BrillAI使用案例分享：与Dify结合在文档分析中的创新应用及挑战

随着生成式AI技术的成熟，不少团队和个人开始尝试将它融入日常工作，尤其是批量文档的处理和分析。在这个过程中，如何把多个工具串联起来、发挥各自优势，成了一个有趣的命题。下面这个案例来自一位实际用户的使用经历，讲的是将BrillAI与Dify结合，用于多文档分析时遇到的两个“坎儿”——以及怎么绕过去的。

使用场景：多文档分析与资料整理

在建筑行业的日常工作中，经常需要批量处理大量技术文档。因为涉及多种模型的配合使用，而BrillAI恰好支持文本、图片、音频等多类型大模型接入，所以用户选择将BrillAI与Dify组合起来搭建一套分析流程：BrillAI负责把多份文档分段、查找、初步整理，Dify则将这些段落嵌入知识库并进行自动化分析，最终生成结构化的报告或回答具体问题。

遇到的问题

实际跑起来之后，两个问题很快浮出水面：

• 并发限制
  ：同时调用多个模型时，BrillAI和Dify的免费层并发能力明显不足。只有最早提交的几个请求能正常返回结果，后续的请求直接因为超限被拒绝。

• 传参问题
  ：Dify在知识库功能里会自动分段并隐式调用LLM进行分析，开发者无法直接配置关键参数。比如max_tokens（最大生成长度）被默认限制，导致处理长文本时输出被截断，分析结果不完整。

背后的根本原因

这两个问题各有各的根子：

• 并发限制其实挺常见的——免费用户在多模型同时调用的场景下，请求速率和并发数都卡得很紧。多个任务一拥而上，自然就撞上了天花板。

• 传参问题则出在Dify的调用机制上：它的分段和LLM调用是封装的，默认将max_tokens硬编码为2000，常规配置面板里根本改不了。这样一来，如果文档段落较长或分析要求完整输出，结果就会被打折扣。

解决方案：并发升级与参数优化

并发问题解决起来相对直接：升级到BrillAI付费版，并发数从3提升到了

，请求速率也从18 RPM提高到。升级之后，大量分析任务可以同时跑了，再也没有因为并发不足而拒绝请求的情况。

至于传参问题，虽然没法直接修改Dify的隐式调用参数，但通过与Dify开发团队的沟通，用户弄清楚了模型的调用逻辑，然后调整了其他相关的配置，让BrillAI在文档分析时能更好地适配Dify的默认设定——说白了就是用“绕道”的方式解决了硬编码限制带来的影响。

结语

从这个案例里能看出，AI工具的能力再强，背后那些模型调用机制和参数配置才是真正决定落地效果的细节。对开发者来说，理解每一步调用的逻辑、知道瓶颈在哪里，比单纯堆工具更重要。BrillAI的实验中心（Lab）集成了对话、图像、声音、Embedding等多种模态，给文档分析和资料整理提供了不少灵活性；而解决并发限制和参数适配问题之后，这套组合才算真正发挥了潜力。