第 5 章：工作流（Workflow）：编排复杂的 AI 流程
如果说提示词是 AI 的指令，那么工作流就是 AI 的大脑逻辑图。通过 Dify 的可视化画布，你可以像搭积木一样，将不同的 AI 能力、逻辑判断和外部工具串联起来。
5.1 工作流画布介绍：节点、变量与连线
工作流（Workflow）是 Dify 的底层引擎，支持更复杂的任务编排。
- 节点 (Node)：每个节点执行一个特定的功能（如 LLM 推理、知识库检索、HTTP 请求）。
- 变量 (Variable)：数据在节点之间传递的载体。
- 连线 (Connection)：定义节点的执行顺序和逻辑流向。
5.2 常用节点详解
| 节点名称 | 核心功能 | 实战技巧 |
|---|---|---|
| 开始 (Start) | 接收用户输入。 | 定义清晰的输入变量（如 query, language）。 |
| LLM | 调用大模型进行推理。 | 针对不同节点使用不同的模型（如 GPT-4o 用于逻辑，GPT-3.5 用于摘要）。 |
| 知识库检索 (Knowledge Retrieval) | 从知识库中查找相关内容。 | 设置合理的 Top K 和 Rerank 策略。 |
| 条件分支 (Condition) | 基于逻辑判断走不同的路径。 | 例如：判断用户语言，中文走中文处理流，英文走英文处理流。 |
| 迭代 (Iteration) | 对数组（如文章列表）中的每个元素执行相同操作。 | 适合批量翻译、批量生成摘要。 |
| 循环 (Loop) | 执行重复性工作流，每次基于前一次结果。 | 适合长文写作、逐步细化方案。 |
| HTTP 请求 | 调用外部 API（如天气、搜索、公司数据库）。 | 将 AI 能力与你的业务系统打通。 |
5.3 实战案例：构建一个自动化教程生成工作流
- 开始节点：接收用户想要学习的主题。
- LLM 节点 1：生成该主题的教学大纲。
- 迭代节点：针对大纲中的每一个章节：
- LLM 节点 2：生成该章节的详细教学内容。
- 结束节点：将所有章节内容合并，输出完整的教程。
5.4 工作流调试与优化
- 分段运行：点击节点右上角的“运行此节点”，单独测试逻辑。
- 日志追踪：查看“运行历史”，精准定位哪个节点出了问题，查看变量传递是否符合预期。
下一章预告：我们将回归“语言”本身，学习如何通过高级提示词技巧和 JSON 格式化输出，让 AI 的表现更像一个专业专家。
© 版权声明
若无特殊声明，本站所有文章版权均归「PMKG AI知识库」原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。
相关文章
暂无笔记...