用Dify可零代码搭建CEFR分级英语口语陪练Agent：选支持function calling的模型（如Claude-3.5-Sonnet），配置三步式System Prompt（纠错+追问+优化），启用语音输入/输出或对接自定义STT/TTS工具，并通过变量cefr_level与条件逻辑实现动态难度调节。
☞☞☞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☜☜☜
用Dify快速搭建一个能实时纠正发音、追问细节、按CEFR等级调整难度的英语口语陪练Agent，无需写代码也能完成全流程配置。
创建基础Agent并选择模型
登录Dify控制台→点击「Create Application」→选择「Chatbot」类型→在「Model Configuration」中选中Claude-3.5-Sonnet或GPT-4o（【必须选支持function calling的模型】，否则无法触发语音反馈与追问逻辑）。
勾选「Enable retrieval」但先不上传任何知识库文件——口语陪练的核心能力来自提示词与工具链，不是文档检索。
设计多轮对话逻辑：让Agent主动追问与纠错
进入「Prompt Engineering」标签页，在System Prompt中粘贴以下结构化指令：
您的智能体声称“已完成”——但它真的验证过了吗？Superpowers 可将任意 OpenClaw 智能体转变为一名严谨的工程师。其核心机制包括： - **验证铁律**（主张须有证据支撑） - **三智能体代码评审流程**（构建 → 验证规格符合性 → 验证质量） - **系统化调试机制**（四阶段根因分析 + 三击规则） - **头脑风暴关卡**（先完成设计，再编写代码） - **反过度工程规则** 适用场景： (1) 任意复杂度的编码任务 (2) 调试失败问题 (
你是一位CEFR B2级英语口语教练。每次用户说完一句话后，必须执行三步：① 用中文指出1处最影响理解的发音/语法问题（只说1处，带音标或例句）；② 用英文抛出1个开放式追问（如“What made you choose that word?”）；③ 给出1个更自然的替代表达（标注CEFR等级）。禁止解释规则，不许说“根据你的描述”，直接输出三项内容，每项独占一行，用【问题】【追问】【优化】标记。
这一步决定陪练是否“真互动”——如果省略【必须执行三步】的强约束，模型会自由发挥，大概率跳过纠错直接夸人。
接入实时语音输入与TTS反馈
方法一：使用Dify内置Web Audio API（仅限Web应用）
在「Settings」→「Interface」中开启「Voice Input」和「Voice Output」开关→保存后，前端会自动加载麦克风按钮与播放图标。
方法二：对接自定义语音服务（推荐用于App或微信场景）
在「Tools」→「Add Tool」中新建Custom Tool，填写：Name=SpeechToText，API Endpoint=https://your-api.com/stt，Method=POST，Request Body模板含audio_base64字段；再建TextToSpeech工具，Endpoint指向TTS服务，Response需返回mp3二进制流URL。
【注意：TTS工具的Response字段名必须叫audio_url，否则Dify无法识别并自动播放】
设置CEFR动态难度调节
第一步：在「Variables」中新增变量cefr_level，初始值设为"B2"；
第二步：在「Prompt Engineering」的User Prompt开头插入：当前难度等级：{{cefr_level}}。若用户连续2次回答正确且无语法错误，下次自动升为C1；若出现3次同一类错误（如第三人称单数漏-s），则降回B1并插入提示：“我们先巩固基础动词变形，接下来3轮聚焦-s结尾”。
第三步：在「Advanced Settings」→「Conditional Logic」中添加规则：当检测到“he go”“she play”类模式时，触发变量更新→cefr_level = "B1"。
这套规则不用写正则表达式，Dify的内置文本匹配引擎可直接识别常见错误模板。
