。
2026-10-20 17:15:55
148
原创 Dify 知识库实战：文档导入、检索配置与引用验证
本文演示如何将团队文档转化为可问答的Dify知识库。通过上传新人手册，配置高质量索引与模型，创建“团队文档助手”，实现基于RAG技术的精准检索与引用回答。重点验证了知识库能否准确找到原文、提示词是否规范使用资料、回答是否保留例外条件，并通过五个问题测试答案可靠性与引用溯源能力，最终打造一个可信、可追溯的智能问答系统。
2026-10-16 18:14:32
220
原创 Dify 创建第一个 AI 应用：模型接入、提示词配置与发布
本文指导用户在本地部署的 Dify 社区版上，创建一个名为“我的学习助手”的聊天应用。通过配置模型供应商、编写结构化提示词、设置对话开场白，并经四轮测试验证功能后，完成应用发布。重点强调明确目标、逐步调试、避免多变量修改，确保助手能以通俗语言解释概念、举例并生成自测题，支持连续追问，且不虚构能力。最终实现可本地访问的简易学习工具，为后续扩展打下基础。
2026-10-16 17:47:53
112
原创 Dify 本地部署教程：macOS 与 Windows 的 Docker Compose 安装指南
本文介绍基于Docker Compose部署Dify 1.17.1的完整流程，适用于Mac和Windows环境。需提前配置Docker Desktop（含WSL 2）并确保系统资源充足。通过克隆指定版本代码、配置环境文件、启动服务，完成管理员初始化与模型供应商接入。支持本地学习、开发及功能验证，提供日常启停、日志查看及常见问题排查指南，确保服务稳定运行。
2026-10-16 17:36:53
362
原创 从 0 到 1 搭建 AI Agent 评测体系：评测集、断言、回归怎么设计
本文分享测试团队构建AI Agent持续评测体系的实战方法，聚焦“评测集、断言、回归”三核心。通过分层设计（回答、过程、底线）构建20条核心题库，逐步扩展为冒烟、回归、对抗三类题集；采用规则断言+大模型评分+人工抽检组合判断，提升准确性；强调多次运行、对比变化、动态门禁，实现改动后快速验证与风险预警。建议按4周节奏落地，从零搭建可迭代的Agent质量保障体系。
2026-09-24 11:26:34
386
原创 大模型输出不确定，测试用例的预期结果该怎么写？
面对大模型输出不确定性，测试用例应从“对答案”转向“查得分点”。核心思路是：事实写死、表达放开、关键场景多轮验证。通过拆解预期为“必须包含要点”“禁止内容”“行为要求”“格式约束”“评分标准”及“通过率”等维度，实现可执行、可复现的测试。结合实际场景灵活组合使用，既能避免“回答正确”类模糊表述，又能精准定位问题，提升AI产品测试效率与质量。
2026-09-24 11:25:20
232
原创 LLM 应用测试的 10 个坑：幻觉、提示词注入、多轮上下文丢失
测大模型应用和测传统软件，最大的区别不在工具，而在于你要面对的问题类型完全变了。传统软件的 bug 大多是「代码写错了」，行为是固定的，复现一次就能定位；大模型应用的问题更像「一个聪明但偶尔犯迷糊的新员工」，大部分时候表现不错，但会在一些意想不到的地方出岔子。这篇文章整理了测试 LLM 应用时最常见的 10 类问题。每一类都会讲清楚：它是什么、为什么会出现、怎么设计测试用例去发现它。你可以把这篇当成一份测试清单来用。
2026-09-24 11:23:51
188
原创 测试团队 Skill 体系设计：从单点工具到完整工作流
摘要 本文探讨如何设计一套有效的Skill生态，而非简单堆砌独立功能。作者将测试团队的Skill按测试生命周期划分为需求分析、用例设计、缺陷处理等十余个环节，并构建三层架构：基础设施层（如统一文档样式）、原子能力层（单一职责的独立Skill）和编排层（流程串联）。核心原则包括：严格分层实现高内聚低耦合、原子Skill保持单一职责与清晰边界、通过契约对齐实现Skill组合、编排层遵循Unix哲学保持"薄"逻辑。全生态贯彻两条纪律：确定性工作归脚本/语义工作归LLM，以及保持产出一致性。建议采用渐进式建设路径，
2026-07-21 16:31:09
107
原创 功能测试人员如何使用 AI：从需求理解到测试交付
这篇文章是一份面向非技术背景功能测试人员的Claude Code使用指南，核心观点是无需编程基础也能利用该工具提升工作效率。文章首先澄清了常见误解，强调Claude Code区别于普通AI聊天的核心价值在于能直接处理文件和生成交付物，而非仅提供文字建议。通过具体场景展示了工具的实用价值，包括将需求文档转化为结构化测试用例、生成规范bug单、制作测试报告等典型工作场景。提供了从安装到使用的完整指引，包含可直接套用的对话模板和实战案例（如需求文档转Excel测试用例的全过程）。最后客观指出工具的局限性，强调AI
2026-07-21 16:19:20
251
原创 测试 Skill 编写实战：职责划分、输入输出与执行约束
本文探讨如何编写高效的AI技能（Skill），强调Skill不仅是存储的提示（Prompt），而是模型可复用的一项能力。文章分为六个部分：首先解析Skill的三层加载机制（元数据、正文、附带资源），强调description的关键作用；其次详细讲解正文应作为操作手册而非产品介绍；第三部分指导如何合理分配内容至正文、脚本和参考资料；第四部分提出测试与迭代的重要性；最后列举常见误区，如欠触发、内容冗余等。核心观点包括：Skill设计需精准触发、内容分层、流程清晰、边界明确，并通过测试持续优化，而非单纯堆砌内容。
2026-07-21 16:03:56
327
原创 Claude Code + Playwright MCP 使用
本文介绍了Claude Code与Playwright MCP工具的集成方案，主要包含以下内容： 组件介绍：Claude Code是终端AI编码代理，Playwright MCP提供浏览器控制能力，二者结合可实现自然语言驱动浏览器测试。 适用场景：包括自助QA、探索式测试、不稳定用例复现、自动化用例生成和CI流水线集成等。 工作原理：基于三层架构（推理层、协议层、执行层），通过无障碍树交互和全本地执行保证效率与安全。 安装配置：详细说明了环境准备、MCP注册、范围控制和验证步骤，支持个人和团队使用场景。 测
2026-06-09 18:58:48
701
原创 LangChain+Python实现登录脚本智能生成
本文介绍了一套基于LangChain和Python的零门槛智能工具，可在10分钟内生成可直接运行的登录接口自动化脚本。该工具采用轻量级技术栈（LangChain、Python3.8+、Requests等），支持单接口测试和token关联，具有配置化操作（通过YAML文件配置）、隐私安全（本地执行）、扩展性强等特点。项目结构清晰，只需修改配置文件即可使用，提供完整的提示词模板和核心代码，无需编写核心逻辑即可生成标准化Pytest脚本。操作步骤包括安装依赖、配置YAML文件、运行主程序三个简单环节，适合新手快速
2026-03-23 18:21:57
385
原创 Dify 工作流新手教程（超详细·新手必看）
本文介绍了在Dify平台搭建AI问答工作流的完整流程：1）首先配置大模型API（如DeepSeek、GPT等），测试连接成功；2）创建Chatflow应用，在工作流画布中依次添加"开始"节点（接收用户输入）、LLM节点（配置模型和提示词）和"结束"节点（输出回答）；3）调试运行后发布使用。文中特别提醒了三个常见问题：模型未配置、变量格式错误和节点未连线。该教程适合新手快速搭建基础问答助手，支持后续嵌入网站或API调用。（149字）
2026-03-17 18:38:25
2567
原创 linux服务器Docker容器中部署Dify
本文详细介绍了在CentOS 7系统上使用Docker Compose部署Dify AI平台的完整流程。内容包括：Docker环境准备、部署目录创建、官方配置下载、核心参数修改（端口、数据库密码、密钥等）、容器启动与状态检查、初始化管理员账号等关键步骤。特别针对国内用户提供了镜像源优化方案，并附带了常见问题（如网络冲突、镜像拉取失败）的解决方法。通过清晰的命令行示例和配置说明，帮助用户快速完成Dify的部署与验证。
2026-01-27 16:02:24
1235
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人