TypeError: Cannot read properties of undefined (reading ‘tracing’)

问题场景

在 Dify v1.13.0 中以 Self Hosted（Kubernetes）方式部署，dify-api 和 dify-worker 作为独立 Pod 运行。创建 Advanced Chat（Chatflow）应用，工作流包含 LLM 和工具节点等非平凡逻辑。在 workflow 编辑器中点击 “Preview” 打开调试聊天面板并发送消息时，SSE 流中 `workflow_started` 事件被静默丢弃，前端收到的事件流从 `node_finished` 或更晚的事件开始，导致浏览器报错并显示 “Application error: a client-side exception has occurred”。

报错原文

TypeError: Cannot read properties of undefined (reading 'tracing')

Application error: a client-side exception has occurred

原因分析

根本原因是 api/services/app_generate_service.py 中 _build_streaming_task_on_subscribe() 方法存在竞争条件（race condition）。该方法使用一个 200ms 的 fallback 定时器来兜底启动 Celery 任务，但定时器可能在 API 服务器成功订阅 Redis Pub/Sub 主题（stream_topic_events()）之前就触发了。时序如下：

1. 定时器在 200ms 时触发，dify-worker 中的 Celery 任务开始执行；
2. Worker 立即向 Redis 主题发布 workflow_started 事件；
3. API 服务器尚未完成订阅，该消息丢失（Redis Pub/Sub 为 “at most once” 模式）；
4. API 完成订阅后，on_subscribe() 回调触发，但任务已启动，API 只能接收到订阅之后发布的事件，workflow_started 已经丢失。

高 Redis/网络延迟（容器化环境中常见）、Gunicorn/gevent worker 资源竞争会加剧该问题。Issue 评论中还提到 v1.13.0（Docker Compose）下存在频繁的 message_end 事件丢失问题，可能涉及同一代码路径。

环境排查

• 确认 Dify 版本为 1.13.0（docker compose ps 或 helm 查看镜像 tag）；
• 确认 dify-api 和 dify-worker 是否为独立部署（独立 Pod/容器）；
• 检查 Redis 网络延迟：redis-cli ping 的 RTT 是否偏高；
• 确认使用了 Advanced Chat（Chatflow）应用类型；
• 确认工作流中包含 LLM 节点和工具节点等非平凡逻辑（简单工作流不易复现）；
• 检查系统负载：高负载下复现率显著提升（>50%），低负载可能需要 10-20 次尝试才能复现。

解决步骤

1. 确认 Dify 是否已发布修复版本（关注官方 Release 或 PR 合并状态）。虽然 Issue 中未明确新版版本号，但修复已定位到 _build_streaming_task_on_subscribe() 方法，可优先升级尝试。
2. 若无法升级，作为临时缓解措施，可尝试降低 Redis 与 API/Worker 之间的网络延迟（例如确保 Redis 与 Dify 服务在同一可用区内）。可优先尝试。
3. 降低系统负载或增加 worker 资源（但 Issue 中未验证，属于推测性缓解）。
4. 如条件允许，考虑将 dify-api 与 dify-worker 合并部署（不分离），减少跨进程时序问题。可优先尝试。
5. 若问题严重影响使用，可在 GitHub Issue 中补充复现信息，帮助维护团队加速修复。

验证方法

在修复后的环境中，重复打开 Chatflow 调试面板并发送消息，观察浏览器网络面板中 SSE 流的第一个事件是否为 workflow_started。前端不再出现 “Application error” 错误，工作流执行进度能正常渲染。若后端已完成任务但仍复现前端崩溃，则说明问题未完全解决。

参考来源

langgenius/dify #32518

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。