① 线性任务选LangChain提速，复杂流程用LangGraph保稳。技术选型没有最好，只有最适配：流水线处理即时需求，状态机驾驭复杂世界。LangChain：DAG流水线，数据单向流动，状态瞬时销毁。LangGraph：循环图计算，全局持久化状态，支持时间旅行。代码修复/跨部门审批/需纠错任务→LangGraph。单次问答/RAG/文本翻译→LangChain。③ 开发前先画业务流程图，避免后

SSE 时代：重点是“把模型输出实时显示出来”Streamable HTTP 时代：重点是“把 Agent 协议稳定、统一、可扩展地传输出来”前者偏 UI streaming，后者偏 protocol streaming。一种更中立的 HTTP 流式承载层一套可演进的结构化消息协议更好的跨语言、跨宿主兼容性更自然的服务间调用和 SDK 抽象更方便承载 tool call、delta、state、e

SSE 时代：重点是“把模型输出实时显示出来”Streamable HTTP 时代：重点是“把 Agent 协议稳定、统一、可扩展地传输出来”前者偏 UI streaming，后者偏 protocol streaming。一种更中立的 HTTP 流式承载层一套可演进的结构化消息协议更好的跨语言、跨宿主兼容性更自然的服务间调用和 SDK 抽象更方便承载 tool call、delta、state、e

SSE 时代：重点是“把模型输出实时显示出来”Streamable HTTP 时代：重点是“把 Agent 协议稳定、统一、可扩展地传输出来”前者偏 UI streaming，后者偏 protocol streaming。一种更中立的 HTTP 流式承载层一套可演进的结构化消息协议更好的跨语言、跨宿主兼容性更自然的服务间调用和 SDK 抽象更方便承载 tool call、delta、state、e

SSE 时代：重点是“把模型输出实时显示出来”Streamable HTTP 时代：重点是“把 Agent 协议稳定、统一、可扩展地传输出来”前者偏 UI streaming，后者偏 protocol streaming。一种更中立的 HTTP 流式承载层一套可演进的结构化消息协议更好的跨语言、跨宿主兼容性更自然的服务间调用和 SDK 抽象更方便承载 tool call、delta、state、e

Encoder-Decoder | Encoder 全看，Decoder 生成 | 很适合 | T5 |- Decoder 一边看自己已经生成的内容，一边看 Encoder 给的编码结果。| Decoder-only | 只看左边 | 最擅长 | GPT、LLaMA || Encoder-only | 左右都看 | 不擅长长生成 | BERT || 结构 | 看输入方式 | 会不会自然生成 | 代

LLaMA | Decoder-only | 下一个词预测 | 和 GPT 类似，偏生成、推理、私有化 || GPT | Decoder-only | 下一个词预测 | 对话、写作、代码、生成 || BERT | Encoder-only | 掩码预测 | 分类、匹配、抽取、检索 |- LLaMA：本质上也是 GPT 这一路，只是是一个重要的开源/开放权重模型家族。- LLaMA：GPT 路线里的

RAG 是一种把信息检索和大模型生成结合起来的方案，模型先从外部知识库取回相关内容，再基于这些内容生成更准确的回答。“MCP 是为大模型和外部工具之间交互设计的一套标准协议，目的是统一上下文和工具调用方式，让模型更容易接入不同系统。“Token 是大模型在训练和推理时用来切分和计算文本的基本单位，输入和输出通常都是按 token 计费和计长的。“CoT 的核心思想是让模型不要直接给结论，而是先分步

官方来源：Dify Docs (https://docs.dify.ai/en/use-dify/getting-started/introduction) / Dify Key Concepts (https://docs.dify.ai/en/use-dify/getting-started/key-concepts) /| 强项 | 灵活、可编程、集成多 | RAG、Workflow、发布、