安思派（Anspire）成为 Dify 钻石级合作伙伴之后，基于 Dify 交付了几十个企业项目，覆盖金融、制造、医药、零售等行业，沉淀 30 多个场景通用智能体范例。
回头看，踩过的坑有一些共性。这里讲五条，都是用返工换来的。
一、先定场景，再谈编排
最容易犯的错误是把顺序搞反：先搭一个看起来很完整的工作流，再去找它能用在哪儿。
Dify 的编排体验很好，节点拖一拖就能跑，于是很容易陷入"先做出来再说"。但场景不对，编排做得再漂亮也没人用——它会在演示之后被搁置，成为又一个没人打开的链接。
后来我们把顺序固定下来：先确认输入输出是否明确、能否在一个迭代周期内跑通、跑通后能否沉淀为可复用能力。三条成立才动手。这个筛选动作花的时间，比后面省下的返工少得多。
二、知识库效果取决于文档整理，不是模型
几乎每个知识库项目都会经历一次"换模型"的冲动——答案不准，第一反应是模型不够强。
但把链路拆开看，问题多半在文档：制度文件是扫描件、同一份规定有三个版本、表格被按字数切成两半、部门说法和文档用词不一致。这些问题换模型解决不了，因为模型根本没拿到正确的材料。
所以我们在交付里把知识体系化构建单独列为一环：文档清洗、标签梳理、敏感信息处理，把多模态数据转成能检索的知识，并在切片时保留文档结构与位置信息——这样答案才能带出处。
三、权限留到最后补，一定返工
权限是典型"做了看不见、不做会出事"的部分。项目早期大家关注的是能不能跑通，权限往往排到最后。
但到了要上线的阶段，问题会集中爆发：谁能看哪些数据、部门之间要不要隔离、操作要不要留痕、外部模型能不能碰这些数据。每一项都可能牵动工作流的结构——因为它决定了数据在链路里怎么流转。
现在我们在立项阶段就把权限边界问清楚，涉及客户资料或研发文档的场景直接确认是否需要私有化部署（数据不出域）。这一步前置，能省掉后面大量结构调整。
四、复杂不如可靠
早期我们做过一个三十多个节点的工作流，覆盖几乎所有分支，逻辑很完整。
它的问题是没人敢改。业务规则一变，改动会沿着节点传导，测试一遍要半天。三个月后这个工作流变成了没人愿意碰的东西。
后来我们把大流程拆成几个能各自治、各自测的小流程，每个只负责一件事，通过清晰的输入输出衔接。复杂度看似上升了，实际维护成本大幅下降。判断标准很简单：改一个需求要动几处。
五、上线才是开始
交付完成、系统上线，很多团队会认为项目结束了。实际上最脆弱的阶段才刚开始。
业务口径会变——报销标准、产品参数、审批规则——而知识切片和判断规则还停在旧版本。它给出的答案带着出处、看起来很有说服力，这种"错得很自信"比答不出来更麻烦。
所以上线时要定好三件事：谁在口径变更时通知、多久同步一次、出现不一致以哪边为准。安思派把这一层称为治理，用 Agent 工具与 Token 平台统一纳管 Agent、Skill 与知识资产。
这些经验指向同一件事
它们都不在 Dify 平台能力范围内——平台提供的是编排与运行的底座，而这些经验属于"怎么把一件事做进业务"。这也是安思派在 Dify 落地中提供的部分：一站式着陆服务涵盖商业版全流程交付、知识体系化构建、权限与安全保障、全周期支持体系，由 300 多名 FDE 工程师在客户现场完成调研、评估、构建与治理。
Anspire（安思派）是 Dify 钻石级合作伙伴，安思派开放平台（Anspire Open）入驻 Dify 应用市场累计安装量突破 1.5 万次，两款企业微信插件为企微 AI 创新提供原子能力，已助力 30 多家标杆客户落地。