本文用實務導向，帶你在 ⁣Dify 平台以最短時間打造可實時搜尋網頁內容的 ⁢Agent。核心價值在於：選用具備 function calling 的大語言模型、清楚定義每個工具的作用與執行順序、並結合 Brave_Search ​與 Jina 爬蟲等工具，讓查詢流程穩定、回覆更精準。遵循「先查時間、再搜尋網站、再爬取內容、最後交給模型回答」的步驟，能顯著提升效能與可控性。

作者凱文大叔以新年話題作為實例，現場示範如何把流程落地，實測證明正確的指示與順序能讓 Agent 高效運作；同時也坦承 DeepSeek ⁢的⁤ function calling 存在小 bug，並分享他在成本與穩定性間的取捨，例如選用成本較低的 ChatGPT​ 4o-mini，依然能在輸出品質上取勝。

文章目錄

• 在 Dify 上快速建立網路搜尋 Agent 的核心流程與實戰要點
• 精細化工具組設定：Current_Time、Brave_Search 與 Jina 爬蟲的角色與配置重點
• 提示詞設計與順序控制：確保時間先查詢再進行網站搜尋與內容爬取
• function calling ⁢的現實挑戰與模型選型建議：避免無窮調用與穩定性問題
• 提升穩定性與成本效益的實務策略：DeepSeek 與各模型的比較與最佳實踐
• 常見問答
• 總結

在 Dify ⁣上快速建立網路搜尋 Agent 的核心流程與實戰要點

，核心在於把任務、工具與執行順序完整寫清楚，讓大語言模型能穩定地呼叫工具並產出正確的回答。以凱文大叔的實作為例，Agent 會先取得時間 (Current_Time)、再進行網路搜尋 (Brave_Search)，接著用 Jina_Reaser 抓取頁面內容，最後把整理後的資料丟給大語言模型回覆。這樣的流程能讓模型專注於解釋與整理，而不必自行去亂查。

核心實作可依照以下步驟並在提示詞裡以固定順序描述，確保執行流程不跑偏：

• 步驟一：先查時間，若與時效相關，就先取得當前時間。
• 步驟二：再查相關網站，使用 Brave_Search ‌找到有價值的網頁。
• 步驟三：爬取內容，由 Jina_Reaser ⁤ 將網站內容爬取並整理成可回傳的文本。
• 步驟四：交由大語言模型回覆，模型根據時間、內容與使用者需求給出最終回答。

在模型與呼叫機制方面，實務關鍵如下：

• 必須支援 function calling，否則就算工具裝好也無法實際呼叫。
• 目前的 DeepSeek ⁣推論模型 ⁤ R1 ⁢ 不支援 function calling，建議使用可呼叫工具的 chat 模型版本。
• DeepSeek 的 ⁢function ⁢calling 仍有一些⁢ bug，社群討論區有相關案例，因此要留意穩定性並視情況切換前往更穩定的模型。
• 我常用的是⁢ 4o-mini，因為成本較低且適合把查詢資料交給模型解釋的場景，能提升整體效能與性價比。

要把設定落地，以下提示要點不可省略：

• 明確寫清每個工具的用途與輸入/輸出，例如 Current_Time、Brave_Search、Jina_Reaser 的角色與資料流。
• 設定固定的執行順序，讓模型依序「查時間、查網站、爬內容、回覆答案」。
• 在提示詞中描述工具的調用流程，避免模型自行亂調用，幫助預測與排程。
• 頻繁測試與除錯，觀察是否過度呼叫或遺漏關鍵內容。
• 注意 DeepSeek 的討論區與實作限制，必要時搭配更穩定的工具組合使用。

實戰延伸與操作建議：

• 可動態擴充工具，除了網路搜尋，還可加上圖表、資料清理等工具，提升應用場景的彈性。
• 資料時效與隱私：設置快取策略，避免重複爬取與不當內容暴露。
• 成本與效能平衡：若要長期穩定，選取性價比較高的模型版本，例如使用成本較低的方案以降低整體支出。

核心Takeaways（要點摘要）：

• 分步驟設計：時間 -> 網頁搜尋 -> 爬取內容 -> LLM 回答，確保資料流清晰。
• 工具說明要完整：每個工具的作用、輸入/輸出與觸發條件都要寫清楚。
• 確保⁤ function calling ​可用：選擇支援該特性的模型，避免不穩定的實作。

精細化工具組設定：Current_Time、Brave_Search 與 Jina ⁣爬蟲的角色與配置重點

在精細化工具組設定中，Current_Time、Brave_Search 與 Jina ⁢爬蟲 各自扮演關鍵角色，必須以正確的執行順序來組成工作流。我的實作經驗是：先取得時間，再進行網路搜尋，最後爬取並整理網站內容，再把結果交給大語言模型回覆。以下會聚焦於這三個工具的角色定位與配置重點。

角色與執行順序如下：

• Current_Time：負責取得當前時間與時區資訊，提供時間參考，輸出通常以 ISO 8601 形式呈現，為後續查詢設定基準。
• Brave_Search：負責在網路上搜尋相關內容，選取合適的範圍與關鍵字，輸出為可爬取的網址清單與初步摘要。
• Jina ‍爬蟲：負責下載與提取網頁內容，將關鍵文本與元資料整理成結構化資料，提供給大語言模型做後續推理與回答。

提示詞設計要點：

• 在提示詞中清楚描述三個工具的作用與執行順序，例如：先執行 Current_Time，再執行 Brave_Search，最後部署 Jina 爬蟲；讓模型遵循明確的流程。
• 確保模型支援 function calling，以便真正呼叫外部工具；若模型不支援，整個工作流將無法自動化。
• 選擇支援 function calling 的模型，例如⁢ ChatGPT ⁣系列或同階能力的替代品；避免選用不支援此功能的推論模型（如某些版本的 DeepSeek）而造成無法呼叫工具的情況。
• 為每個工具寫清楚的輸入輸出格式與預期行為，避免模型自行「亂查」而打亂順序與結果品質。

在​ Dify 的實作要點與注意事項：

• 時區與時間格式：在提示中固定以當前時區取得的時間為基準，輸出格式統一，便於下游整合。
• Brave_Search 設定：設定搜尋範圍與關鍵字、限定結果數量、是否取得摘要，必要時限制來源信任度與更新頻率，以降低噪訊。
• Jina‍ 爬蟲設定：設定目標網站白名單/黑名單、爬取深度、內容抽取策略（如僅取文本段落、忽略廣告區塊）、以及延遲與速率控制以避免過度抓取。
• 緩存與重用：對已取得的網頁內容實施緩存，避免重複爬取，提升回應速度與降低成本。
• 錯誤處理與輸出格式：對查詢失敗、內容缺失或解析錯誤制定退避與重試策略，並統一輸出結構，方便後續模型消化。

測試與注意事項：

• 驗證是否嚴格按照「先時間、再搜尋、再爬取」的順序執行，避免跳序造成時間與內容不一致。
• 檢查取得的時間與網頁內容是否正確落地到下游模型的回答中，避免空值或過時資訊影響結果品質。
• 觀察 function calling 的穩定性，警戒可能的無窮呼叫或重試迴圈，必要時設定最大呼叫次數上限。
• 比較不同模型的表現與成本，優先以較穩定且成本較低的版本進行長期使用；留意 DeepSeek 等模型在此流程中的實際表現差異。
• 定期檢視工具描述與輸出格式，確保新網站或新類型內容加入時仍能準確被解析與回答。

提示詞設計與順序控制：確保時間先查詢再進行網站搜尋與內容爬取

提示詞設計與順序控制的核心在於讓 Agent 的工作流程具可預測性：先用 ⁤ Current_Time 查詢時間，再透過 Brave_Search ⁣ 搜尋相關網頁，最後再由 Jina_Reaser 爬取並摘要內容。透過這個順序，LLM 在接收輸出前能先掌握時間與來源，提升回覆的時效與可核驗性。以在 Dify 上的 DeepSeek 實作為例，便是以此流程來降低資料延遲與避免內容缺漏，確保「先查時間、再搜尋、再爬取、再彙整」的邏輯落地。

在提示詞的設計上，應清楚定義各工具的功能與執行順序，讓大語言模型 (LLM) 能按步就班地工作。要點包括：Current_Time（查目前時間）、Brave_Search（網路搜尋相關內容）、Jina_Reaser（爬取頁面內容）。提示詞中要明確寫出「第一步查時間、第二步查相關網站、第三步爬取內容、第四步交由模型回答」的流程，這樣模型在執行時就會依據同一個順序工作，避免跑偏與資訊不一致。

如果沒有特別標示順序，某些模型可能會先直接搜尋再爬取，或在取得時間前就輸出結果，造成時序錯誤與內容落後。實作上，function calling ⁤的支援很關鍵，因為現今大語言模型多以此機制呼叫工具。就 DeepSeek 的 R1 ⁣推論模型而言，似乎不支援 function calling，因此要優先使用支援該功能的聊天模型；在我實戰中，常用的成本較低的 ‍ 4o-mini ⁤版本也需要留意版本穩定性，避免重複呼叫或回傳不穩定的結果。 ⁣

實作步驟與檢核要點如下：定義工具與作用、明確設定順序（時間→網站→內容）、撰寫可複用的提示詞範本、進行模擬測試以確保順序被執行、觀察是否有多餘或遺漏的工具呼叫，以及建立回歸測試與監控，確保長期穩定運作。若出現異常，回到提示詞手動調整流程描述，避免因細節偏差而影響整體結果。

工具	作用	需要順序強制	支援 function calling
Current_Time	查詢目前時間	是	是
Brave_Search	網路搜尋相關內容	是	視模型而定
Jina_Reaser	爬取網頁內容	是	是
LLM-代理模型	整合與回覆生成	依流程設定	通常為支援

function calling 的現實挑戰與模型選型建議：避免無窮調用與穩定性問題

在實務上，function calling ‍ 的現實挑戰集中在如何讓工具依序觸發、避免無窮調用，以及確保整體穩定與回應品質。以下以在 Dify ⁣設定 Agent 的實戰經驗，整理可直接落地的要點與模型選型建議，協助你快速落地高穩定的網路搜尋 Agent。

• 明確在提示詞中定義每個工具的用途與回傳格式，如 Current_Time、Brave_Search、Jina_Reader，並指明輸出欄位與期望的結果結構。
• 設定執行順序：第一步查時間，第二步搜尋相關網站，第三步爬取內容，第四步交給大語言模型回覆；讓模型清楚知道每一步該做什麼、何時切換到下一步。
• 提供完整的工作流程描述給模型，讓它按照指定順序執行，避免因缺乏順序指示而出現亂調用或過早結論的情況。
• 避免讓模型自行決定流程，必須在提示中強制加入「必須依序執行」的規則，以及各工具的觸發條件與前置任務。
• 對工具呼叫的次數與時機設置限制，如設定最大調用次數、超時時間等，避免出現無窮循環與穩定性問題。
• 實際測試中若不指定順序，模型往往會先進行搜尋或直接給出結論，造成效能與正確性下降，因此要以明確指令強制執行流程。

在模型選型方面，現場實測顯示並非所有模型都適合支援 function calling。DeepSeek 的推論模型 ​R1⁣ 不支援‍ function calling，因此無法直接用於需要工具呼叫的任務；需要選用支援 function calling 的模型如 Chat 系列。就實務穩定性與成本而言，DeepSeek 的 Chat V3 雖然可以觸發呼叫，但也存在「無窮調用」的風險與穩定性問題，必須嚴格控管。而我個人比較常用且性價比高的選項是 4o-mini，成本低、速度快，且在以查詢結果再交由模型解釋的工作流程中表現穩定。若追求更高穩定性，亦可考慮使用 ‍ChatGPT 類型的成熟模型，搭配適當提示詞以確保整體流程穩定。

模型	是否支援 function Calling	實務重點與建議
DeepSeek R1	不支援	不適合需要工具呼叫的場景，建議改用支援的模型
DeepSeek Chat V3	支援	可呼叫工具，但存在無窮調用與穩定性風險，需嚴格流程與監控
4o-mini	支援	成本低、速度快，適合以查詢結果解釋為主的工作流程
ChatGPT 系列（如 GPT-4o⁣ 等）	高度支援	穩定性較好、社群與文件支援完善，適合追求穩定性與長期維運的任務

提升穩定性與成本效益的實務策略：DeepSeek 與各模型的比較與最佳實踐

提升穩定性與成本效益的實務策略，核心在於把工具的角色、執行順序與模型能力掌握清楚。以在 Dify 上設定 Agent 為例，實務經驗顯示：先界定每個工具的用途與呼叫方式，再透過明確的順序提示，使大語言模型按照固定流程工作，才能穩定產出且降低成本。注意到 DeepSeek ⁤ 的推論模型 R1 不支援 ⁣ function⁣ calling，因此在需要工具呼叫時，必須選用具備此能力的模型，如 ChatGPT 系列。若以成本為優先，4o-mini 的單次成本更低，且在資料查詢與解釋階段的表現足以滿足大多數場景，但穩定性需搭配嚴謹的順序與監控。以下策略摘錄自實作與討論。

實務步驟與要點：

• 清楚定義工具與用途：Current_Time、Brave_Search、Jina_Reaser 等工具各自的角色，並在提示詞中註明功能與資料來源。
• 固定執行順序：第一步查時間、第二步搜尋相關網站、第三步爬取內容、最後交給大語言模型回覆。
• 以順序為主的提示設計：將「順序、用途、資料流」寫入提示，避免模型自行跳序造成資料不完整。
• 選擇支援 function ⁤calling 的模型：若模型不支援，工具調用將無法穩定執行。
• 考量成本與穩定性的平衡：在需要大量查詢時，較低成本的模型如 ‌ 4o-mini 可降低費用；遇到複雜任務時，選用穩定性較高的⁤ ChatGPT 類型模型。
• 監控與針對性除錯：DeepSeek 的 function calling 仍有 ‌bug，實作時要記得檢查調用次數、回流內容與錯誤信息，必要時切換模型或回退到更穩定的設定。

實務觀察與建議：

• 若未事先寫好提示與順序，Agent⁣ 可能只進行搜尋而不產出可用內容，或因缺乏時間資訊而回覆過時資料。
• 當模型能接受明確工作流時，資料來源會更可控，回覆也會更精確、更新更及時。
• 在成本敏感場景，先以低成本模型處理，再在需要高精度解釋時再升級至高穩定性模型，以降低整體花費。

下列為常見模型的比較要點，供設定時快速參考：

模型	功能呼叫支援	穩定性與成本平衡	關鍵優點	常見風險/注意事項
DeepSeek ⁢推論模型 R1	不支援	成本較低，但功能有限，穩定性受限制	原生整合簡易、低成本	function calling⁣ 不支援，或需特定配置，易出現多次呼叫造成延遲
ChatGPT ‍系列	支援	較高穩定性，成本相對較高	良好 的 function calling 穩定性、支援複雜工作流	成本較高，需注意用量控管
4o-mini	可能支援（視版本）	成本最低、適合解釋型任務	成本友善、快速回應	穩定性與長期支援需評估版本差異

常見問答

🧭 如何在 Dify 設定 Agent，並確保工作流程的正確順序？

在 Dify 設定 Agent ⁤時，必須在提示詞中清楚指示工作流程的順序：先查時間、再搜尋網站、最後爬取內容。具體做法是新增三個工具：Current_Time（查目前時間）、Brave_Search（搜尋網站）、Jina_Reaser（爬取網站內容），並在提示詞中分別標註它們的功能。接著按照「第一步查時間、第二步查相關網站、第三步爬取內容」的順序來讓大語言模型執行，這樣就能讓模型依序呼叫工具並回覆。如果不特別說明順序，模型可能會先搜尋、缺乏時間信息或未取得內容就直接回答，效能與準確性都會下降。此外，確保模型具備‌ function calling，才能真正透過工具呼叫完成整個流程。

🤖 為什麼需要使用 function ⁣calling，且該選哪種模型以穩定支援？

function calling 是讓 agent 能真正呼叫外部工具的關鍵，否則即使有工具也無法被正確執行。實務中，DeepSeek 的推論模型 R1 不支援 function calling，因此必須選擇支援該功能的 Chat ⁤模型。根據實測，建議使用成本較低且穩定的選項，例如 4o-mini，或使用 Chat V3 等支援 function calling 的 Chat 模型。需要注意的是⁣ DeepSeek 的 function calling​ 仍有一些 bug，因此選用穩定的聊天模型（如 Chat ‍V3）能降低風險；若以成本優先，4o-mini 也是常用且較便宜的選擇。

📝 如何在提示詞中正確說明工具的用途與執行順序，以避免效能下降？

最重要的是在提示詞中清楚描述每個工具的用途與執行順序。例子包括：Current_Time 查時間、Brave_Search 查網站、Jina_Reaser 爬取內容；並明確寫出第一步、第二步、第三步，讓模型依照此順序逐步執行。若未清楚註明順序，模型可能先搜尋再回覆，或因缺少時間與內容而產生過時結果（如出現「現在是2020年」之類的情況）。此外，提示詞中應說明每個工具的功能，並在需要時擴充新的工具，以便實現更完整的工作流與回覆。

總結

結語與資訊增益

在這次的示範中，最核心的資訊增益在於清楚定義工具鏈與執行順序，以及對提示詞的嚴謹設計。透過以下要點，你可以在 Dify 上更穩定、快速地建立網路搜尋 Agent：

– 工具鏈與執行順序：Current_Time 負責取得時間、Brave_Search 負責網路搜尋、Jina_Reader 負責爬取並提取網頁內容，最終由大語言模型進行彙整回覆。正確的順序讓模型在正確的時效與內容基礎上作答。

– 提示詞設計的重要性：在提示詞中清楚說明每個工具的用途，並強制模型依「先時間、再搜尋、再爬取、再回覆」的順序執行。若未明確指示，模型可能跳過步驟、造成時效不符或內容缺失。

– 需支援 function calling 的模型：現階段的 Agent 依賴大語言模型的 function calling 來呼叫工具，因此必須選擇支援該功能的模型。DeepSeek 的推理模型（如 r1）目前不支援，建議使用 ChatGPT 系列或成本較低的 4o-mini⁤ 等模型，並注意某些模型在⁤ function calling 上的穩定性與迴圈問題。

– 有效的成本與穩定性取捨：為了成本與穩健性，實務上常以較便宜的模型搭配明確的提示詞與工具描述，讓內容取得高可信度而不被高昂成本拖累。

– 對比與風險：有無提示詞的結果對照顯示，加入提示詞後在時序與內容完整性上大幅提升，同時需要監控可能的無窮呼叫或錯誤呼叫，特別是使用‌ deepseek 時的相關 bug。

-‌ dify 的易用性與擴充性：設定⁤ Agent 的介面設計讓你可以隨時新增工具，靈活組合 Current_Time、Brave_Search、Jina_Reader 等組件，三分鐘內就能完成初步設定，讓你快速落地專案。

要把這些落地到你的專案，現在就動手嘗試，並根據實測結果逐步優化你的提示詞與工具描述。

Hahow募資課程，填問券拿早鳥折扣
https://forms.gle/dXaeh9LUFUgAxEp78
===
成為這個頻道的會員並獲得專屬福利：
https://www.youtube.com/channel/UClPN2rjY4im2LC9vG3Y8vkg/join
===
推薦共享帳號平台 FlixSeek，除了能使用 Youtube Premium、Disney+ 等影音頻道共外，還有AI服務，例如ChatGPT、Perplexity、Canva也能共享，最近更加入Adobe
影片說明：https://youtu.be/bqRz1e1Ke2I
透過邀請鏈結，購買時輸入折扣碼：【kevin】就能立刻打95折
邀請鏈結：https://www.flixseek.net/?code=pg-kt
===

🚀 Dify 超速開發 Agent ⚡️ 結合 DeepSeek ⁢致命缺陷解析
用 Dify⁢ 快速打造網路搜尋 Agent，同步揭露為何 DeepSeek 一用就崩潰！

👉👉👉請我喝杯咖啡，補充創作能量: https://buymeacoffee.com/kevintsai

🔥 ‍兩大核心重點一次掌握：
✅ ‍Dify 極速開發技巧
‌⁢ 三大工具整合術：Current_Time × Brave_Search ×⁤ Jina_Reader 讓LLM無縫串接網路
3 分鐘完成 Agent 設定
00:01:45 提示詞黃金模板：強制模型「照順序調用工具」的指令寫法
⁣00:02:41 ‍不寫提示詞的結果比對

❌ DeepSeek 實測踩雷全記錄
00:03:23 推理模型(ChatGPT o1, DeepSeek‍ r1)不支援 Function Calling
⁣ 00:03:59 無限迴圈、錯誤調用工具！

#Dify教學 #DeepSeek地雷 #Agent開發 #AI工具鏈 #ChatGPT實戰