dify 1.13.0——Human-in-the-Loop与工作流执行架构全面升级，释放AI与人的协作潜力

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在智能应用开发平台 Dify 的 1.13.0 版本中，迎来了里程碑式的更新。本次版本不仅在工作流执行层面进行了系统性重构，更推出了令人瞩目的 “Human-in-the-Loop（HITL）人机协作节点”，让人类智能与人工智能的融合进入新阶段。本文将为你详细解析 Dify 1.13.0 的所有更新点、架构变化、配置注意事项和升级指南，让你全面掌握这一版本的全部技术亮点。

一、核心特性：Human-in-the-Loop (HITL)

Dify 1.13.0 最大的创新在于引入了 Human Input 节点，这是一个革命性更新，让人类输入成为工作流原生组成部分。此前的工作流往往只能在“自动化”或“手动执行”两种模式之间切换，对于需要人工判断的高风险场景，这种二元结构显得捉襟见肘。而 HITL 的引入，弥合了这种“信任鸿沟”，让自动化流程具备人工纠偏能力。

1. 背景说明

以往工作流要么完全由 AI 自动执行，要么依赖人工操作，这导致在涉及关键业务判断的场景中，难以平衡 AI 的效率与人工的可靠性。现在，Dify 支持将人工审核步骤直接嵌入工作流执行图中，实现真正的智能协作。

2. 核心功能

（1）原生工作流暂停机制

在流程关键节点插入“Human Input”节点，工作流即会暂停，等待人工输入。这对于涉及敏感决策或需人工校验的数据场景尤为必要。

（2）人工审核与编辑

暂停后系统会生成可视化界面，人工可审阅 AI 输出内容，修改关键变量（如草稿、数据结果等），再继续执行流程，从而保证精准度。

（3）操作路由控制

可配置自定义按钮，如“批准”、“拒绝”、“升级处理”等，用于决定后续工作流路径。不同操作对应不同的逻辑分支，实现高度灵活的决策流。

（4）多渠道输入方式

人工输入表单可通过 Web 应用或邮件推送形式完成。在云环境下，邮件方式可能受订阅计划或功能设置影响。

二、架构更新：支持暂停和恢复的工作流机制

为支持 HITL 所需的状态化暂停与恢复机制，Dify 对执行引擎进行了全面重构。

1. 执行架构变化

• • Workflow-Based Streaming Executions 和 Advanced Chat Executions 现均由 Celery workers 执行。
• • 非流式的工作流运行仍在 API 进程中处理。
• • 所有暂停／恢复路径（包括 HITL）均通过 Celery 恢复执行，事件流式返回经由 Redis Pub/Sub 实现。

2. 大规模部署及自托管建议

Dify 引入了新的 Celery 队列：workflow_based_app_execution。标准部署模式可直接使用，但对于高并发、高吞吐环境，官方建议进行如下优化：

• • Scale Workers（扩展 Worker 数量）：根据工作负载增加对该队列的 Worker。
• • Dedicated Redis（专用 Redis 实例）：大规模部署推荐配置 PUBSUB_REDIS_URL 指向专用 Redis；使用 Redis Cluster 模式结合分片 PubSub，可实现水平扩展与稳定高性能。

三、重要升级提示

1. 新增 Celery 队列要求

必须确保部署配置（Docker Compose、Helm Chart 等）包含监听 workflow_based_app_execution 队列的 Worker。否则，流式执行和恢复任务（包括 HITL）将无法处理。

2. 额外 Celery 队列

新增 api_token 队列。当 ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK=true 时，需要部署 Worker 监听该队列，用于定期批量更新 API Token 的 last_used_at 时间戳。

四、配置环境变量更新

为了支持新的架构设计，Dify 1.13.0 增加了多项环境变量，尤其在大型部署场景下需要重点关注 Redis PubSub 相关配置。

★ 关键配置变量

• • PUBSUB_REDIS_URL：指定用于 API 与 Celery 之间 PubSub 通信的 Redis URL。未设置时默认使用标准 REDIS_* 配置。
• • PUBSUB_REDIS_CHANNEL_TYPE：设置事件流通道类型。可选项：pubsub（默认）或 sharded。高并发环境强烈推荐使用 sharded。
• • PUBSUB_REDIS_USE_CLUSTERS：设置为 true 以启用 Redis 集群模式，与分片通道结合时实现水平扩展。

★ 其他新增配置项

• • WEB_FORM_SUBMIT_RATE_LIMIT_MAX_ATTEMPTS：限制每个 IP 的网页表单提交次数（默认 30 次）。
• • WEB_FORM_SUBMIT_RATE_LIMIT_WINDOW_SECONDS：提交限流时间窗口（默认 60 秒）。
• • HUMAN_INPUT_GLOBAL_TIMEOUT_SECONDS：工作流暂停等待人工输入的最长时间（默认 604800 秒，即 7 天）。
• • ENABLE_HUMAN_INPUT_TIMEOUT_TASK：启用人工输入超时检查后台任务（默认 true）。
• • HUMAN_INPUT_TIMEOUT_TASK_INTERVAL：设置超时检查任务的执行间隔（默认 1 分钟）。
• • ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK：启用周期性批量更新 API Token 使用时间任务（默认 true）。
• • API_TOKEN_LAST_USED_UPDATE_INTERVAL：批量更新任务的执行间隔（默认 30 分钟）。
• • SANDBOX_EXPIRED_RECORDS_CLEAN_BATCH_MAX_INTERVAL：设置清理保留数据任务的随机延迟间隔（默认 200 毫秒），用于降低数据库压力峰值。

五、其他重要更新亮点

（1）可靠性与正确性提升

• • 增加迁移时的去重检测与租户默认模型的唯一约束，防止重复数据。
• • 修复了工具删除过程中的类型不匹配问题。
• • 修复 FastOpenAPI 集成导致的身份解析错误问题。
• • 修复文件类响应消息类型识别错误。
• • 优化工作区权限行为，非管理员用户不再显示邀请操作。

（2）性能与可扩展性优化

• • 利用插件清单预缓存及 AppListApi 查询优化降低后端负载与控制台延迟。
• • 提高大数据任务的稳定性：分割数据库会话、批量清理执行、索引优化与节流机制显著减少系统波动。

（3）API 与平台增强

• • 新增终端用户查找服务接口，支持租户和应用范围内的访问控制。
• • 提升工作流运行历史在状态切换时的刷新逻辑体验。
• • 优化 MCP 工具集成，可提取与上报使用元数据（包括 Token 与成本统计字段）。

（4）安全性增强

• • 移除 ECharts 中的动态 new Function 解析机制，对不支持的代码返回显式错误，零注入风险。

（5）国际化支持

• • 新增 荷兰语（nl-NL） 本地化支持，进一步完善国际化覆盖。

六、升级指南

1. 注意事项

如果你使用自定义的 CELERY_QUEUES，务必确保其中包含：

• • workflow_based_app_execution
• • 当启用 API Token 更新任务时，还需包含 api_token

2. Docker Compose 部署步骤

1. 1. 备份自定义 Compose 文件

cd docker
cp docker-compose.yaml docker-compose.yaml.$(date +%s).bak

1. 2. 获取最新代码

git checkout main
git pull origin main

1. 3. 停止服务

docker compose down

1. 4. 备份数据

tar -cvf volumes-$(date +%s).tgz volumes

1. 5. 升级服务

docker compose up -d

如遇数据库连接错误，例如：

failed to connect to `host=db_postgres user=postgres database=dify_plugin`: hostname resolving error

请改用以下命令启动：

docker compose --profile postgresql up -d

3. 源码部署步骤

1. 1. 停止运行中的 API、Worker 与 Web 前端服务。
2. 2. 切换至指定版本分支：

git checkout 1.13.0

1. 3. 更新 Python 依赖：

cd api
uv sync

1. 4. 执行数据库迁移：

uv run flask db upgrade

1. 5. 重新启动全部服务。

七、其他修复与优化摘要

Dify 1.13.0 中完成了大量代码重构与性能调优，涵盖前后端、测试体系与任务消费机制。主要变化包括：

• • 工作流执行队列新增支持 workflow_based_app_execution，确保所有流式任务与暂停恢复逻辑可被正确消费。
• • 修复 Redis 客户端导致的高 CPU 使用问题，系统稳定性提升显著。
• • 批量删除与数据库会话优化减少资源阻塞。
• • 优化工作流节点输出描述与状态图标展示，提高可视化一致性。
• • 新增综合测试用例覆盖 Human Input 节点功能，确保 HITL 模块稳定。
• • 增强工作流运行历史管理与 UI 更新体验。
• • 加强 API Token 队列处理逻辑与 Redis 通信稳定性。
• • 重构核心数据库任务，使知识检索节点与数据库操作彻底解耦。
• • 引入类型安全环境变量与升级到 zod v4，增强配置可靠性。
• • 优化网页主题视觉与暗亮模式变量。
• • 修复多语言、组件样式、数据索引、权限逻辑等细节问题。

八、总结与展望

代码地址：github.com/langgenius/dify

Dify 1.13.0 是一次从架构到底层执行机制的重大演进。

这一版本的 Human-in-the-Loop (HITL) 功能，让工作流不再是纯粹的自动化流水线，而成为人工智能与人类智慧协同的闭环系统。AI 的高效与人类的决策能力得以融合，真正实现信任与效率的平衡。与此同时，架构层面的重新设计、Redis Pub/Sub 与 Celery 队列优化，让 Dify 能够从单机轻量级部署平滑过渡到企业级高并发场景。

性能更高、架构更稳、协作更强、国际化更完备——Dify 1.13.0 已成为 AI 工作流平台发展的又一重要里程碑。

结语： Dify 1.13.0 的发布，标志着智能应用从“机器自动化”迈入“人机协同”的新阶段。这不仅是技术上的跃升，更是智能生产力工具进化的方向。随着 HITL 节点的成熟和架构扩展机制的完善，未来的 Dify 将更好地连接人类思维与 AI 智能，让每一条工作流都具备学习、判断与自适应能力。

·

我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。 欢迎关注“福大大架构师每日一题”，发消息可获得面试资料，让AI助力您的未来发展。

·