需创建空白agent应用，配置双模型协同与code interpreter等工具，编排带反馈回路的调试流程，并设置安全输出格式。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要一个能理解自然语言需求、生成可运行代码、自动识别语法错误并给出修复建议的AI编程助手，而不是每次都要手动查文档或反复调试。
创建支持代码生成与Debug的Agent应用
进入Dify控制台→点击左上角「新建应用」→选择「智能助手（Agent）」类型→在模板列表中不选任何预设模板，直接点「空白创建」。
这一步必须跳过模板，因为自带的「代码生成」模板默认只走单次LLM调用，无法接入工具链完成真实Debug闭环；空白创建才能完全掌控节点编排逻辑。
为应用命名，例如「PyDev Assistant」，描述填写「Python代码生成+实时错误诊断+优化建议」，点击创建。
配置双模型协同工作流
在「模型设置」中，启用两个模型实例：
主模型选 【DeepSeek-Coder-32B-Instruct】（本地部署时推荐）或云端GPT-4-Turbo，用于理解需求、生成初版代码、分析报错堆栈；
辅助模型选 【Qwen2.5-Coder-7B】，专责执行代码静态检查和PEP8规范校验——它响应更快、更轻量，适合高频调用。
注意：两个模型必须分别配置独立的API密钥或本地服务地址，不可共用同一模型实例，否则会因上下文混杂导致诊断结果漂移。
添加核心工具节点
方法一：复用内置Code Interpreter工具
进入「工具管理」→点击「添加工具」→搜索「Code Interpreter」→启用并配置超时时间设为12秒（低于8秒易中断长循环，高于15秒影响交互感）。
方法二：接入自定义Python执行沙箱
编写一个main.py脚本，接收code字符串和language参数，用subprocess调用python3 -c执行并捕获stderr；返回结构必须为{"output": "str", "error": "str", "exit_code": int}；打包为zip上传至「自定义工具」。
方法三：挂载MCP Server连接本地开发环境
在服务器端启动mcp-server --tools python-executor,pylint-checker；回到Dify，在「插件」页点击「添加MCP插件」→填入http://localhost:3000 →勾选「自动发现工具」→保存后刷新，即可看到pylint-checker节点出现在工具列表中。
编排带反馈回路的调试流程
第一步：用户输入自然语言指令，如“写一个函数，把列表里重复元素去重并保持原始顺序”
第二步：主模型生成Python代码，并自动触发Code Interpreter工具执行验证
第三步：若执行返回exit_code ≠ 0，则将error内容连同原始代码一起送入辅助模型，提示词固定为：“你是一个资深Python工程师，请严格按以下三步操作：①定位错误行号和根本原因；②给出最小修改方案；③重写完整可运行代码。不要解释，只输出代码块。”
第四步：辅助模型输出后，再次送入Code Interpreter验证；若仍失败，流程终止并返回“已尝试两次修复，建议检查输入逻辑”，【避免无限递归调用导致token耗尽】。
设置安全防护与格式化出口
在「提示词编排」页，将系统提示词末尾追加：“所有代码输出必须包裹在
...代码块中，禁止任何额外说明文字；错误诊断结果必须以‘?错误位置：’开头，后接文件名与行号。”
进入「高级设置」→开启「输出过滤器」→勾选「禁用HTML标签渲染」和「强制Markdown代码块封装」。
最后点击右上角「发布」按钮，等待状态变为「已上线」。
