简介本资源是一份面向AI智能体开发初学者的Dify Workflow实战教学文档聚焦小红书文案自动生成这一典型应用场景系统讲解Workflow各核心节点的功能与协同逻辑包括输入变量定义、LLM文本生成、变量赋值、代码清洗、Jinja模板转换及最终输出控制帮助读者掌握低代码构建AI工作流的关键能力。资源为单个PDF文件共1.67MB内容结构清晰涵盖节点原理说明、Prompt设计要点、CSV批量运行示例及实际输出效果截图便于边学边练。已有541人学习下载适合希望快速上手Dify平台、理解LLM集成与数据流转机制的开发者尤其对需定制化内容生成如营销文案、多风格标题的实践者具有直接参考价值。1. 小红书文案自动生成不是“调个API就完事”Dify Workflow 把关键词到成品的黑匣子拆成可调试、可复现、可交接的六步流水线你试过用大模型写小红书文案吗输入“轻奢风咖啡馆探店”返回一段带emoji、分段空行、结尾带话题标签的文本——看起来很美。但上线后发现品牌名总拼错、促销时间格式不统一、图片描述和实际图库对不上、甚至把“限前50名”写成“限前500名”。这不是模型不行是生成链路里缺了工程化控制点。这篇笔记讲的就是用 Dify 的 Workflow 功能把“关键词→文案→审核→发布准备”这条链路变成像 CI/CD 流水线一样可配置、可断点、可回溯的六步操作。它不依赖你本地跑 LLM也不要求你写 prompt 工程师级提示词核心是用 Dify 内置的节点编排能力把「模板转换」「代码执行」「条件分支」「上下文传递」这些能力串成真实业务流。适合正在做内容中台、新媒体 SaaS 工具、或需要批量生成合规文案的运营技术混合团队。如果你卡在“每次改一个字都要重跑整个 chain”或者“不同账号要换三套 prompt”那这篇就是为你写的血泪经验。2. Dify Workflow 是什么不是 Prompt 编排器而是带状态机的 AI 任务调度器Dify 的 Workflow 和传统 Prompt Chain 的本质区别在于它引入了显式状态管理和节点间数据契约。你不能只写“让 LLM 想个标题”而必须定义“上一个节点输出的 JSON 字段product_name将作为下一个节点title_generator的input.product参数传入”。这种契约感让整个流程从“玄学调参”变成“接口联调”。2.1 为什么不用 LangChain/CrewAI 做这事LangChain 适合研究型快速验证CrewAI 适合多 agent 协作推理但它们在生产环境有三个硬伤无内置 UI 调试面板出错时你要翻日志、查 trace ID、手动构造 input 重放而 Dify Workflow 提供节点级输入/输出快照点一下就能重试状态持久化弱LangChain 的RunnableWithMessageHistory在服务重启后会丢上下文Dify 的 workflow execution record 默认存 PostgreSQL支持断点续跑权限与发布隔离缺失你无法给运营同事开一个“只能改文案模板、不能动知识库”的子账户而 Dify 的 workspace role system 天然支持。提示Workflow 不是替代 LLM 推理而是调度 LLM 推理。它本身不加载模型所有 LLM 调用都走 Dify 的/v1/chat/completions统一网关这意味着你换本地 Ollama 模型、或切到 Azure OpenAIWorkflow 图形界面里只需改一个“LLM 节点”的 provider 配置无需动任何代码。2.2 Workflow 核心四类节点解析附小红书场景映射节点类型小红书文案场景举例关键参数说明是否必须LLM 节点生成正文初稿、润色标题、生成话题标签model选 qwen2.5-7b 或 gpt-4o、temperature0.3控创意发散度、system_prompt固定角色设定如“你是一名有5年小红书运营经验的文案策划”✅ 必须至少1个Code Execution 节点解析用户输入的原始关键词如“上海静安寺·咖啡馆·人均80” → 提取city上海,poi静安寺,category咖啡馆校验促销文案中的日期是否为工作日支持 Python 3.11可 importre,datetime,json输入自动转为input变量dict 类型输出必须是 dict字段名会被下游节点引用✅ 必须用于结构化输入Template 节点将 LLM 输出的 raw text 套入预设 Markdown 模板## {title}\n\n{body}\n\n{location}\n⏰{time_range}\n#小红书 #探店 #{category}使用 Jinja2 语法变量来自上游节点输出字段支持 {{ bodytruncate(200) }} 这类 filterCondition 节点判断生成文案是否含敏感词如“最便宜”“第一”或判断图片数量是否 ≥3 张触发不同审核流支持input.field_name xxx、违规 in input.text等简单表达式可设多个分支True/False/Default⚠️ 按需但强烈建议加2.3 一个真实可用的小红书 Workflow 结构图文字版[Start] ↓ (input: keywords杭州西湖边·新中式茶馆·周末限定) [Code Execution: keyword_parser] → 提取 city杭州, poi西湖边, style新中式, time_tag周末限定 ↓ (output: {city, poi, style, time_tag}) [LLM Node: title_gen] → 输入 system_prompt 提取字段 → 输出 title西湖畔的新中式茶馆周末限定款青梅冰茶来了 ↓ (output: {title}) [LLM Node: body_gen] → 输入 title style time_tag → 输出 body推开木格窗满眼是西湖波光…200字 ↓ (output: {body}) [Template Node: format_post] → 套入模板 → 输出 final_text## 西湖畔的新中式茶馆…\n\n杭州西湖边\n⏰周末限定\n#小红书 #新中式茶馆 #杭州探店 ↓ (output: {final_text}) [Condition Node: check_sensitive] → 检查 final_text 是否含“最”“首”“绝对” → True → 走 [LLM Node: compliance_rewrite]False → 直接 [End]这个结构不是理想模型而是我们线上跑着的版本。它把“生成”和“合规”解耦让法务同事能单独维护compliance_rewrite的 system_prompt而不碰前端输入逻辑。3. 从零搭建6 步完成小红书文案 Workflow含可直接复制的代码块下面步骤基于 Dify 社区版 v1.10.12024Q3 最稳定版本所有操作均在 Web UI 完成无需 CLI 或修改源码。假设你已完成 Dify 部署Docker 方式且已配置好至少一个 LLM Provider如 Ollama 的 qwen2.5:7b。3.1 Step 1创建新 Workflow 并设置全局输入 Schema进入 Dify 控制台 → 「Workflows」→ 「 New Workflow」→ 命名为xhs-post-generator。在右侧面板「Input Variables」中定义输入结构{ keywords: string, brand_name: string, image_count: number, target_audience: string }说明这里定义的是契约不是默认值。后续调用 API 时必须传{keywords:...}否则 workflow 启动失败。image_count字段为 Condition 节点判断图片数量提供依据target_audience用于 LLM 节点控制语气如“学生党”用更多网络语“宝妈”用更生活化表达。3.2 Step 2添加 Code Execution 节点解析关键词拖入「Code Execution」节点命名为parse_keywords。在代码编辑框中粘贴以下 Python 脚本import re import json # input 是 Dify 自动注入的 dict结构由 Step 1 定义 raw input.get(keywords, ) # 提取城市常见前缀北京/上海/广州/深圳/杭州/成都... city_match re.search(r(北京|上海|广州|深圳|杭州|成都|武汉|西安|南京|重庆), raw) city city_match.group(1) if city_match else 全国 # 提取 POI取第一个中文括号内内容或“·”分隔的第一段 poi_match re.search(r【(.*?)】|(.*?)|·(.*?)(?:·|$), raw) poi (poi_match.group(1) or poi_match.group(2) or poi_match.group(3) or ).strip() or 未知地点 # 提取风格关键词新中式/轻奢/复古/ins风/日系等 style_keywords [新中式, 轻奢, 复古, ins风, 日系, 北欧, 工业风, 森系] style next((s for s in style_keywords if s in raw), 通用) # 提取时间标签周末限定/暑期特供/早鸟价等 time_tags [周末限定, 暑期特供, 早鸟价, 限时优惠, 节日限定] time_tag next((t for t in time_tags if t in raw), 常规) # 构建结构化输出字段名将被下游节点引用 output { city: city, poi: poi, style: style, time_tag: time_tag, raw_keywords: raw }说明这段代码不依赖外部库仅用标准库re。关键点在于output字典的 keycity,poi必须和后续 LLM 节点的 prompt 中变量名严格一致。例如 LLM 节点 prompt 写请为{city}的{poi}写一段{style}风格文案那么{city}就会自动替换为output[city]的值。3.3 Step 3添加两个 LLM 节点生成标题与正文拖入第一个 LLM 节点命名为gen_title。配置如下Model选你已配置的 qwen2.5:7b或 gpt-4oTemperature0.3降低胡编乱造概率System Prompt你是一名资深小红书文案策划专注探店类内容。请严格按以下要求生成标题 - 长度 ≤ 20 字 - 必须包含 {poi} 和 {time_tag} 信息 - 使用感叹号或问号收尾增强点击欲 - 禁用“超赞”“绝了”等泛滥词用具体意象替代如用“青梅冰茶”代替“好喝”User Prompt为{city}的{poi}创作一个{style}风格的标题突出{time_tag}信息。拖入第二个 LLM 节点命名为gen_body。配置如下Model同上Temperature0.5正文需稍多创意System Prompt你擅长写小红书爆款正文要求 - 分3段首段场景代入视觉听觉描写中段产品细节材质/口味/工艺末段行动号召打卡/预约/限时 - 每段以 emoji 开头// - 总字数 180~220 字禁止超长 - 若 target_audience 是“学生党”加入价格锚点如“30元搞定”若是“宝妈”强调空间安全如“儿童友好区”User Prompt基于标题“{title}”为{city}的{poi}写正文。风格{style}时间标签{time_tag}目标人群{target_audience}注意{title}是自动从上一个gen_title节点的输出中提取的字段。Dify 会自动做字段映射你无需写input.title。3.4 Step 4用 Template 节点统一封装格式拖入「Template」节点命名为format_xhs_post。模板内容Jinja2 语法## {{ title }} {{ body }} {{ city }}{{ poi }} ⏰{{ time_tag }} #小红书 #探店 #{{ style|replace(新中式,新中式茶馆)|replace(轻奢,轻奢风) }} {% if image_count 3 %} 配图建议1.门头全景 2.产品特写 3.环境氛围 {% endif %}说明{{ style|replace(...) }}是 Jinja2 filter用于把“新中式”转成“新中式茶馆”这类更精准的话题标签。{% if %}块实现动态文案当image_count≥3 时才显示配图建议避免给只有1张图的客户错误引导。3.5 Step 5插入 Condition 节点做合规拦截拖入「Condition」节点命名为check_compliance。Expression 填写最 in input.final_text or 第一 in input.final_text or 绝对 in input.final_text or guaranteed in input.final_text.lower()添加两个分支True 分支→ 连接到新的 LLM 节点rewrite_for_complianceFalse 分支→ 直接连到 End 节点为rewrite_for_compliance配置System Prompt你是一名广告法合规顾问。请重写以下文案删除所有《广告法》禁止的绝对化用语最、第一、顶级、首选等改用客观描述或用户证言替代。保持原意和小红书风格。User Prompt原文{final_text}提示这个节点让法务团队能独立维护 rewrite 规则而无需工程师改 workflow 图。他们只需更新 system prompt效果立即生效。3.6 Step 6配置 Output 并测试在 workflow 末尾的「Output Variables」面板中定义最终输出{ final_text: string, debug_info: object }其中final_text来自format_xhs_post或rewrite_for_compliance的输出debug_info可设为{parsed: input, timestamp: now()}用于问题定位。点击右上角「Test」按钮输入测试数据{ keywords: 杭州西湖边·新中式茶馆·周末限定, brand_name: 山月集, image_count: 4, target_audience: 学生党 }观察各节点执行状态绿色表示成功红色表示报错。点击任一节点的「View Details」可看到输入/输出 JSON这是排查问题的第一现场。4. 避坑指南六个真实翻车现场与抢救方案附错误日志特征Dify Workflow 看似图形化很友好但生产环境里几个经典坑会让新人卡住 2 天。以下是我们在 3 个客户项目中踩过的真坑按发生频率排序。4.1 现象Workflow 执行卡在 Code Execution 节点日志显示ModuleNotFoundError: No module named pandas原因误以为 Code Execution 支持 pip install其实 Dify 的沙箱环境只预装re,json,datetime,math,random等标准库。pandas/numpy/requests全部不可用。解决用标准库替代re.findall()替代pandas.Series.str.extract()复杂 HTTP 请求改用「HTTP Request」节点Dify 内置它支持 GET/POST 和 JSON body如真需第三方库改用「LLM 节点」 system prompt 描述计算逻辑如“请把以下数字列表求平均值[1,2,3]”让 LLM 当计算器用适合低频、非关键计算。4.2 现象LLM 节点输出的title字段在 Template 节点里渲染为空但 Debug 面板显示title有值原因字段名大小写不一致。Code Execution 节点output {City: 杭州}而 LLM 节点 prompt 写{city}小写 c。Dify 字段匹配严格区分大小写。解决全流程统一用小写字母下划线命名city_name,poi_location在每个节点的「Output Preview」里点开 JSON 查看实际 key 名不要凭记忆写在 Template 节点里用{{ title|default(未生成) }}防空渲染。4.3 现象Condition 节点始终走 False 分支即使输入文本含“最便宜”原因Condition 表达式里用了中文全角标点或隐藏空格。比如最 in input.final_text看似正确但input.final_text实际是最便宜 末尾是全角空格导致in判断失败。解决在 Code Execution 节点末尾加清洗output[final_text] input[final_text].strip().replace( , )Condition 表达式改用正则re.search(r[最第首]|绝对| guaranteed, input.final_text, re.I)需先在 Code Execution 里 import re并确保 output 包含re对象——但更推荐前者。4.4 现象调用 API 时返回422 Unprocessable Entity错误信息input must contain field keywords原因Workflow Input Schema 定义了keywords为 required 字段但 API 请求 body 里没传或传了{Keywords: ...}大小写错。解决用 curl 测试时务必检查 JSON keycurl -X POST http://your-dify/api/v1/workflows/run \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d {inputs:{keywords:上海外滩咖啡馆}}在 Dify 的「API Reference」页直接点「Try it out」它会自动生成正确格式的请求体。4.5 现象Workflow 执行成功但最终final_text里没有#小红书标签而是原样输出#小红书原因Template 节点里写了#小红书但 Dify 的 Template 渲染引擎会把#当作注释符Jinja2 语法。解决用转义\#小红书或用变量包裹{{ #小红书 }}更推荐把所有话题标签存在 Code Execution 的 output 里如output[hashtags] [#小红书, #探店]Template 里写{{ hashtags|join( ) }}。5. 进阶技巧用 Workflow 实现“一稿多发”与灰度发布含灰度开关配置表做到上面 6 步你已经能稳定产出小红书文案。但真实业务不止于此——同一份探店素材要发小红书、公众号、抖音图文且新文案先推给 5% 用户测点击率。Workflow 完全能支撑关键是用好「并行分支」和「动态参数」。5.1 一稿多发单次运行输出三端格式在format_xhs_post节点后不直接连 Condition而是加一个「Parallel」节点Dify v1.10 新增。它会同时触发三个子流程子流程目标平台关键差异点Template 示例片段xhs小红书段落空行多、emoji 密集、话题标签多## {title}\n\n{body}\n\n#小红书 #{style}wechat微信公众号首段加导语“Hi这里是XX探店”禁用 emoji结尾加“点击预约”按钮链接{% set btn_url https://xxx.com/book?id poi_id %}\na href{{ btn_url }}点击预约/adouyin抖音图文标题加【】符号正文用短句换行末尾加“↓评论区抽3人送券”【{{ title }}】\n{{ body实现要点Parallel 节点本身不处理数据它只是分发。每个子流程的 Template 节点都接收相同的上游input含title,body,poi但用不同模板渲染。最终 output 定义为{ xhs_post: string, wechat_post: string, douyin_post: string }5.2 灰度发布用 Condition 环境变量控制流量Dify 支持为每个 workflow 设置「Environment Variables」环境变量它在 workflow 执行时注入可用于灰度开关。操作路径workflow 编辑页 → 右上角「Settings」→ 「Environment Variables」。变量名类型示例值用途GRAYSCALE_RATEnumber0.05灰度比例5%ENABLE_COMPLIANCE_CHECKbooleantrue合规检查开关上线后可随时关闭DEFAULT_AUDIENCEstring学生党当 input 未传target_audience时的兜底值在 Condition 节点check_compliance的 Expression 中这样写input.get(is_gray, false) or (random.random() env.GRAYSCALE_RATE)其中random.random()是 Dify 内置函数无需 import返回 0~1 的浮点数。这样5% 的请求会强制走合规重写流其余走直通流。表灰度开关配置与业务效果对照表开关变量值生效场景验证方式GRAYSCALE_RATE0.011% 流量进重写新上线 rewrite prompt怕误伤查看rewrite_for_compliance节点执行次数 / 总执行次数 ≈ 0.01ENABLE_COMPLIANCE_CHECKfalse关闭所有合规检查大促期间临时放开限制Condition 节点显示 “Skipped” 状态DEFAULT_AUDIENCE宝妈未传 audience 时按宝妈风格生成老客户 API 未升级仍传旧字段检查 output 中target_audience字段值5.3 终极技巧用 Code Execution 节点做 A/B 测试分流有时灰度不够细你需要对同一关键词A 组用“价格锚点”话术B 组用“体验感”话术。这时靠环境变量不够要用 Code Execution 做哈希分流import hashlib # input 是原始请求体 raw_input json.dumps(input, sort_keysTrue) hash_val int(hashlib.md5(raw_input.encode()).hexdigest()[:8], 16) group A if hash_val % 2 0 else B # 输出分组标识供后续 LLM 节点读取 output { group: group, city: input.get(city, 全国), poi: input.get(poi, 未知) }然后在gen_body的 System Prompt 里加条件{% if group A %} 请强调价格优势使用“30元搞定”“学生价”等表述。 {% else %} 请强调空间体验使用“阳光洒满”“木质香”“安静角落”等感官词。 {% endif %}这个技巧让我们在一个 workflow 里跑出两套文案策略数据对比直接在 Dify 的 workflow execution log 里按group字段筛选即可。从那以后我每次上线新 prompt都强制走一遍灰度开关 A/B 分流双保险。哪怕 LLM 突然抽风也只影响 5% 用户而不是全量翻车。希望帮到你。本文还有配套的精品资源点击获取