如果你已经用 Dify 做过聊天机器人或知识库问答，那么你只发挥了它 50% 的能力。

真正让 Dify 脱颖而出的，是它的 Workflow（工作流）模式 —— 一个支持多节点、条件判断、循环、函数调用的可视化 AI 编排引擎。

它就像低代码平台中的“流程设计器”，但专为大模型场景优化，能让你构建出：

• 用户咨询 → 意图识别 → 分流处理 → 自动回复
• 客户提问 → 检索知识库 → 若无结果则调用 API 查询 CRM
• 多轮表单填写 → 数据校验 → 生成合同并发送邮件

本文将带你：
✅ 掌握 Workflow 的核心节点类型
✅ 设计复杂业务流程（含条件分支与循环）
✅ 调试技巧与日志查看方法

让你的 AI 应用从“会说话”进化到“会思考、会做事”。

---

一、什么是 Workflow？与 Chatbot 的本质区别

对比项	Chatbot	Workflow
交互方式	单一 Prompt + 对话历史	多节点串联执行
逻辑复杂度	简单问答	支持 if/else、循环、函数调用
是否可编排	否	✅ 可视化拖拽式编排
适用场景	客服、问答助手	自动化流程、决策系统

💡 类比：

• Chatbot = 固定剧本的演员
• Workflow = 可自由编排的导演

---

二、核心节点类型详解

Dify 的 Workflow 采用“节点+连线”的图形化设计模式，支持多种功能节点，以下是常用类型：

1. LLM 节点（大模型调用）

• 功能：调用大模型生成文本
• 配置项：
  • 提示词模板（支持变量 {{input}}）
  • 模型选择（GPT-4、通义千问等）
  • 输出格式（文本、JSON）

🎯 典型用途：意图识别、内容生成、摘要提取

---

2. 知识检索节点（Knowledge Retrieval）

• 功能：从指定知识库中检索相关内容
• 配置项：
  • 选择知识库
  • 设置 top_k 返回数量
  • 启用关键词增强

🎯 典型用途：获取产品信息、查找政策条文

---

3. If/Else 条件判断节点

• 功能：根据变量值跳转不同分支
• 支持表达式：

  {{intent}} == "投诉"
  {{score}} >= 80
  {{has_answer}} is true
  

🎯 典型用途：用户情绪分级 → 普通回复 vs 人工转接

---

4. HTTP 请求节点（API 调用）

• 功能：调用外部 RESTful API
• 配置项：
  • URL、Method（GET/POST）
  • Headers、Body（支持 JSON + 变量注入）
  • 超时设置

🎯 典型用途：查询订单状态、调用 CRM 接口、发送通知

---

5. 代码执行节点（Code Executor）

• 功能：运行 Python 或 JavaScript 脚本
• 安全沙箱机制，防止恶意代码
• 可访问上下文变量

示例：Python 脚本计算折扣

def main(inputs):
    price = inputs['original_price']
    level = inputs['user_level']
    
    if level == 'vip':
        return {'final_price': price * 0.8}
    else:
        return {'final_price': price}

🎯 典型用途：数据处理、逻辑计算、格式转换

---

6. 变量赋值节点（Variable Assigner）

• 功能：设置或更新变量值
• 支持动态表达式：

  {{current_step}} = "step2"
  {{user_tags}} = ["新客户", "高潜力"]
  

🎯 典型用途：记录流程进度、打标签

---

7. 循环节点（Iteration）

• 功能：对列表数据进行遍历处理
• 输入：一个数组变量（如 {{orders}}）
• 输出：逐条处理后的结果集

🎯 典型用途：批量审核订单、群发个性化消息

---

8. 开始 & 结束节点

• Start Node：流程入口，定义输入参数
• End Node：流程出口，定义返回结果

---

三、实战案例：构建“用户咨询自动处理系统”

我们来做一个完整的业务流程：
当用户提问时，系统自动识别意图 → 检索知识库 → 若无答案则查询 CRM → 返回结构化回复。

🎯 业务需求

• 输入：用户问题
• 输出：

  {
    "answer": "回复内容",
    "source": "knowledge / crm / none"
  }
  

---

🧱 流程设计（共 6 个节点）

[Start] 
   ↓
[LLM 节点] → “识别用户意图” 
   ↓
[If/Else] → 判断是否为“售后问题”
   ├─ 是 → [知识检索] → [End]
   └─ 否 → [HTTP 请求] 调用 CRM API → [End]

---

🔧 具体配置说明

1. 意图识别 LLM 节点

Prompt：

请分析用户问题的意图，仅返回以下三类之一：售前咨询、售后服务、其他

问题：{{query}}

输出保存为变量：{{intent}}

---

2. 条件判断节点

设置规则：

{{intent}} == "售后服务"

• 成立 → 走“知识库”分支
• 不成立 → 走“CRM 查询”分支

---

3. 知识检索节点

• 选择知识库：“售后服务手册”
• 返回 top_3 片段
• 注入 Prompt 回答问题

---

4. HTTP 请求节点（调用 CRM）

{
  "url": "https://api.yourcrm.com/tickets",
  "method": "POST",
  "headers": {
    "Authorization": "Bearer xxx"
  },
  "body": {
    "question": "{{query}}",
    "user_id": "{{user_id}}"
  }
}

返回结果存入 {{crm_response}}

---

5. End 节点输出

统一格式：

{
  "answer": "{{final_answer}}",
  "source": "{{source_type}}"
}

通过前面节点设置 final_answer 和 source_type。

---

四、调试与日志查看技巧

再复杂的流程也需要验证。Dify 提供了强大的调试能力。

🔍 调试模式使用步骤

1. 点击右上角 “调试” 按钮
2. 输入测试参数（如 query: "我的订单还没发货"）
3. 点击“运行”
4. 查看每个节点的输入/输出

---

📋 日志面板功能

运行后可查看：

• ✅ 每个节点的执行状态（成功/失败）
• ✅ 输入输出数据（支持展开 JSON）
• ✅ LLM 调用详情（完整 Prompt + 返回结果）
• ✅ HTTP 请求原始报文
• ✅ 代码执行日志（print 输出）

💡 小技巧：点击节点可查看“上下文快照”，了解当前所有变量值。

---

🛠️ 常见问题排查

问题	排查方法
节点未执行	检查前驱节点是否出错或条件不满足
HTTP 请求失败	查看日志中的 status code 和 error message
变量为空	检查拼写、作用域、是否被正确赋值
流程卡住	检查是否有死循环或超时设置过短

---

五、高级技巧与最佳实践

✅ 技巧 1：模块化设计

将常用流程（如“身份验证”、“数据清洗”）封装为子 Workflow，在多个应用中复用。

✅ 技巧 2：错误处理

在关键节点后添加“异常捕获”逻辑，避免整个流程中断。

✅ 技巧 3：性能优化

• 避免频繁调用 LLM
• 使用缓存机制（如 Redis 存储常见问答）
• 控制向量检索范围（加元数据过滤）

✅ 技巧 4：版本管理

Dify 支持 Workflow 版本控制，每次修改前建议创建新版本，便于回滚。

---

✅ 总结：Workflow 是 AI 应用的“指挥中心”

能力	实现方式
复杂决策	If/Else + LLM 意图识别
外部集成	HTTP 节点 + 自定义工具
数据处理	代码节点 + 变量管理
自动化流程	循环 + 条件跳转

Workflow 让 Dify 不再只是一个聊天工具，而是一个真正的 AI 自动化平台。

你可以用它构建：

• 智能客服工单系统
• 自动生成周报的工作流
• 多系统联动的 AI Agent

---