一、前言

思维导图是一种表达发散性思维的图形思维工具，它通过图形化的方式呈现思维流程和概念之间的关系，帮助人们更高效地整理和激发思维。思维导图通常以一个中心主题或核心概念开始，然后通过分支和连接线将相关的想法、细节和子概念展示出来，形成一个有机的思维网络。这种可视化的方式有助于人们更好地组织和理解复杂的信息，促进创造性思维和问题解决能力的提升。

img

思维导图我们不管是学习还是工作中经常会用到的，它方便的辅助我们大脑记住一下东西。今天给大家带来一个基于dify工作流的思维导图。用到了一个开源的思维导图的项目，下面大家看看一下工作流以及工作流生成思维导图的效果。

img

生成的思维导图如下：

img

img

那么这样的基于dify工作流的思维导图是如何制作的呢？话不多说，下面开始干活。

二、工作流制作

mcp-server部署

这个工作流核心是一个基于mind-map-mcp-server的开源项目。项目地址https://github.com/sawyer-shi/mind-map-mcp-server

img

我们要使用这个mcp-server功能，所以我们需要把这个项目部署起来。目前这个项目比较完整支持docker 和源码部署。关于如何部署大家可以看作者文章，我这里就不做展开，我们把这个MCP-server部署到服务器上，启动2个服务一个是基于streamable-http 方式的MCP 服务，一个是对外提供图片下载的服务。我这边提前部署好了。

streamable-http  mcp访问地址：http://14.103.204.132:8005/mcp

静态页面访问地址：http://14.103.204.132:8003

如果大家懒的部署也可以借用我已经部署好的地址。

Agent策略插件和MCP工具

这个工作流用到Agent策略, 如果dify平台上没有安装Agent策略插件的可以先安装一下。

我们可以在插件市场-Agent策略找到这块插件。

img

插件安装完成后，我们可以在已安装插件上查找到

img

 

注意插件升级最新版本（0.2.4）

MCP 工具

img

接下来我们进入工作流搭建环节。

这个工作流相对比较简单，主要是由开始、LLM、Agent、 代码执行、直接回复等5个节点构成，下面我们简单说一下这些组件配置。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

开始

我们首先在工作流平台上创建一个chatflow.

img

创建完成后，我们就可以设置一下开始节点。这个开始节点比较简单，这里我们没有设置输入参数，默认就用sys.query

img

这里也就是什么都不设置，默认就可以了。

LLM大语言模型

大语言模型这块我们选择魔搭社区提供的免费qwen3-code-30B-A3B-Instruct 模型。关于这个模型大家可以在魔搭社区广场找到

img

目前魔搭社区提供每天2000次的模型调用，个人测试使用基本上是够用了。

img

关于模型的系统提示词如下

# PPT大纲生成专家 - LangGPT提示词

## Role: PPT大纲生成专家
**Profile:**
-author:周辉
-version:2.0
-language:中文
-description:我是一位专业的PPT内容策划专家，擅长根据用户提供的主题和内容信息，生成结构清晰、逻辑严密的三级目录结构PPT大纲，并以markdown格式输出。

## Skills:
1.**内容分析能力**:能够深入理解用户提供的主题内容，提取核心要点和关键信息
2.**逻辑架构设计**:具备强大的逻辑思维能力，能够构建清晰的三级目录层次结构
3.**演示文稿策划**:精通PPT内容组织和展示逻辑，确保信息传达的有效性
4.**Markdown格式化**:熟练使用markdown语法，能够生成格式规范的文档大纲
5.**受众分析**:能够根据不同的目标受众调整内容重点和表达方式

## Goals:
-生成结构完整的三级PPT大纲
-确保内容逻辑清晰，层次分明
-输出标准markdown格式文档
-提供实用性强的演示框架

## Constrains:
1.**严格三级结构**:必须遵循一级标题(#)、二级标题(##)、三级标题(###)的层次结构
2.**内容相关性**:所有大纲内容必须与用户提供的主题紧密相关
3.**逻辑连贯性**:各级标题之间必须保持逻辑关系，形成完整的内容体系
4.**格式规范性**:严格按照markdown语法格式输出，确保可读性
5.**实用性导向**:生成的大纲应具备实际可操作性，便于后续PPT制作

## OutputFormat:
```markdown
# [主标题]

## 一级大纲1
### 二级要点1.1
### 二级要点1.2
### 二级要点1.3

## 一级大纲2
### 二级要点2.1
### 二级要点2.2
### 二级要点2.3

## 一级大纲3
### 二级要点3.1
### 二级要点3.2
### 二级要点3.3

[继续按此格式展开...]
```

## Workflow:
1.**需求理解**:仔细分析用户提供的主题内容和相关信息
2.**内容提取**:识别并提取核心概念、关键要点和重要细节
3.**结构设计**:根据内容逻辑设计合理的三级目录架构
4.**大纲编写**:按照markdown格式编写完整的PPT大纲
5.**质量检查**:确保大纲的逻辑性、完整性和实用性

## Examples:

### 输入示例:
```
主题：人工智能在教育领域的应用与发展
内容信息：包括AI技术现状、教育应用场景、实施案例、面临挑战、未来趋势等方面
```

### 输出示例:
```markdown
# 人工智能在教育领域的应用与发展

## AI技术发展现状
### 机器学习技术成熟度
### 自然语言处理能力提升
### 计算机视觉应用普及

## 教育领域应用场景
### 个性化学习推荐
### 智能教学辅助
### 学习效果评估

## 典型实施案例分析
### 在线教育平台案例
### 智慧校园建设案例
### 教学管理系统案例

## 实施过程中的挑战
### 技术实现难点
### 教育理念转变
### 资源投入要求

## 未来发展趋势展望
### 技术发展方向
### 应用场景拓展
### 行业标准建立
```

## Initialization:
作为PPT大纲生成专家，我已准备好为您服务。请提供您需要制作PPT的主题内容和相关信息，我将为您生成结构清晰、逻辑严密的三级目录markdown格式大纲。请告诉我：

1.PPT的主题是什么？
2.需要包含哪些主要内容？
3.目标受众是谁？
4.是否有特殊要求或重点关注的方面？

请提供这些信息，我将立即开始为您制作专业的PPT大纲。

用户提示词

请基于用输入的信息{{#sys.query#}}生成markdown格式内容信息

A

 

Agent

这个Agent这里我们用到上面提到Agent策略。

img

 

模型这里我们使用了魔搭社区提供的deepseek-v3模型。工具列表中我们使用到获取MCP 列表插件，这个插件有2个工具列表一个是获取MCP工具列表，一个是调用MCP工具

img

 

MCP 服务配置 这里我们设置一下MCP-Server 服务

{
  "mind-map-mcp-server": {
    "transport": "streamable_http",
    "url": "http://14.103.204.132:8005/mcp"
  }
}

指令这里内容如下：

请根据{{#llm.text#}}调用调用create_mind_map信息生成思维导图

查询

{{#sys.query#}}

整个Agent配置的截图如下：

img

代码执行

代码执行这里主要的目的是对Agent返回的信息做一下简单的出来，输入参数arg1

处理代码如下：

import json
import re


defmain(arg1) -> dict:
    try:
        # 如果输入是字符串，先尝试提取markdown链接
        ifisinstance(arg1, str):
            # 使用正则表达式匹配markdown链接格式 [标题](URL)
            markdown_pattern = r'\[([^\]]+)\]\(([^)]+)\)'
            matches = re.findall(markdown_pattern, arg1)
            
            if matches:
                # 如果找到markdown链接，提取第一个链接的信息
                title, url = matches[0]
                markdown_result = f"!['{title}']({url})"
                return {"result": markdown_result}
            
            # 如果没有找到markdown链接，尝试JSON解析
            try:
                data = json.loads(arg1)
                # 处理JSON数据格式
                ifisinstance(data, list) andlen(data) > 0:
                    first_item = data[0]
                    mind_map_image_url = first_item.get("mind_map_image_url")
                    markdown_result = f"!['思维导图']({mind_map_image_url})"
                    return {"result": markdown_result}
                else:
                    return {"result": None}
            except json.JSONDecodeError:
                return {"result": None}
                
        elifisinstance(arg1, list):
            # 处理列表输入
            iflen(arg1) > 0:
                first_item = arg1[0]
                mind_map_image_url = first_item.get("mind_map_image_url")
                markdown_result = f"!['思维导图']({mind_map_image_url})"
                return {"result": markdown_result}
            else:
                return {"result": None}
        else:
            return {"result": None}
            
    except Exception:
        return {"result": None}

输出变量 result， 输出类型string

img

直接回复

直接回复我这里方便大家查看问题，把LLM大语言模型信息和最后的思维导图PNG图片都返回了。

img

以上就是整个工作流的配置，总体来说配置还是比较简单的。复杂的地方可能就在MCP这块以及MCP部署。

三、验证测试

工作流配置完成后，我们就可以对工作流进行测试了。

点击左上角“预览”按钮。弹出对话框，我们在右下角聊天对话框输入如下内容

请给我一份10月1日-7日去北京旅游的旅游计划表，输出的文件名字叫做“国庆去旅游”

系统很快给我生成10月1日-7日的旅游计划表（markdown格式内容），紧接着调用MCP 生成一个旅游计划的思维导图

img

点开下面生成的思维导图截图

img

嗯看起来还不错的一个思维导图。

四、AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

请添加图片描述
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

请添加图片描述

大模型全套视频教程

请添加图片描述

200本大模型PDF书籍

请添加图片描述

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

请添加图片描述

大模型产品经理资源合集

请添加图片描述

大模型项目实战合集

请添加图片描述

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

# 人工智能 # AI # 数据挖掘 # 大数据
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

高效部署生产环境：使用 Python 脚本实现自动化批量管理服务

avatar 2048 AI社区
cover

LLM应用避坑指南：打造可靠AI工作流的实战心得，破解LLM三大能力边界

avatar 2048 AI社区

RAG技术全面解析：构建商业级AI知识库问答的技术案例

RAG（检索增强生成）技术解析：解决大模型幻觉与知识时效性问题的企业级方案。该技术通过将知识与推理解耦，为LLM提供动态知识库支持，有效降低错误率至2%以下，显著提升专业领域准确率（如医疗诊断从31%提升至89%）。文章详解RAG四大工作流程（查询理解、知识检索、上下文构建、增强生成）及技术栈（向量数据库、Embedding模型等），结合金融合规等案例展示其85%效率提升效果，并给出混合检索、查询

avatar 2048 AI社区