Dify application type
目前有五种：（聊天助手、Agent、文本生成应用、Chatflow、工作流）。在创建应用的时候，我们应该要怎么选择呢？
1. Chat 聊天助手
定位：基于大语言模型（LLM）的对话式交互助手，擅长处理多轮对话，支持记忆用户历史输入。
特点：
提供自然的对话体验，可主动引导对话（如设置开场白）。
适合需要持续交互的场景，但逻辑相对简单。
场景示例：
客服机器人：处理投诉、回答用户问题（如"帮我查最新订单状态"）。
教育助手：辅导学生作业、解答知识点，如"解释一下牛顿第二定律"。
2. Agent
定位：具备任务分解、工具调用和推理能力的智能体，能处理复杂目标。
特点：
可调用外部工具（如API、数据库）完成多步骤任务。
适合需要逻辑推理和动态决策的场景。
场景示例：
订餐助手：分解用户需求（如“订一家附近评分4.5分以上的川菜馆”），调用地图API筛选餐厅，完成预订。
数据分析助手：根据用户指令，自动调用数据工具生成图表并总结结论。
3. 文本生成应用
定位：专注于生成结构化文本内容（如文章、邮件、代码）。
特点：
强调输出内容的格式化和可控性。
适合需要批量生成或定制化内容的场景。
场景示例：
营销文案生成：根据产品关键词自动生成多版本广告文案。
报告生成：输入数据后生成包含图表和分析的完整报告。
4. Chatflow
定位：面向复杂对话流程设计的对话式工作流，支持动态编排和记忆功能。
特点：
可设计多分支对话逻辑（如条件判断、循环）。
适合需要精细控制对话流程的场景。
场景示例：
医疗问诊助手：通过多轮提问逐步收集患者症状，最终给出初步建议。
智能导购：根据用户偏好动态推荐商品，并处理个性化需求。
5. 工作流（Workflow）
定位：非对话式自动化流程，用于处理批量任务或后台操作。
特点：
无用户交互，专注于数据处理、任务调度。
支持定时触发或API调用启动。
场景示例：
数据清洗：定时从数据库提取数据，清洗后生成报表。
招聘流程：简历解析→AI面试→用人部门评估→offer发放。
如何选择？
需要简单对话交互，无需复杂逻辑→ 选聊天助手
需结合工具完成多步骤任务→ 选Agent
仅需生成标准化内容→ 选文本生成
有明确步骤，需要分步骤引导用户→ 选Chatflow
涉及多系统/人工介入？→ 选工作流
举个栗子：
某银行信用卡部门需求：
在线办卡引导 → Chatflow （分步收集资料）
额度自动审批 → 智能体（调用征信系统）
电子协议生成 → 文本生成应用
后续客服咨询 → 聊天助手
异常处理流程 → 工作流（转人工审核）
