智能客服机器人，数据分析工作流自动化流程配置

🤖 场景一：智能客服机器人工作流（Dify 可视化版）

工作流设计：用户在界面左侧的组件库拖拽，右侧画布连线，并为每个节点填写配置表单。

flowchart LR A[用户输入] --> B[意图分类器] B --> C{判断类型} C -- 知识查询 --> D[RAG检索] C -- 执行操作 --> E[工具调用] C -- 其他问题 --> F[直接对话] D --> G[生成回答] E --> G F --> G G --> H[回复用户]

核心节点配置示例（只需在Dify界面表单中填写）：

1. 意图分类器节点：

   • 类型：LLM（选择大模型，如 GPT-4）
   • 系统提示词（在文本框中输入）：

     你是一个客服意图分类器。请判断用户问题属于哪一类，只输出一个关键词：
     - 【知识查询】：询问产品信息、政策等
     - 【操作请求】：需要办理退款、查询订单等
     - 【一般对话】：其他问题
     

   • 输出变量：intent_type

2. 条件分支节点：

   • 类型：IF/ELSE
   • 条件规则（在下拉菜单和输入框设置）：
     • 如果 {{intent_type}} 等于 知识查询 -> 连接到 RAG检索节点
     • 如果 {{intent_type}} 等于 操作请求 -> 连接到 工具调用节点
     • 其他情况 -> 连接到 直接对话节点

3. RAG检索节点：

   • 类型：知识库检索
   • 关联知识库：（从下拉列表中选择已创建好的“产品知识库”）
   • 检索方式：（勾选“语义检索”和“关键词检索”）
   • 输出变量：knowledge_context

4. LLM生成节点：

   • 类型：LLM
   • 系统提示词：

     你是一名客服，请根据以下知识库内容，专业、清晰地回答用户问题。
     知识库内容：{{knowledge_context}}
     

   • 用户提示词：用户的问题是：{{input}}

你看，整个过程不需要写代码，只需要在Dify提供的节点属性面板里，选择类型、填写表单、连接连线。

---

📊 场景二：数据分析流水线工作流（Dify 可视化版）

工作流设计：这是一个定时触发的自动化流程。

flowchart TB A[定时触发器<br/>每周一上午9点] --> B[数据查询] B --> C[数据清洗] C --> D[JSON提取] D --> E[Python代码] E --> F[生成图表] F --> G[发送邮件]

核心节点配置示例：

1. 触发器节点：

   • 类型：定时触发
   • 执行频率：（选择 每周，勾选 星期一）
   • 具体时间：（设置为 09:00）

2. HTTP请求节点（用于拉取数据）：

   • 类型：HTTP请求
   • URL：https://api.example.com/sales-data
   • 方法：GET
   • 认证：（填写API密钥）
   • 输出变量：raw_data

3. Python代码节点（用于复杂清洗或计算）：

   • 类型：Python代码
   • 输入变量：{{raw_data}}
   • 代码（此处是唯一需要写少量代码的地方，但Dify提供了模板）：

     def main(raw_data):
         import pandas as pd
         import json
         # 1. 将API返回的JSON转换为DataFrame
         df = pd.DataFrame(json.loads(raw_data)['records'])
         # 2. 简单的数据清洗
         df['sales'] = df['sales'].fillna(0)
         # 3. 计算核心指标
         total_sales = df['sales'].sum()
         avg_sales = df['sales'].mean()
         # 4. 输出为后续节点可用的变量
         return {
             "summary_table": df.to_dict(), # 传给下一个节点
             "total_sales": total_sales,    # 传给下一个节点
             "avg_sales": avg_sales         # 传给下一个节点
         }
     

4. 文本生成节点（生成报告正文）：

   • 类型：LLM
   • 提示词：

     根据以下销售数据总结，撰写一段简要的业务周报分析。
     总销售额：{{total_sales}}元
     平均销售额：{{avg_sales}}元
     突出亮点或需要关注的问题。
     

5. 邮件发送节点：

   • 类型：邮件
   • 收件人：team@company.com
   • 主题：销售数据周报 - {{当前日期}}
   • 内容：{{上一步LLM生成的报告}}

---

💎 总结：Dify工作流编排的本质

你看到的“代码”	在Dify中对应的实际操作
YAML/JSON配置块	在图形化节点属性面板中，通过下拉选择、填写文本框、勾选复选框来完成配置。
条件判断逻辑	拖入一个 条件分支节点，在规则设置界面里点选变量和条件。
函数/工具调用	拖入一个 工具调用或HTTP请求节点，在表单中填写API地址和参数。
变量传递与处理	连线本身就代表了数据流，节点的输出变量会自动成为下游节点的输入，可在提示词中用{{变量名}}引用。

简单来说：在Dify中，构建AI应用就像画流程图。你从左侧拖出功能模块（节点），用线把它们连起来，然后双击每个模块，在弹出的属性窗口里填表配置。绝大部分高级功能都已封装成节点，真正的“编码”工作极少。