# 01 Workflow > Guides designing Dify workflows, covering node types, design patterns, templates, and best practices. - Skill: `systemtce/01-workflow` (Agent Skill, multi-file: 31 files) - Install (CLI): `npx skillmds@latest add systemtce/01-workflow` - Raw SKILL.md: https://api.skillmd.com/api/skills/systemtce/01-workflow/raw - Safety review: PASS (external: skill-scanner PASS, skillspector PASS) - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Productivity, AI & ML, Agent Building - Tags: Best Practices, Design Patterns, Dify, Node Types, Rag, Templates, Yaml - Author: SystemTce (https://skillmd.com/u/systemtce) - Updated: 2026-08-22 - Page: https://skillmd.com/skills/systemtce/01-workflow --- # Dify 工作流设计 SKILL > 掌握 Dify 工作流设计的核心知识和最佳实践 ## 快速导航 - [工作流概述](#工作流概述) - [核心节点类型](#核心节点类型) - [设计模式](#设计模式) - [工作流模板](#工作流模板) - [变量系统](#变量系统) - [最佳实践](#最佳实践) --- ## 工作流概述 Dify 工作流是一个可视化的 AI 应用编排系统，通过节点和边的组合，实现复杂的业务逻辑。 ### 核心概念 - **节点 (Node)**: 工作流的基本执行单元，每个节点执行特定的功能 - **边 (Edge)**: 连接节点，定义数据流和执行顺序 - **变量 (Variable)**: 在节点间传递数据 - **DSL (Domain Specific Language)**: YAML 格式的工作流定义语言 ### 工作流类型 1. **Workflow**: 标准工作流，适合复杂的多步骤处理 2. **Advanced Chat**: 高级对话应用，支持工作流编排 3. **Agent**: 智能代理，自主决策和工具调用 ### 执行模型 - **队列驱动**: 基于 Ready Queue 的节点调度 - **事件驱动**: 节点执行产生事件流 - **并行执行**: 支持 2-8 个工作线程并行处理 - **流式响应**: 支持实时流式输出 --- ## 核心节点类型 ### 1. Start 节点 **功能**: 工作流的入口，定义输入变量 **配置示例**: ```yaml - data: desc: '' selected: false title: 开始 type: start variables: - label: 用户输入 max_length: 1000 required: true type: text-input variable: user_input id: start type: custom ``` **详细文档**: [nodes/start.md](./nodes/start.md) --- ### 2. LLM 节点 **功能**: 调用大语言模型进行推理和生成 **配置示例**: ```yaml - data: type: llm model: provider: openai name: gpt-4 completion_params: temperature: 0.7 max_tokens: 2000 prompt_template: - id: system role: system text: "你是一个专业的助手" - id: user role: user text: "{{#sys.query#}}" context: enabled: true variable_selector: ["knowledge", "result"] id: llm ``` **关键参数**: - `model`: 模型配置（提供商、名称、参数） - `prompt_template`: 提示词模板（支持系统消息和用户消息） - `context`: 上下文配置（启用知识库检索结果） - `memory`: 对话记忆配置 - `vision`: 视觉能力配置（支持图像输入） **详细文档**: [nodes/llm.md](./nodes/llm.md) --- ### 3. Agent 节点 **功能**: 智能代理，根据用户需求自主调用工具 **配置示例**: ```yaml - data: type: agent agent_parameters: instruction: type: constant value: "根据用户需求，调用合适的工具完成任务" model: type: constant value: provider: openai model: gpt-4 completion_params: temperature: 0.7 query: type: constant value: "{{#sys.query#}}" tools: type: constant value: - enabled: true provider_name: time tool_name: current_time type: builtin - enabled: true provider_name: duckduckgo tool_name: ddgo_search type: builtin agent_strategy_name: function_calling id: agent ``` **支持的策略**: - `function_calling`: 函数调用（推荐） - `react`: ReAct 推理模式 **详细文档**: [nodes/agent.md](./nodes/agent.md) --- ### 4. Knowledge Retrieval 节点 **功能**: 从知识库检索相关信息（RAG） **配置示例**: ```yaml - data: type: knowledge-retrieval dataset_ids: - "dataset-uuid-1" - "dataset-uuid-2" query_variable_selector: ["start", "sys.query"] retrieval_mode: single single_retrieval_config: model: provider: openai name: text-embedding-3-small top_k: 3 score_threshold: 0.7 reranking_model: provider: cohere model: rerank-english-v2.0 id: knowledge ``` **检索模式**: - `single`: 单次检索 - `multiple`: 多次检索 **详细文档**: [nodes/knowledge-retrieval.md](./nodes/knowledge-retrieval.md) --- ### 5. Code 节点 **功能**: 执行 Python 或 JavaScript 代码 **配置示例**: ```yaml - data: type: code code_language: python3 code: | def main(input_text: str) -> dict: # 处理逻辑 result = input_text.upper() return { "output": result, "length": len(result) } variables: - variable: input_text value_selector: ["start", "user_input"] outputs: output: type: string length: type: number id: code ``` **支持的语言**: - Python 3 - JavaScript (Node.js) **详细文档**: [nodes/code.md](./nodes/code.md) --- ### 6. HTTP Request 节点 **功能**: 调用外部 HTTP API **配置示例**: ```yaml - data: type: http-request method: POST url: "https://api.example.com/endpoint" headers: Content-Type: application/json Authorization: "Bearer {{#env.API_KEY#}}" body: type: json data: query: "{{#sys.query#}}" options: temperature: 0.7 timeout: 30 id: http ``` **支持的方法**: - GET, POST, PUT, DELETE, PATCH **详细文档**: [nodes/http-request.md](./nodes/http-request.md) --- ### 7. Tool 节点 **功能**: 调用内置或自定义工具 **配置示例**: ```yaml - data: type: tool provider_id: google_translate provider_type: builtin provider_name: google_translate tool_name: translate tool_parameters: content: type: mixed value: "{{#sys.query#}}" dest: type: mixed value: "zh-CN" id: tool ``` **工具类型**: - `builtin`: 内置工具 - `api`: API 工具 - `workflow`: 工作流工具 **详细文档**: [nodes/tool.md](./nodes/tool.md) --- ### 8. If-Else 节点 **功能**: 条件分支控制 **配置示例**: ```yaml - data: type: if-else conditions: - variable_selector: ["llm", "text"] comparison_operator: contains value: "关键词" logical_operator: and id: condition ``` **支持的运算符**: - `contains`, `not contains` - `is`, `is not` - `empty`, `not empty` - `>`, `<`, `>=`, `<=`, `=`, `!=` **详细文档**: [nodes/if-else.md](./nodes/if-else.md) --- ### 9. Iteration 节点 **功能**: 迭代处理数组数据 **配置示例**: ```yaml - data: type: iteration iterator_selector: ["start", "items"] output_selector: ["iteration_inner", "output"] parallel_nums: 3 error_handle_mode: continue id: iteration ``` **错误处理模式**: - `continue`: 继续执行 - `stop`: 停止迭代 **详细文档**: [nodes/iteration.md](./nodes/iteration.md) --- ### 10. Answer 节点 **功能**: 输出工作流结果 **配置示例**: ```yaml - data: type: answer answer: "{{#llm.text#}}" id: answer ``` **详细文档**: [nodes/answer.md](./nodes/answer.md) --- ## 设计模式 ### 1. 顺序管道模式 **适用场景**: 简单的线性处理流程 **结构**: ``` Start → LLM → Answer ``` **示例**: [patterns/sequential.md](./patterns/sequential.md) --- ### 2. 条件分支模式 **适用场景**: 根据条件执行不同的处理逻辑 **结构**: ``` Start → LLM → If-Else → [分支A / 分支B] → Answer ``` **示例**: [patterns/conditional.md](./patterns/conditional.md) --- ### 3. 迭代处理模式 **适用场景**: 批量处理数组数据 **结构**: ``` Start → Code → Iteration → LLM → Answer ``` **示例**: [patterns/iterative.md](./patterns/iterative.md) --- ### 4. 知识检索模式 (RAG) **适用场景**: 基于知识库的问答 **结构**: ``` Start → Knowledge Retrieval → LLM (with context) → Answer ``` **示例**: [patterns/rag.md](./patterns/rag.md) --- ### 5. 多源聚合模式 **适用场景**: 整合多个数据源的信息 **结构**: ``` Start → [Tool1, Tool2, HTTP] → Variable Aggregator → LLM → Answer ``` **示例**: [patterns/aggregation.md](./patterns/aggregation.md) --- ## 工作流模板 ### 简单问答 **文件**: [templates/simple-qa.yml](./templates/simple-qa.yml) **描述**: 最基础的问答工作流 **节点**: Start → LLM → Answer --- ### RAG 助手 **文件**: [templates/rag-assistant.yml](./templates/rag-assistant.yml) **描述**: 基于知识库的智能助手 **节点**: Start → Knowledge Retrieval → LLM → Answer --- ### Agent 工具调用 **文件**: [templates/agent-tools.yml](./templates/agent-tools.yml) **描述**: 智能代理自主调用工具 **节点**: Start → Agent → Answer --- ### 多步骤处理 **文件**: [templates/multi-step.yml](./templates/multi-step.yml) **描述**: 复杂的多步骤处理流程 **节点**: Start → Code → HTTP → LLM → If-Else → Answer --- ## 变量系统 ### 系统变量 ```yaml {{#sys.query#}} # 用户查询 {{#sys.files#}} # 上传的文件 {{#sys.conversation_id#}} # 会话 ID {{#sys.user_id#}} # 用户 ID ``` ### 节点变量 ```yaml {{#节点ID.输出字段#}} # 引用节点输出 {{#llm.text#}} # LLM 文本输出 {{#knowledge.result#}} # 知识检索结果 {{#code.output#}} # 代码节点输出 ``` ### 会话变量 ```yaml {{#conversation.变量名#}} # 会话级变量 ``` ### 环境变量 ```yaml {{#env.API_KEY#}} # 环境变量 {{#env.DATABASE_URL#}} # 数据库连接 ``` ### 迭代变量 ```yaml {{#item#}} # 当前迭代项 {{#index#}} # 当前索引 ``` --- ## 最佳实践 ### 1. 模块化设计 - 将复杂流程拆分为多个独立节点 - 使用变量传递数据，避免硬编码 - 合理使用条件分支和迭代节点 ### 2. 变量命名规范 - 使用有意义的变量名 - 遵循统一的命名约定 - 添加必要的描述信息 ### 3. 错误处理 - 在关键节点添加错误处理逻辑 - 使用条件分支处理异常情况 - 提供友好的错误提示 ### 4. 性能优化 - 避免不必要的节点调用 - 合理使用缓存机制 - 控制循环迭代次数 - 使用并行分支提升性能 ### 5. 可维护性 - 添加节点描述和注释 - 使用清晰的节点命名 - 保持工作流结构简洁 - 定期审查和优化 **详细内容**: [best-practices.md](./best-practices.md) --- ## 下一步 - 深入学习 [节点类型详解](./nodes/) - 探索 [设计模式](./patterns/) - 使用 [工作流模板](./templates/) 快速开始 - 阅读 [最佳实践](./best-practices.md) 提升技能 --- ## 相关 SKILL - [02-plugin SKILL](../02-plugin/SKILL.md) - 开发自定义工具和插件 - [03-performance SKILL](../03-performance/SKILL.md) - 优化工作流性能 - [06-reference SKILL](../06-reference/SKILL.md) - DSL 语法参考 --- **版本**: v1.0.0 **最后更新**: 2026-03-04 **返回**: [总 SKILL](../SKILL.md)