第五章：工作流编排

5.1 工作流概述

5.1.1 什么是工作流

工作流（Workflow）是 Dify 平台中用于处理复杂任务的核心功能。它通过将复杂的任务分解为较小的步骤（节点），降低系统复杂度，减少对提示词技术和模型推理能力的依赖。

工作流的核心优势：

• 提高性能：面向复杂任务的性能提升
• 可解释性：每个步骤清晰可见
• 稳定性：减少模型不确定性的影响
• 容错性：支持错误处理和重试

5.1.2 工作流类型

Dify 工作流分为两种类型：

Chatflow（对话流）：

• 面向对话类情景
• 支持多轮对话
• 包含对话历史（Memory）
• 适用场景：客户服务、语义搜索、多步逻辑对话

Workflow（工作流）：

• 面向自动化和批处理
• 单次执行完成
• 无对话历史
• 适用场景：翻译、数据分析、内容生成、邮件自动化

5.1.3 Chatflow vs Workflow 对比

5.1.4 常见应用案例

客户服务： 通过 LLM 理解客户查询的上下文和意图，实时生成准确回答，减轻支持团队工作负担。

内容生成： 根据大纲或主题，利用 LLM 广泛的知识库生成博客文章、产品描述、营销材料等内容。

任务自动化： 与 Trello、Slack、飞书等系统集成，通过自然语言创建任务、更新状态、分配优先级。

数据分析和报告： 分析大型知识库，识别趋势和模式，生成分析报告和摘要。

邮件自动化： 根据关键要点起草邮件、社交媒体更新等，确保内容清晰专业。

5.2 创建工作流

5.2.1 创建步骤

步骤一：进入工作室 登录 Dify，点击”创建空白应用”。

步骤二：选择工作流类型

• 选择 “Chatflow” 或 “Workflow”
• 填写应用名称和描述

步骤三：进入编排界面 创建后自动进入画布编辑界面。

5.2.2 画布界面介绍

画布区域：

• 节点拖放和连接区域
• 支持缩放和平移
• 网格对齐辅助

左侧节点面板：

• 所有可用节点类型
• 拖拽添加到画布

右侧配置面板：

• 选中节点的配置项
• 参数设置和变量绑定

顶部工具栏：

• 保存、发布、运行
• 撤销、重做
• 视图控制

5.2.3 基本操作

添加节点：

1. 从左侧面板拖拽节点到画布
2. 或点击节点间的 “+” 按钮

连接节点：

1. 从源节点的输出端点拖拽
2. 连接到目标节点的输入端点

配置节点：

1. 点击选中节点
2. 在右侧面板进行配置

删除节点：

1. 选中节点
2. 按 Delete 键或右键删除

5.3 核心节点类型

5.3.1 开始节点（Start）

开始节点是工作流的入口点，用于定义输入参数。

配置项：

输入变量:
  - 名称: user_input
    类型: 字符串
    必填: 是
    描述: 用户输入的内容
    
  - 名称: language
    类型: 选择器
    选项:
      - 中文
      - 英文
    默认值: 中文

Chatflow 特有： 在 Chatflow 中，开始节点自动包含系统变量：

• sys.query：用户当前输入
• sys.conversation_id：会话 ID
• sys.user_id：用户 ID

5.3.2 LLM 节点

LLM 节点是工作流的核心，用于调用大语言模型处理文本。

配置项：

模型: gpt-4
上下文:
  - 系统提示词: |
      你是一个专业的翻译助手，请将用户输入的内容翻译成目标语言。
  - 用户消息: |
      请将以下内容翻译成{{language}}：
      {{user_input}}

参数:
  temperature: 0.3
  max_tokens: 2000

输出：

• text：模型生成的文本
• usage：Token 消耗信息

高级配置：

• 记忆功能：在 Chatflow 中保存对话历史
• 视觉能力：支持图像输入（多模态模型）
• 结构化输出：指定 JSON Schema 格式

5.3.3 知识检索节点

用于从知识库检索相关内容。

配置项：

知识库: 
  - 产品文档知识库
  - FAQ 知识库
查询内容: {{user_input}}
检索参数:
  Top K: 5
  Score 阈值: 0.6
  重排序: 启用

输出：

• result：检索到的文档分段列表
• 每个分段包含：content、score、source

5.3.4 条件分支节点（IF/ELSE）

根据条件执行不同的分支路径。

配置示例：

条件:
  - IF: {{sentiment}} == "positive"
    THEN: 分支 A
  - ELIF: {{sentiment}} == "negative"
    THEN: 分支 B
  - ELSE:
    THEN: 分支 C

支持的操作符：

• 相等：==
• 不相等：!=
• 包含：contains
• 不包含：not contains
• 开头是：starts with
• 结尾是：ends with
• 为空：is empty
• 不为空：is not empty
• 数值比较：>, <, >=, <=

5.3.5 代码执行节点

运行 Python 或 JavaScript 代码进行数据处理。

Python 示例：

def main(inputs: dict) -> dict:
    text = inputs["text"]
    
    # 处理文本
    words = text.split()
    word_count = len(words)
    
    return {
        "word_count": word_count,
        "processed_text": text.upper()
    }

JavaScript 示例：

function main(inputs) {
    const text = inputs.text;
    
    const wordCount = text.split(' ').length;
    
    return {
        word_count: wordCount,
        processed_text: text.toUpperCase()
    };
}

限制：

• 执行时间限制
• 内存限制
• 不能访问网络
• 不能访问文件系统

5.3.6 HTTP 请求节点

调用外部 API 服务。

配置示例：

请求方法: POST
URL: https://api.example.com/analyze
请求头:
  Content-Type: application/json
  Authorization: Bearer {{api_key}}
请求体:
  {
    "text": "{{user_input}}",
    "language": "{{language}}"
  }
超时: 30 秒

输出：

• status_code：HTTP 状态码
• body：响应体内容
• headers：响应头

5.3.7 模板转换节点

使用 Jinja2 模板语法格式化文本。

模板示例：

# 分析报告

## 基本信息
- 输入内容：{{ input_text }}
- 分析时间：{{ current_time }}

## 分析结果
{% for item in results %}
- {{ item.title }}: {{ item.value }}
{% endfor %}

## 总结
{{ summary }}

5.3.8 变量聚合节点

合并多个分支的变量。

使用场景：

• 并行处理后合并结果
• 多个条件分支后统一输出

配置：

输入变量:
  - 分支A.result
  - 分支B.result
输出变量: merged_result
聚合方式: 数组

5.3.9 迭代节点

对数组进行循环处理。

配置示例：

输入数组: {{document_list}}
迭代变量: current_doc
并行执行: 是
最大并行数: 5

迭代内部： 可以添加任意节点处理每个元素。

输出：

• 所有迭代结果组成的数组

5.3.10 问题分类节点

基于 LLM 对用户问题进行分类。

配置示例：

分类定义:
  - 名称: 产品咨询
    描述: 关于产品功能、价格、规格的问题
    关键词: 功能, 价格, 怎么用
    
  - 名称: 技术支持
    描述: 使用过程中遇到的问题
    关键词: 报错, 无法使用, 故障
    
  - 名称: 投诉建议
    描述: 对产品或服务的投诉和建议
    关键词: 投诉, 建议, 不满意

输出：

• class_name：分类名称
• 可连接到对应的处理分支

5.3.11 参数提取节点

从文本中提取结构化信息。

配置示例：

提取参数:
  - 名称: customer_name
    类型: 字符串
    描述: 客户姓名
    必填: 是
    
  - 名称: phone_number
    类型: 字符串
    描述: 联系电话
    必填: 否
    
  - 名称: order_id
    类型: 字符串
    描述: 订单号
    必填: 否

5.3.12 Answer 节点（Chatflow）

在 Chatflow 中用于输出回答。

配置：

回答内容: |
  {{ llm_response }}
  
  ---
  来源：{{ sources }}

特点：

• 支持流式输出
• 可在工作流中多次使用
• 每次执行都会输出内容

5.3.13 结束节点（Workflow）

在 Workflow 中标记流程结束并定义输出。

配置：

输出变量:
  - 名称: result
    类型: 字符串
    值: {{final_output}}
    
  - 名称: metadata
    类型: 对象
    值:
      word_count: {{word_count}}
      processing_time: {{time}}

5.4 高级功能

5.4.1 变量系统

变量类型：

• 字符串（String）
• 数字（Number）
• 布尔值（Boolean）
• 数组（Array）
• 对象（Object）
• 文件（File）

系统变量：

sys.query: 用户当前输入
sys.conversation_id: 会话 ID
sys.user_id: 用户 ID
sys.files: 上传的文件列表

环境变量：

• 在应用设置中定义
• 工作流中通过 {{env.变量名}} 引用

5.4.2 对话记忆（Memory）

在 Chatflow 中使用对话记忆：

配置：

记忆窗口:
  类型: 消息数量
  数量: 10
  
# 或
  类型: Token 数量
  数量: 2000

使用方式： 在 LLM 节点中启用”使用对话历史”选项。

5.4.3 错误处理

默认错误处理：

• 节点失败时整个工作流停止
• 返回错误信息

自定义错误处理：

错误处理:
  策略: 重试
  重试次数: 3
  重试间隔: 5 秒
  
# 或
  策略: 失败分支
  失败分支: error_handler

5.4.4 并行执行

通过添加多个分支实现并行处理：

        ┌── 节点 A ──┐
开始 ──┼── 节点 B ──┼── 变量聚合 ── 结束
        └── 节点 C ──┘

优势：

• 减少总执行时间
• 提高处理效率

5.4.5 触发器

Workflow 触发方式：

定时触发配置示例：

触发器: 定时
Cron 表达式: 0 9 * * 1  # 每周一早上 9 点
时区: Asia/Shanghai

5.5 调试与预览

5.5.1 单步调试

调试步骤：

1. 点击节点右上角的运行按钮
2. 输入测试数据
3. 查看节点输出

调试面板信息：

• 输入变量
• 输出结果
• 执行耗时
• Token 消耗

5.5.2 全流程预览

预览步骤：

1. 点击”预览”按钮
2. 填写开始节点的输入
3. 运行整个工作流
4. 查看每个节点的执行情况

5.5.3 运行日志

日志信息：

• 执行时间线
• 每个节点的输入输出
• 错误信息和堆栈
• Token 消耗统计

5.5.4 常见调试问题

问题一：变量引用错误

错误：变量 {{user_input}} 未定义
解决：检查变量名拼写，确认上游节点已输出该变量

问题二：条件判断不生效

错误：条件分支总是走同一路径
解决：检查条件表达式，注意变量类型匹配

问题三：循环超时

错误：迭代执行超时
解决：减少迭代次数，或优化单次迭代的处理逻辑

5.6 发布与调用

5.6.1 发布工作流

发布步骤：

1. 完成调试验证
2. 点击”发布”按钮
3. 填写版本说明
4. 确认发布

5.6.2 API 调用

Workflow API 示例：

curl -X POST 'https://api.dify.ai/v1/workflows/run' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {
      "user_input": "需要处理的文本",
      "language": "中文"
    },
    "user": "user-123"
  }'

响应示例：

{
  "workflow_run_id": "xxx",
  "task_id": "xxx",
  "data": {
    "outputs": {
      "result": "处理后的结果"
    },
    "status": "succeeded"
  }
}

5.6.3 流式输出

对于 Chatflow，支持流式输出：

curl -X POST 'https://api.dify.ai/v1/chat-messages' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "inputs": {},
    "query": "用户问题",
    "response_mode": "streaming",
    "user": "user-123"
  }'

5.7 实战案例

5.7.1 智能客服工作流

需求：根据用户问题类型，路由到不同的处理流程。

工作流设计：

开始
  ↓
问题分类
  ├── 产品咨询 → 知识检索 → LLM 回答
  ├── 技术支持 → 知识检索 → LLM 回答 → 创建工单
  └── 其他 → LLM 通用回答
  ↓
Answer

5.7.2 文档翻译工作流

需求：翻译长文档，保持格式。

工作流设计：

开始（文档输入）
  ↓
文档解析（代码节点）
  ↓
分段处理（迭代节点）
  ↓
  └── LLM 翻译
  ↓
结果合并（代码节点）
  ↓
结束（输出翻译文档）

5.7.3 数据分析报告工作流

需求：分析数据并生成报告。

工作流设计：

开始（数据输入）
  ↓
数据处理（代码节点）
  ↓
┌─────────┬─────────┐
趋势分析   异常检测   统计汇总
└─────────┴─────────┘
  ↓
变量聚合
  ↓
LLM 生成报告
  ↓
结束（输出报告）

5.8 最佳实践

5.8.1 设计原则

模块化设计：

• 每个节点职责单一
• 便于复用和维护

错误处理：

• 添加必要的错误处理分支
• 提供有意义的错误信息

性能优化：

• 尽可能并行执行
• 避免不必要的 LLM 调用

5.8.2 命名规范

节点命名:
  - 使用描述性名称
  - 包含节点类型前缀
  - 示例: "LLM_翻译处理", "条件_语言判断"

变量命名:
  - 使用小写下划线命名法
  - 示例: user_input, translation_result

5.8.3 文档和注释

• 为复杂节点添加描述
• 记录工作流的整体逻辑
• 标注关键配置的原因

5.9 本章小结

通过本章的学习，你应该掌握：

1. 工作流概念：理解 Chatflow 和 Workflow 的区别
2. 节点类型：熟悉各类核心节点的功能和配置
3. 流程编排：掌握工作流的设计和实现方法
4. 调试技巧：学会调试和优化工作流
5. 实战应用：能够设计和实现实际业务场景的工作流

5.10 思考与练习

1. 实践练习：
   • 创建一个多语言翻译工作流
   • 实现一个智能客服分流系统
   • 设计一个数据处理管道
2. 思考题：
   • 什么场景适合使用 Chatflow？什么场景适合 Workflow？
   • 如何设计高效的错误处理机制？
   • 并行执行和串行执行各有什么优缺点？

下一章预告：第六章将深入介绍 Agent 智能助手的开发，包括推理模式、工具配置和高级技巧。