05-工作流编排

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

特性 Chatflow Workflow
交互方式 多轮对话 单次执行
触发方式 用户消息 API/定时/Webhook
对话历史 支持 不支持
开始节点 开始 开始
输出节点 Answer 结束
适用场景 聊天、问答 批处理、自动化

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：

触发类型 说明 配置
API 调用 通过 API 触发 发布后获取 API 端点
定时触发 按计划执行 Cron 表达式
Webhook HTTP 回调触发 配置 Webhook URL
插件触发 通过插件触发 安装触发器插件

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。

posted @ 2025-11-29 13:06  我才是银古  阅读(0)  评论(0)    收藏  举报