Dify 实战：把告警降噪做成团队可用的应用

「告警降噪」是运维与平台工程师的高频任务。它的输入通常是告警历史，期望得到的是降噪建议。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

本文介绍如何在 Dify 工作流 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目	说明
技能	告警降噪（`alert-noise-reduction`）
作用	分析告警历史，找出重复、无效告警并给出调整建议
输入	告警历史
输出	降噪建议
形态	纯提示词
风险	低
适用人群	运维与平台工程师

处理流程分四步：

统计告警频次
找出从未处理的告警
建议合并或调阈值
评估风险

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。

在 Dify 工作流中是什么形态

Dify 是开源的大模型应用开发平台，可以用可视化工作流把开始、LLM、知识检索、代码执行、HTTP 请求、条件分支等节点串起来，适合把技能做成团队可直接使用的应用。

可以使用云端版本或自行部署；工作流发布后可通过网页应用或 API 调用。

示例配置

# 示意结构（便于理解节点关系，不是 Dify 导出的 DSL 文件）
应用: 告警降噪
类型: 工作流
节点:
  - 开始: 输入变量 content（告警历史）
  - 模板转换: 预处理输入，统一格式
  - LLM: 系统提示词写明步骤——统计告警频次；找出从未处理的告警；建议合并或调阈值；评估风险
  - 条件分支: 输出中是否包含“需人工确认”
  - 结束: 输出 降噪建议

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在运维与平台工程师提出相关请求时能对上号；二是约束部分要写进「变更类命令先在测试环境演练，并准备好回滚」这类领域规矩，避免智能体自作主张。

安装与启用步骤

新建工作流（或对话流）应用
在开始节点定义输入变量
按技能步骤添加 LLM、代码或工具节点
加条件分支处理需人工确认的情况
调试运行后发布，并把访问方式告诉团队

实操：一次完整的运行

假设你在服务器、容器与部署流水线中发出这样的请求（虚构示例）：

这是今天的告警历史，按团队的告警降噪流程处理一下。

智能体识别到任务与「告警降噪」相关后，会依次统计告警频次、找出从未处理的告警、建议合并或调阈值、评估风险。最终交付降噪建议，并在末尾列出需要人工确认的内容。你的工作是对照原始告警历史抽查两三处关键信息，确认无误后再使用。

测试与验收

在调试面板逐节点查看输入输出，准备至少三组样例反复运行。

针对这个技能，还建议额外准备：

一份信息齐全的标准告警历史，检查输出是否完整
一份缺少关键信息的输入，检查智能体是否先提问而不是编造
一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

所有步骤都塞进一个 LLM 节点，出错时难以定位。
代码节点中写死了敏感配置。
只写了步骤，没写交付格式，导致每次输出的降噪建议结构不同。
没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。