30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度如果你正在用 Dify 构建一个智能客服或内容审核工作流是否遇到过这样的困境AI 的回复大部分时候都很好但偶尔会“一本正经地胡说八道”或者在一些需要严格合规、涉及关键决策的环节你不敢完全放手让它自动执行你需要的可能不是一个更聪明的模型而是一个能让人类在关键时刻“踩刹车”或“微调方向”的机制。这就是 Dify 1.15 版本中“人工介入”Human-in-the-Loop, HITL功能要解决的核心问题。它不是一个简单的“审核”开关而是一套将人类智慧无缝嵌入到自动化 AI 工作流中的系统性工程能力。过去我们要么全自动要么全手动中间缺乏一个优雅的、可编程的协作层。Dify 1.15 通过引入审批节点和人工触发节点正式填补了这一空白让 AI 应用从“玩具”走向“生产工具”的关键一步得以实现。本文将深入解析 Dify 1.15 的“人工介入”功能。我不会只告诉你按钮在哪里而是会带你理解其背后的设计哲学、适用的核心场景并通过一个从零构建的内容发布审批工作流实战案例手把手展示如何配置审批流程、处理人工反馈并最终将审批结果集成回自动化流程。你会发现这不仅仅是多了一个节点而是彻底改变了你设计和思考 AI 工作流的方式。1. 这篇文章真正要解决的问题在 AI 应用开发中我们常常陷入一个两难境地追求全自动化带来的效率还是为了保证质量与安全而保留人工干预Dify 1.15 之前的版本工作流一旦启动便如离弦之箭无法中途干预。这在很多真实业务场景中是行不通的。想象以下几个场景智能客服AI 生成的赔偿方案或重要政策解释在发送给用户前需要主管复核。内容创作AI 批量生成的营销文案或新闻稿在发布前需要编辑进行润色和定稿。数据查询与分析AI 生成的复杂 SQL 语句或数据分析报告在执行或交付前需要资深工程师确认其正确性。审批流程任何涉及费用、权限、合同等关键业务流程AI 可以预处理但最终决定权必须在人。如果没有“人工介入”上述场景的解决方案往往很笨重要么将整个工作流拆成两段中间通过外部系统如邮件、OA手动传递数据要么干脆放弃自动化回归全人工。这两种方式都破坏了工作流的连贯性和可维护性。因此本文要解决的核心问题是如何在 Dify 构建的自动化 AI 工作流中优雅、灵活地插入必须由人类完成的决策或修正环节并确保流程数据不中断、状态可追踪我们将通过 Dify 1.15 的新功能给出一个标准化的答案。这篇文章适合所有正在或计划使用 Dify 构建严肃生产级应用的开发者、产品经理和业务负责人。2. Dify 与“人工介入”核心概念解析在深入实操前有必要厘清几个关键概念这能帮助你更好地理解 Dify 的设计思路。2.1 Dify 是什么再认识其定位根据网络资料Dify 被定义为一个“领先的智能体工作流构建器”。它集成了智能体工作流、RAG 管道、多种集成和可观测性能力。通俗地说Dify 是一个低代码/无代码的 AI 应用开发平台让你通过拖拽方式将大语言模型、知识库、代码解释器、各种工具 API 连接起来构建出复杂的 AI 应用。它的核心价值在于“将 AI 能力工程化”。你可以像搭积木一样构建流程而无需关心底层的模型调用、上下文管理、状态维护等复杂工程问题。Dify 负责提供稳定、可扩展的后端服务。2.2 什么是“人工介入”“人工介入”是 AI 工程中的一个重要范式指在自动化系统中特意设计一些环节允许人类操作员提供输入、做出决策或纠正错误。其目的不是取代自动化而是增强它确保系统的可靠性、安全性和合规性。在 Dify 的语境下“人工介入”特指在工作流执行过程中主动暂停自动化执行将特定数据如 AI 生成的文本、建议的方案发送给指定的人工审批者等待其做出“通过”、“拒绝”或“修改后通过”的决定后再决定工作流后续分支走向的能力。2.3 Dify 1.15 实现人工介入的两大核心节点Dify 1.15 主要通过两个节点来实现这一能力审批节点这是最核心的节点。工作流执行到此节点时会暂停并向预设的审批人可以是具体的用户邮箱或通过变量动态指定发送审批通知。审批人可以在 Dify 的 Web 界面或集成到第三方系统如 Slack、飞书的消息中查看待审批内容并做出决定。审批结果通过/拒绝会作为变量传递给后续节点。人工触发节点这个节点用于启动一个需要人工输入的工作流。它更像是工作流的“门卫”只有人工点击触发后工作流才会开始执行。这适用于那些完全由人工事件驱动的场景例如“用户提交表单后开始处理”。本文将重点讲解更常用、也更复杂的“审批节点”因为它代表了在自动化流程中嵌入人工决策的典型模式。2.4 为什么这很重要从“开环”到“闭环”的演进在没有人工介入功能时Dify 工作流是一个“开环”系统输入 → 处理 → 输出过程不可中断。加入审批节点后系统变成了一个“闭环”系统可以提出方案人类进行评估和修正系统再基于反馈继续执行或调整。这带来了几个根本性改变风险可控在关键点设置检查站防止 AI 幻觉或错误决策造成损失。责任明晰所有经过人工审批的环节都有记录符合审计要求。人机协同人类负责需要创造力、伦理判断和深层领域知识的部分AI 负责重复性、高计算量的部分实现效率与质量的最优解。理解这些概念后我们就可以开始动手搭建一个包含人工介入的完整工作流了。3. 环境准备与前置条件在开始构建工作流之前请确保你的环境已就绪。3.1 Dify 环境要求Dify 版本必须为1.15.0或更高版本。早期版本不支持审批节点。你可以通过 Dify 管理后台的“系统状态”或部署命令查看当前版本。部署方式无论是使用 Docker Compose、Kubernetes 还是直接源码部署只要版本达标即可。本文示例基于 Docker Compose 部署的 Dify。访问权限你需要一个具有工作流创建和编辑权限的 Dify 账户。3.2 模型配置准备由于工作流中会用到 LLM 生成内容你需要确保 Dify 中已配置好至少一个可用的语言模型。推荐OpenAI GPT 系列、 Anthropic Claude 系列或国内可访问的同等性能模型。备用通过 Ollama 部署的本地模型如 Llama 3、Qwen 等。确保模型在 Dify 的“模型供应商”中已正确配置且状态可用。3.3 第三方工具集成可选但推荐为了让审批通知更及时建议配置一个消息推送工具。Dify 支持多种 Webhook 和消息平台集成。常用选择配置 Slack、飞书、钉钉或企业微信的“传入 Webhook”。作用当审批任务产生时Dify 可以自动发送通知到这些协作工具审批人无需一直刷新 Dify 页面。3.4 明确我们的实战目标我们将构建一个“智能内容创作与发布审批”工作流。其业务逻辑如下用户输入一个文章主题。AI 根据主题生成一篇草稿。工作流自动暂停将草稿发送给“编辑”角色的人工审批者。审批者在 Dify 界面或通过集成的 Slack审阅草稿可以选择通过工作流继续将文章发布到预设的频道模拟。拒绝工作流结束并通知申请人文章被拒。修改后通过审批者提供修改意见工作流将意见和原草稿一起交给 AI 进行修订修订后再走一次审批流程或直接发布。整个过程的每个状态待审批、已通过、已拒绝、修订中都应有日志记录。接下来我们将分步实现这个工作流。4. 工作流核心设计与节点拆解让我们在 Dify 的工作流编辑器中一步步搭建这个系统。4.1 创建工作流并设置变量首先创建一个新的空白工作流。我们需要定义几个关键变量用于在不同节点间传递数据article_topic字符串类型用户输入的文章主题。article_draft字符串类型AI 生成的草稿。approval_result字符串类型存储审批结果approved,rejected,revised。editor_feedback字符串类型存储审批者提供的修改意见。final_article字符串类型存储最终定稿的文章。你可以在工作流编辑器的“变量”面板中预先定义它们。4.2 节点1开始与主题输入使用“对话开场白”节点或“文本输入”节点作为起点让用户提供article_topic。这是一个简单的交互节点。4.3 节点2LLM 生成草稿添加一个“LLM”节点。连接将其连接到“开始”节点。配置模型选择你配置好的一个模型例如 GPT-4。系统提示词编写一个提示词指导 AI 扮演专业撰稿人。你是一位专业的科技专栏编辑。请根据用户提供的主题撰写一篇结构清晰、观点明确、语言流畅的短文草稿约500字。草稿应包含引人入胜的开头、扎实的论据和简洁的结尾。用户输入引用变量{{article_topic}}。输出处理将 LLM 的回复即生成的草稿赋值给变量article_draft。至此自动化部分完成了内容创作。4.4 节点3关键一步 - 插入“审批”节点这是本文的核心。从节点库中找到并添加“审批”节点。连接将其连接到“LLM 生成草稿”节点。配置这个节点的配置项较多需要仔细设置。审批人这是最重要的设置。有两种方式指定邮箱直接输入审批人的邮箱地址如editoryourcompany.com。该邮箱必须对应一个有效的 Dify 用户账户。变量指定更灵活的方式。例如你可以创建一个“编辑团队”列表通过上游节点动态计算本轮审批人并将其邮箱赋值给一个变量如assigned_editor然后在此处引用{{assigned_editor}}。审批标题定义审批任务的标题如“待审批文章草稿{{article_topic}}”。使用变量使其更清晰。审批内容这里需要定义发送给审批人查看的内容。通常我们会将 AI 生成的草稿和一些上下文信息格式化后放入。以下是由 AI 根据主题“{{article_topic}}”生成的文章草稿请审阅 --- {{article_draft}} --- 请决定通过、拒绝或提供修改意见后通过。审批表单高级你可以为审批人提供结构化的输入字段。例如添加一个“多行文本”字段变量名设为editor_feedback标签为“修改意见”。这样审批者就可以在做出“修改后通过”决定时直接填写意见。超时设置可以设置审批等待的超时时间如24小时。超时后可以配置默认行为如视为拒绝或通过。配置完成后这个节点就像一个闸门。工作流执行到这里会暂停并在 Dify 后台生成一个待办的审批任务。4.5 节点4根据审批结果进行分支添加一个“条件判断”节点If/Else。连接将其连接到“审批”节点。配置我们需要根据审批结果变量approval_result的值来决定流程走向。条件1approval_result等于approved连接后续的“发布文章”节点。条件2approval_result等于rejected连接后续的“通知申请人被拒”节点。条件3approval_result等于revised或你自定义的其他值连接后续的“根据意见修订文章”节点。默认分支可以处理超时或其他未知状态。4.6 节点5-7处理不同分支现在我们来构建各个分支的细节。分支A审批通过 - 发布文章添加一个“代码”节点或“HTTP 请求”节点来模拟发布动作。示例代码节点 - Python# 这是一个模拟发布的函数 # 在实际应用中这里可以调用 WordPress API、内容管理系统 API 等。 def publish_article(article): # 模拟发布逻辑 print(f文章已发布到官网频道。内容预览{article[:100]}...) # 你可以在这里返回发布后的文章ID或URL return {status: published, article_id: sim_123456} # 调用函数使用上游传来的 final_article 或 article_draft result publish_article(inputs.get(final_article, inputs.get(article_draft))) # 将结果输出到变量 outputs[publish_result] result最后可以连接一个“文本回复”节点通知用户文章已成功发布。分支B审批拒绝 - 通知申请人添加一个“文本回复”节点。内容可以配置为很抱歉您关于“{{article_topic}}”的文章草稿未通过编辑审核。请修改主题或重新撰写。此分支即为工作流终点。分支C修改后通过 - 修订并循环这是最复杂也最能体现人机协同价值的路径。添加一个新的“LLM”节点用于修订。系统提示词你是一位乐于接受反馈的撰稿人。以下是一篇草稿和编辑给出的修改意见。请根据意见对草稿进行修改和优化保留原意和优点同时解决编辑指出的问题。直接输出修改后的全文。用户输入原始草稿 {{article_draft}} 编辑意见 {{editor_feedback}} 请输出修改后的文章输出处理将修订后的文章赋值给变量article_draft覆盖原草稿或新的revised_draft。决策点修订后是直接发布还是再次送审方案一简化修订后直接跳转到“发布文章”节点。这适用于对编辑意见充分信任的场景。方案二严格修订后再次连接到一个新的“审批”节点让编辑进行复审。这可以形成多轮人机交互闭环。注意避免无限循环可设置最大修订次数。4.7 节点8结束与日志无论哪个分支最终都应汇聚到明确的结束状态。你可以使用“结束”节点。建议在关键节点如生成草稿后、审批动作发生后、发布完成后添加“日志”节点将重要变量和状态记录到工作流执行历史中便于审计和调试。至此我们完成了整个工作流的逻辑设计。它包含了自动生成、人工审批、条件分支和循环修订等核心模式。5. 完整工作流配置示例与代码解读让我们将上述设计转化为具体的 Dify 工作流配置。由于 Dify 工作流主要通过图形化界面配置这里我将用 YAML 格式描述其核心结构并辅以关键节点的配置代码片段。你可以根据此结构在 Dify 编辑器中复现。5.1 工作流整体结构 YAML 描述Workflow: Content_Approval_Demo Variables: - name: article_topic type: string required: true - name: article_draft type: string - name: approval_result type: string - name: editor_feedback type: string - name: final_article type: string Nodes: - id: start type: conversation_start outputs: - variable: article_topic - id: llm_generate type: llm model: gpt-4 prompt: system: “你是一位专业的科技专栏编辑...” user: “请撰写关于 {{article_topic}} 的文章...” outputs: - variable: article_draft - id: human_approval type: approval assign_to: editorcompany.com # 或 {{assigned_editor}} title: “待审批文章{{article_topic}}” content: “草稿\n{{article_draft}}\n\n请审批。” form: - field: editor_feedback type: textarea label: “修改意见如需” outputs: - variable: approval_result - variable: editor_feedback - id: condition type: if-else conditions: - if: “{{approval_result}} ‘approved‘” goto: publish - if: “{{approval_result}} ‘rejected‘” goto: notify_reject - if: “{{approval_result}} ‘revised‘” goto: revise default: notify_reject - id: revise type: llm model: gpt-4 prompt: system: “你是一位乐于接受反馈的撰稿人...” user: “原始草稿{{article_draft}}\n编辑意见{{editor_feedback}}\n请修改” outputs: - variable: article_draft # 覆盖原草稿 goto: human_approval # 修订后返回审批节点复审注意实际中需加循环限制 - id: publish type: code language: python3 code: | # 发布逻辑模拟 import json def publish(title, content): # 模拟API调用 return {“status“: “success“, “id“: “pub_001“} result publish(variables[“article_topic“], variables.get(“final_article“, variables[“article_draft“])) outputs[“publish_result“] json.dumps(result) outputs: - variable: publish_result goto: notify_success - id: notify_success type: answer answer: “文章 ‘{{article_topic}}‘ 已成功发布发布ID: {{publish_result.id}}” - id: notify_reject type: answer answer: “文章 ‘{{article_topic}}‘ 未通过审核。意见{{editor_feedback}}”注以上为逻辑描述性 YAML并非 Dify 直接导入的格式但清晰展示了节点类型、连接关系和变量流转。5.2 关键节点配置详解审批节点在 Dify 图形界面中“审批”节点的配置表单包含以下关键字段审批人 (Assignees)输入邮箱。支持多个以逗号分隔。所有被指定的人都会收到通知但只需其中一人操作即可。标题 (Title)支持变量插值使任务列表更清晰。描述 (Description)详细的审批说明可以使用丰富的 Markdown 格式并嵌入多个变量。表单字段 (Form Fields)这是实现“修改后通过”的关键。你可以添加“单选框”、“下拉框”、“多行文本”等字段。例如字段1action(单选框)选项通过、拒绝、需修改。字段2feedback(多行文本)仅当action为需修改时显示Dify 支持条件显示逻辑。审批人填写的意见会自动存入变量。5.3 关键节点配置详解代码节点发布模拟在“发布文章”分支我们使用“代码”节点来执行自定义逻辑。以下是更完整的 Python 示例包含错误处理# Dify 代码节点 - Python 示例发布文章到模拟的 CMS import requests import json import traceback def main(inputs: dict, context: dict) - dict: 将文章发布到内容管理系统。 输入: inputs 字典包含 ‘article_topic‘, ‘article_draft‘ 等变量。 输出: 包含发布结果的字典。 topic inputs.get(‘article_topic‘, ‘Unknown Topic‘) content inputs.get(‘final_article‘) or inputs.get(‘article_draft‘, ‘‘) if not content: return {“error“: “发布内容为空“} # 1. 准备发布数据 payload { “title“: topic, “content“: content, “status“: “publish“, # 或者 ‘draft‘ 根据审批结果定 “author“: “AI-Assisted Writer“ } # 2. 模拟 API 调用 (实际使用时替换为真实的 CMS API URL 和 Token) # api_url “https://your-cms.com/wp-json/wp/v2/posts“ # headers {“Authorization“: “Bearer YOUR_TOKEN“} # response requests.post(api_url, jsonpayload, headersheaders) # 3. 模拟成功响应 # 实际开发中请根据 response.status_code 和 response.json() 处理 print(f“[模拟发布] 文章 ‘{topic}‘ 发布请求已发送。内容长度{len(content)}“) # 模拟响应 simulated_response { “success“: True, “message“: “Article published successfully“, “article_id“: “sim_” str(hash(topic))[:8], “url“: f“https://example.com/articles/sim_{hash(topic)[:8]}“ } # 4. 返回结果供后续节点使用 outputs { “publish_status“: “success“ if simulated_response[“success“] else “failed“, “publish_details“: json.dumps(simulated_response), “article_url“: simulated_response.get(“url“, ““) } # 你也可以将结果记录到工作流日志 context[“log“](f“发布完成状态{outputs[‘publish_status‘]}“) return outputs # 在 Dify 中代码节点的返回值会自动绑定到输出变量。这个代码节点展示了如何将工作流中的数据与外部系统如内容管理系统进行集成是工作流价值落地的重要一环。6. 运行、测试与效果验证配置完成后让我们来测试这个工作流。6.1 启动测试运行在 Dify 工作流编辑器的右上角点击“发布”按钮将工作流发布为一个应用。进入该应用的聊天窗口或使用其 API 端点。输入一个测试主题例如“人工智能在医疗诊断中的最新进展”。点击发送。6.2 观察自动化阶段工作流会首先运行“LLM 生成草稿”节点你会在聊天窗口看到 AI 正在思考并生成一篇短文。生成完毕后流程会暂停。聊天界面可能会显示“等待审批”或类似的提示。6.3 模拟人工审批使用你指定的审批人邮箱如editorcompany.com登录 Dify 的另一个浏览器或标签页。进入“工作区”或“待办”区域具体位置取决于 Dify 的界面设计通常在顶部导航栏或侧边栏。你应该能看到一个待审批任务标题为“待审批文章人工智能在医疗诊断中的最新进展”。点击该任务查看完整的草稿内容。进行审批操作测试通过直接点击“通过”。然后返回原聊天窗口观察工作流是否继续并最终收到发布成功的通知。测试拒绝点击“拒绝”并可选填原因。观察聊天窗口是否收到被拒通知。测试修改后通过选择“需修改”或类似选项在“修改意见”框中输入具体意见如“请在第二部分增加一个关于伦理挑战的段落。”然后提交。观察工作流是否跳转到修订节点生成新草稿后是直接发布还是产生了新的审批任务取决于你的循环设计。6.4 验证关键结果流程正确性不同审批选择是否触发了正确的分支路径数据传递审批意见 (editor_feedback) 是否正确地传递给了修订 LLM 节点状态持久化刷新页面后工作流是否仍处于暂停状态审批任务是否还在通知机制如果配置了检查 Slack/飞书等渠道是否收到了审批通知。6.5 通过 API 集成测试对于生产环境工作流通常通过 API 调用。你可以在应用的“API 访问”页面找到调用方式。# 示例使用 curl 调用工作流 API curl -X POST \ ‘https://your-dify-domain/v1/workflows/run‘ \ -H ‘Authorization: Bearer your-api-key‘ \ -H ‘Content-Type: application/json‘ \ -d ‘{ “inputs“: { “article_topic“: “API 测试主题“ }, “response_mode“: “blocking“, # 或 ‘streaming‘ “user“: “test-user-001“ }‘调用后你需要通过 Dify 的后台管理界面或专门的审批 API 来查询和处理审批任务。7. 常见问题与排查思路在实际使用“人工介入”功能时你可能会遇到以下问题问题现象可能原因排查方式解决方案工作流在审批节点无限期等待无任何通知。1. 审批人邮箱未注册 Dify 账户。2. 审批人邮箱填写错误。3. 消息推送渠道如 Slack Webhook未配置或配置错误。1. 检查审批节点配置的邮箱地址。2. 登录该邮箱账户查看 Dify “待办”列表。3. 检查 Dify 后台的“外部集成”设置测试 Webhook。1. 确保审批人是有效的 Dify 用户。2. 使用变量动态指定审批人时确保上游节点正确输出了邮箱变量。3. 正确配置并启用通知渠道。审批人操作后工作流未继续执行。1. 工作流执行实例因超时等原因已关闭。2. 条件判断节点对approval_result变量的值判断有误。3. 网络或服务异常导致回调失败。1. 在工作流“日志与历史”中查看该次执行的状态和详情。2. 检查条件节点的逻辑条件是否与审批节点输出的值完全匹配注意大小写和空格。3. 查看 Dify 服务日志。1. 适当增加工作流执行超时时间。2. 在条件判断中使用trim()函数处理变量或确保审批表单输出的值是预期的。3. 重启 Dify 相关服务。审批表单中的修改意见未传递给后续节点。审批表单字段的“变量名”设置错误或后续节点引用变量名错误。1. 在审批节点的配置中确认表单字段的“变量名”。2. 在后续的 LLM 修订节点中检查提示词里引用的变量名是否一致。1. 使用简单、明确的变量名如feedback。2. 在工作流调试模式下查看每个节点的输入/输出变量确认数据流向。多轮修订循环导致无限循环。修订后重新送审的逻辑缺少终止条件。检查工作流设计修订后是否无条件跳回审批节点。在循环路径上增加一个“计数器”变量如revision_count每次修订后加1并在条件判断中检查是否超过最大次数如3次超过则跳转到终止或人工处理节点。通过 API 触发的工作流审批人如何知晓默认仅依赖 Dify 站内通知审批人可能不登录。API 调用后查询返回的task_id或workflow_run_id。1.最佳实践配置强通知Slack/飞书等将审批链接直接发到协作群。2. 通过 Dify API 定期轮询任务状态并集成到自己的通知系统。8. 最佳实践与工程建议将“人工介入”可靠地用于生产环境需要考虑以下几点审批人管理策略避免硬编码邮箱尽量不要在流程中直接写死审批人邮箱。可以通过上游节点根据业务规则如文章类型、部门从数据库或配置中心动态查询并赋值。审批人组与后备支持设置多个审批人会签或或签并指定后备审批人防止因单人缺席导致流程阻塞。权限隔离确保审批人只能看到和操作其权限范围内的任务。超时与异常处理设置合理超时根据业务紧急程度设置审批超时如2小时、24小时。超时后应自动执行预设动作如升级给上级、自动拒绝或通过。设计补偿流程对于因系统故障导致审批状态丢失的情况应有后台巡检任务或手动干预界面能重新驱动停滞的工作流。安全与审计完整日志确保工作流执行日志、审批操作日志谁、何时、做了什么决定、修改意见是什么被完整记录并可供查询。数据不落地如果审批内容敏感考虑在传输和展示时进行加密或脱敏。Dify 本身提供企业级安全特性但部署架构也需符合公司规范。用户体验优化审批界面友好在审批节点的“描述”字段中使用 Markdown 将 AI 输出、原始输入、上下文信息清晰地格式化展示帮助审批人快速决策。提供默认选项在审批表单中为“通过”和“拒绝”提供常见的预设意见选项如“内容合规准予发布”、“事实有误请核实”减少审批人输入负担。移动端适配确保审批通知链接在手机端也能方便地打开和操作。与现有系统集成深度集成不要将 Dify 工作流视为孤岛。审批完成后触发的结果如发布文章、创建工单、更新 CRM应通过 HTTP 请求或插件无缝对接到你的 OA、CRM、CMS 等核心业务系统。状态同步考虑将重要的审批最终状态同步回你的主业务数据库保持数据一致性。Dify 1.15 的“人工介入”功能本质上是为 AI 自动化流程装上了可调节的“方向盘”和“刹车”。它没有削弱自动化的力量而是通过引入人类的判断力让自动化变得更加可信、可靠和合规。从简单的文本审核到复杂的多步骤业务审批这个功能极大地拓展了 Dify 在真实企业场景中的应用边界。 30款热门AI模型一站整合DeepSeek/GLM/Claude 随心用限时 5 折。 点击领海量免费额度