30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度如果你正在使用 Dify 构建智能应用是否遇到过这样的困境AI 生成的回复看似流畅但在关键决策、数据准确性或业务逻辑上总感觉“差那么一点意思”不敢完全放手让它独立处理或者你是否希望在某些敏感环节能像传统软件一样让人类专家“看一眼”再放行这正是 Dify 1.15 版本引入“人工介入”功能所要解决的核心痛点。它不是一个简单的“审核开关”而是标志着 Dify 从一个纯粹的自动化 AI 应用构建平台向一个支持“人机协同”的智能工作流平台演进的关键一步。过去我们只能在流程结束后人工检查结果现在我们可以将人类的判断和决策无缝地嵌入到 AI 驱动的自动化流程中在关键时刻按下“暂停键”由人来把关。本文将深入解析 Dify 1.15 的“人工介入”功能。我不会只告诉你按钮在哪里而是会带你理解其背后的设计哲学、适用场景并通过一个从零开始的完整工作流案例手把手演示如何配置一个需要人工审批的智能客服工单处理系统。你会看到这个功能如何将 AI 的“效率”与人类的“可靠性”结合起来真正解决生产环境中的信任与合规问题。1. 人工介入从“全自动”到“受控智能”的必由之路在深入配置之前我们必须先理解为什么需要人工介入它解决的远不止是“怕 AI 出错”这么简单。1.1 全自动 AI 的局限性当前的大语言模型LLM在创意生成、文本归纳、代码辅助等方面表现出色但在涉及以下场景时其“黑盒”特性会带来风险事实准确性模型可能“幻觉”出不存在的数据或引用错误来源。业务规则与合规涉及金额计算、合同条款、隐私政策时必须100%准确。主观判断与价值观如内容审核、投诉处理、创意评价需要人类的情感和伦理判断。外部系统操作触发真实的数据库删除、发送邮件、调用支付接口等操作必须慎之又慎。在这些环节纯粹的自动化意味着将风险完全交给了概率。而“人工介入”就是在自动化流水线上设置的关键质检工位。1.2 Dify 人工介入的核心价值Dify 1.15 的“人工介入”节点其核心价值在于提供了“流程控制权”和“数据上下文”。流程控制它允许工作流在指定节点暂停等待外部人工操作批准、拒绝、修改输入。只有人工操作后流程才会继续或转向不同分支。上下文传递人工操作者能看到工作流运行到此刻的所有上下文信息之前的AI回复、处理的数据、变量状态从而做出有依据的判断。非侵入式集成它通过 Webhook 或变量传递与外部系统如你的OA、CRM对接人工审批可以在 Dify 界面内完成也可以在你自己的业务系统中完成。简单说它让 AI 负责它擅长的“计算”和“草拟”而把最终的“决策”和“放行”权交给人类。这极大地拓展了 Dify 工作流可应用的业务场景范围从内部工具走向了核心业务流程。2. 环境准备与核心概念梳理在开始构建工作流前请确保你的环境已就绪并理解几个关键概念。2.1 环境要求Dify 版本必须为1.15.0 或更高版本。你可以在 Dify 后台的“系统设置” - “关于”中查看版本号。部署方式无论你是通过 Docker Compose、Kubernetes 还是二进制部署只要版本达标即可。功能本身不依赖特定部署模式。模型配置确保你已至少配置好一个可用的文本生成模型如 GPT-4、Claude 3、国产大模型等用于工作流中的 AI 处理节点。权限准备你需要拥有创建和发布应用的权限。同时思考一下未来将由谁来接收和处理这些“人工介入”任务他们需要相应的应用访问权限。2.2 核心概念解析工作流WorkflowDify 中可视化编排的自动化流程由多个节点通过连线组成。人工介入Human Intervention节点工作流中的一个特殊节点。当流程执行到该节点时会暂停并生成一个待处理任务。任务Task一次人工介入产生的具体待办事项。包含任务ID、状态待处理、已批准、已拒绝、输入数据和上下文。操作Action人工对任务执行的动作主要是“批准”可附带修改后的输入或“拒绝”。变量Variable在工作流中传递数据的载体。人工介入节点可以输出变量如审批人的操作结果供后续节点使用。理解这些概念有助于我们在设计工作流时清晰地规划数据流向和状态切换。3. 实战构建一个带人工审批的智能客服工单处理系统让我们通过一个完整的例子来学习。场景是用户提交一段文字描述的产品问题AI 先自动分析问题类型并生成初步解决方案但涉及“退款”或“高级技术支持”的请求必须由人工客服经理审批后才能生成最终回复并通知用户。3.1 工作流整体设计我们的工作流将包含以下节点并按此顺序连接开始问题输入接收用户原始问题。LLM分类调用大模型判断问题是否涉及“退款”或“高级技术支持”。条件判断根据分类结果决定流程走向。人工介入审批对于需要审批的工单在此暂停。LLM生成回复根据审批结果或无需审批的结论生成最终回复。结束输出结果。3.2 逐步配置详解第一步创建应用与工作流登录 Dify点击“创建应用”选择“工作流”类型命名为“智能客服工单处理带审批”。进入应用后切换到“工作流”标签页你会看到一个空的画布只有一个“开始”节点。第二步配置“问题分类”环节从左侧节点库拖拽一个“LLM”节点到画布连接到“开始”节点之后。配置该 LLM 节点模型选择一个你配置好的模型如 gpt-4。系统提示词这里定义 AI 的角色和任务。你是一个客服工单分类助手。请严格根据用户描述的问题判断其是否涉及以下需要人工审批的类别 1. 退款请求任何提及“退款”、“退钱”、“返还费用”等。 2. 高级技术支持问题描述复杂涉及“服务器宕机”、“数据丢失”、“核心功能无法使用”等。 你的输出必须是严格的 JSON 格式且只包含以下两个字段 - needs_approval: 布尔值。如果需要人工审批则为 true否则为 false。 - reason: 字符串。简要说明分类理由例如“用户明确要求退款”或“问题属于常规咨询”。 用户问题{{input}}上下文变量点击“添加变量”设置变量名为input并勾选“作为输入”。这样用户输入就会传入提示词的{{input}}位置。输出变量在“输出”部分点击“使用 JSON 模式解析”并粘贴上一步提示词中要求的 JSON 结构。Dify 会自动创建needs_approval和reason两个变量供后续使用。第三步配置“条件判断”与“人工介入”拖拽一个“条件判断”节点连接到 LLM 节点之后。配置条件条件分支一{{needs_approval}} 等于 true。这个分支将走向“人工介入”。条件分支二其他情况。这个分支将直接走向“生成最终回复”。从节点库拖拽“人工介入”节点到画布。将条件判断节点的true分支连线到该节点。配置“人工介入”节点节点名称可以命名为“客服经理审批”。说明填写给审批人的提示如“此工单涉及退款/高级技术支持请审核AI的初步分类并决定是否继续处理。”输入变量配置这是关键你需要定义审批人看到的表单和需要操作的数据。 点击“添加”我们添加两个字段字段1用户原始问题变量类型选择“文本”值设置为{{input}}只读用于查看。字段2AI分类与建议变量类型选择“文本”值设置为{{reason}}只读。字段3审批意见变量类型选择“文本输入”不设置默认值。这是审批人可以填写的文本框。输出变量人工介入节点会输出两个核心变量status: 审批结果值为approved批准或rejected拒绝。你定义的输入字段也会成为输出变量如审批意见。后续节点可以引用{{审批意见}}。第四步配置“生成回复”与流程合并拖拽第二个“LLM节点”到画布。这个节点将用于生成最终给用户的回复。我们需要两个入口连接到这个节点从“人工介入”节点的输出连线过来代表审批后的流程。从“条件判断”节点的其他情况分支连线过来代表无需审批的流程。配置这个 LLM 节点模型选择与第一个相同的或另一个模型。系统提示词这里需要处理多种情况。你是一名专业的客服助手。请根据以下信息生成给用户的最终回复。 {{#if 审批意见}} 【审批结果】客服经理已处理此工单。审批意见{{审批意见}} {{/if}} {{#if needs_approval}} 【工单性质】此工单涉及需要关注的类别{{reason}}。 {{/if}} 【用户原始问题】{{input}} 请生成友好、专业、能解决用户问题的回复。如果工单被拒绝请委婉告知用户原因并提供替代方案。上下文变量你需要添加所有可能用到的变量input,needs_approval,reason,status,审批意见。Dify 的提示词支持类似 Handlebars 的条件语法可以优雅地处理分支逻辑。最后拖拽一个“结束”节点连接到“生成回复”LLM节点之后。在“结束”节点的输出变量中选择最终回复来自第二个LLM节点的输出。至此工作流设计完成。你的画布应该类似下图逻辑结构[开始] - [LLM分类] - [条件判断] | |--(true)-- [人工介入] - [LLM生成回复] - [结束] | |--(false)-----------------/4. 发布、测试与人工审批操作设计完成后关键在于让它跑起来并体验人工介入的过程。4.1 发布应用与获取访问方式点击右上角的“发布”按钮。发布后工作流即可通过 API 或 Web 界面被触发。在应用概览页找到“访问方式”。对于测试我们可以使用“对话窗口”或“API”。4.2 触发工作流并生成审批任务在“对话窗口”中输入一个测试问题“我的订单12345商品损坏我要求全额退款。”点击发送。由于我们的逻辑这个问题会被分类为needs_approval: true。此时工作流会在“人工介入”节点暂停。你不会在对话窗口立即得到回复。要查看和处理审批任务你需要进入“日志与标注”页面。在侧边栏或顶部导航找到它。在“日志与标注”页面切换到“待处理”标签页。你会看到一条新任务标题或内容包含你设置的节点名称“客服经理审批”。点击该任务右侧会展开详情。你可以看到“用户原始问题”和“AI分类与建议”已自动填充。有一个“审批意见”的文本框供你填写。底部有“批准”和“拒绝”两个按钮。4.3 执行人工审批在“审批意见”中填写“已核实订单商品确实存在质量问题同意退款流程。”点击“批准”按钮。神奇的事情发生了刚才暂停的工作流立即被唤醒并沿着“批准”的路径继续执行。它会将你的“审批意见”和statusapproved传递给下一个 LLM 节点。稍等片刻返回应用的“对话窗口”。你会发现一条完整的、融合了你审批意见的客服回复已经生成。例如“尊敬的客户您好。关于您订单12345的退款申请我们已收到并经过专人审核。根据核实您反映的商品质量问题属实我们对此表示诚挚的歉意。现已为您启动全额退款流程款项将在3-5个工作日内原路退回……”4.4 测试拒绝流程重新在对话窗口输入另一个问题“我觉得这个软件不好用给我退款。”同样任务会出现在“待处理”列表。这次点击“拒绝”按钮。你也可以填写拒绝理由如“根据服务条款软件体验不满意不适用退款可提供延长试用期。”工作流将继续但status变为rejected。最终生成的回复会是“尊敬的客户感谢您的反馈。关于退款请求根据我们的服务条款软件体验问题不适用于退款政策。但我们非常重视您的体验愿意为您提供额外的15天试用期并安排专员协助您解决问题您看可以吗”通过这个完整的测试你就能清晰地看到“人工介入”如何作为一个动态的决策点嵌入到自动化流程中。5. 高级配置与集成方案基础流程跑通后我们可以探索更强大的用法。5.1 超时与自动处理在“人工介入”节点的配置中你可以找到“超时设置”。例如设置为“2小时”。这意味着如果任务在2小时内无人处理系统会自动执行你预设的操作如“自动批准”或“自动拒绝”。这对于确保流程不阻塞至关重要。5.2 通过 Webhook 与外部系统集成Dify 的“人工介入”节点支持Webhook。这意味着当任务创建时Dify 可以向你指定的外部系统如企业微信、钉钉、飞书、Jira、自研OA发送一个 HTTP POST 请求。Payload请求体中会包含任务ID、应用信息、所有输入变量等。外部系统处理你的外部系统收到通知后可以在其界面内处理审批如点击按钮。回调 Dify外部系统处理完毕后需要通过调用 Dify 的 API/console/api/workflows/processors/{task_id}/action来回传审批结果批准/拒绝和修改后的变量。这样审批流程就可以完全融入你公司现有的办公流程中无需跳转到 Dify 后台。5.3 多级审批与复杂逻辑通过组合“条件判断”和多个“人工介入”节点可以实现串行或并行的多级审批。串行审批第一个“人工介入”节点输出statusapproved后连接到一个“条件判断”判断是否需要进行第二级审批再连接第二个“人工介入”节点。并行审批需结合后续版本或自定义逻辑目前单个节点代表一个审批环节。更复杂的并行审批如需要多个部门同时会签可能需要通过将任务通知到多个接收者并在外部系统聚合结果后一次性回调 Dify 来实现。6. 常见问题与排查思路在实际使用中你可能会遇到以下问题问题现象可能原因排查方式解决方案工作流执行后在“人工介入”节点卡住但“待处理”列表没有任务。1. 工作流未成功发布。2. “人工介入”节点的输入变量配置有误导致任务创建失败。3. 数据库或消息队列异常。1. 检查应用是否已“发布”。2. 查看“日志与标注”中的“错误”标签页寻找具体的错误信息。3. 检查 Dify 后台服务日志如docker-compose logs。1. 确保点击发布。2. 检查节点输入变量确保引用的变量名正确且已在上游节点输出。3. 重启 Dify 相关服务。点击“批准”或“拒绝”后工作流没有继续执行。1. 后续节点存在配置错误。2. 工作流版本不一致处理任务时应用已更新。3. 异步处理延迟。1. 查看任务处理后的工作流运行日志“日志与标注”-“全部”看是否在后续节点报错。2. 确认处理任务时使用的应用版本与创建任务时一致。1. 根据日志错误修复后续节点配置。2. 等待几秒钟或刷新页面查看。3. 在测试阶段尽量避免在任务挂起时修改并发布工作流。外部系统通过 Webhook 接收不到任务通知。1. Webhook URL 配置错误。2. 网络不通或防火墙限制。3. Dify 的external_task服务未正常运行。1. 在 Dify 节点配置中检查 Webhook URL。2. 在服务器上使用curl命令测试该 URL 是否可达。3. 检查 Dify 服务状态。1. 修正 URL确保是有效的 POST 接口。2. 配置网络或安全组规则。3. 重启 Dify 的api和worker服务。审批人看不到完整的上下文信息。“人工介入”节点的输入变量只配置了部分数据。回顾工作流设计检查有哪些关键变量如上游LLM的完整输出、数据库查询结果需要传递给审批人。在节点的“输入变量配置”中添加更多字段将需要审批人知晓的变量都映射上去。7. 最佳实践与工程建议将“人工介入”用于生产环境时请遵循以下建议7.1 明确介入标准在设计工作流之初就要和业务方共同定义清晰、可判断的“人工介入”触发条件。尽量用客观规则如关键词匹配、金额阈值、分类模型输出来驱动避免模糊的“感觉需要人看”。这能减少不必要的审批提升效率。7.2 为审批人提供“决策支架”在“人工介入”节点的“说明”和“输入变量”中不要只扔原始数据。应该提供AI的初步分析如我们例子中的reason。相关规则或政策引用。建议的审批选项模板如在审批意见文本框里给出示例。 这能降低审批人的认知负荷加快处理速度并提高决策一致性。7.3 设置合理的超时与升级机制对于关键业务必须设置超时策略。例如一级审批1小时超时自动转交二级审批人。二级审批4小时超时自动拒绝并通知主管。 这可以通过“超时设置”结合后续的条件判断和节点来实现确保工单不丢失。7.4 日志与审计至关重要所有“人工介入”任务的创建、处理人、操作批准/拒绝、操作时间、修改内容都必须被完整记录。Dify 的“日志与标注”页面提供了基础记录。对于合规要求高的场景建议将这些日志同步到你们公司的审计数据库。7.5 权限隔离在 Dify 中可以通过“团队”和“角色”功能控制谁可以处理哪些应用的审批任务。确保只有授权人员才能看到和处理敏感工单。Dify 1.15 的“人工介入”功能巧妙地在大模型的“智能”与人类的“掌控”之间找到了平衡点。它没有试图让 AI 解决所有问题而是承认了当前技术的边界并通过工程化的手段将人的智慧变成了自动化流程中最可靠的一个环节。这不仅仅是增加了一个节点更是为 Dify 工作流打开了一扇通往严肃企业级应用的大门。从智能客服、合同审核到内部报销流程任何需要“自动化处理关键点稽核”的场景现在都有了更优雅的实现方案。建议你将本文的示例工作流亲手部署和测试一遍感受流程从暂停、等待到被唤醒的完整生命周期。在理解基本原理后尝试将它与你手头的实际业务结合设计出第一个人机协同的自动化流程。 30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度
Dify 1.15 人工介入功能详解：构建人机协同的智能工作流
发布时间：2026/7/9 5:32:14
30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度如果你正在使用 Dify 构建智能应用是否遇到过这样的困境AI 生成的回复看似流畅但在关键决策、数据准确性或业务逻辑上总感觉“差那么一点意思”不敢完全放手让它独立处理或者你是否希望在某些敏感环节能像传统软件一样让人类专家“看一眼”再放行这正是 Dify 1.15 版本引入“人工介入”功能所要解决的核心痛点。它不是一个简单的“审核开关”而是标志着 Dify 从一个纯粹的自动化 AI 应用构建平台向一个支持“人机协同”的智能工作流平台演进的关键一步。过去我们只能在流程结束后人工检查结果现在我们可以将人类的判断和决策无缝地嵌入到 AI 驱动的自动化流程中在关键时刻按下“暂停键”由人来把关。本文将深入解析 Dify 1.15 的“人工介入”功能。我不会只告诉你按钮在哪里而是会带你理解其背后的设计哲学、适用场景并通过一个从零开始的完整工作流案例手把手演示如何配置一个需要人工审批的智能客服工单处理系统。你会看到这个功能如何将 AI 的“效率”与人类的“可靠性”结合起来真正解决生产环境中的信任与合规问题。1. 人工介入从“全自动”到“受控智能”的必由之路在深入配置之前我们必须先理解为什么需要人工介入它解决的远不止是“怕 AI 出错”这么简单。1.1 全自动 AI 的局限性当前的大语言模型LLM在创意生成、文本归纳、代码辅助等方面表现出色但在涉及以下场景时其“黑盒”特性会带来风险事实准确性模型可能“幻觉”出不存在的数据或引用错误来源。业务规则与合规涉及金额计算、合同条款、隐私政策时必须100%准确。主观判断与价值观如内容审核、投诉处理、创意评价需要人类的情感和伦理判断。外部系统操作触发真实的数据库删除、发送邮件、调用支付接口等操作必须慎之又慎。在这些环节纯粹的自动化意味着将风险完全交给了概率。而“人工介入”就是在自动化流水线上设置的关键质检工位。1.2 Dify 人工介入的核心价值Dify 1.15 的“人工介入”节点其核心价值在于提供了“流程控制权”和“数据上下文”。流程控制它允许工作流在指定节点暂停等待外部人工操作批准、拒绝、修改输入。只有人工操作后流程才会继续或转向不同分支。上下文传递人工操作者能看到工作流运行到此刻的所有上下文信息之前的AI回复、处理的数据、变量状态从而做出有依据的判断。非侵入式集成它通过 Webhook 或变量传递与外部系统如你的OA、CRM对接人工审批可以在 Dify 界面内完成也可以在你自己的业务系统中完成。简单说它让 AI 负责它擅长的“计算”和“草拟”而把最终的“决策”和“放行”权交给人类。这极大地拓展了 Dify 工作流可应用的业务场景范围从内部工具走向了核心业务流程。2. 环境准备与核心概念梳理在开始构建工作流前请确保你的环境已就绪并理解几个关键概念。2.1 环境要求Dify 版本必须为1.15.0 或更高版本。你可以在 Dify 后台的“系统设置” - “关于”中查看版本号。部署方式无论你是通过 Docker Compose、Kubernetes 还是二进制部署只要版本达标即可。功能本身不依赖特定部署模式。模型配置确保你已至少配置好一个可用的文本生成模型如 GPT-4、Claude 3、国产大模型等用于工作流中的 AI 处理节点。权限准备你需要拥有创建和发布应用的权限。同时思考一下未来将由谁来接收和处理这些“人工介入”任务他们需要相应的应用访问权限。2.2 核心概念解析工作流WorkflowDify 中可视化编排的自动化流程由多个节点通过连线组成。人工介入Human Intervention节点工作流中的一个特殊节点。当流程执行到该节点时会暂停并生成一个待处理任务。任务Task一次人工介入产生的具体待办事项。包含任务ID、状态待处理、已批准、已拒绝、输入数据和上下文。操作Action人工对任务执行的动作主要是“批准”可附带修改后的输入或“拒绝”。变量Variable在工作流中传递数据的载体。人工介入节点可以输出变量如审批人的操作结果供后续节点使用。理解这些概念有助于我们在设计工作流时清晰地规划数据流向和状态切换。3. 实战构建一个带人工审批的智能客服工单处理系统让我们通过一个完整的例子来学习。场景是用户提交一段文字描述的产品问题AI 先自动分析问题类型并生成初步解决方案但涉及“退款”或“高级技术支持”的请求必须由人工客服经理审批后才能生成最终回复并通知用户。3.1 工作流整体设计我们的工作流将包含以下节点并按此顺序连接开始问题输入接收用户原始问题。LLM分类调用大模型判断问题是否涉及“退款”或“高级技术支持”。条件判断根据分类结果决定流程走向。人工介入审批对于需要审批的工单在此暂停。LLM生成回复根据审批结果或无需审批的结论生成最终回复。结束输出结果。3.2 逐步配置详解第一步创建应用与工作流登录 Dify点击“创建应用”选择“工作流”类型命名为“智能客服工单处理带审批”。进入应用后切换到“工作流”标签页你会看到一个空的画布只有一个“开始”节点。第二步配置“问题分类”环节从左侧节点库拖拽一个“LLM”节点到画布连接到“开始”节点之后。配置该 LLM 节点模型选择一个你配置好的模型如 gpt-4。系统提示词这里定义 AI 的角色和任务。你是一个客服工单分类助手。请严格根据用户描述的问题判断其是否涉及以下需要人工审批的类别 1. 退款请求任何提及“退款”、“退钱”、“返还费用”等。 2. 高级技术支持问题描述复杂涉及“服务器宕机”、“数据丢失”、“核心功能无法使用”等。 你的输出必须是严格的 JSON 格式且只包含以下两个字段 - needs_approval: 布尔值。如果需要人工审批则为 true否则为 false。 - reason: 字符串。简要说明分类理由例如“用户明确要求退款”或“问题属于常规咨询”。 用户问题{{input}}上下文变量点击“添加变量”设置变量名为input并勾选“作为输入”。这样用户输入就会传入提示词的{{input}}位置。输出变量在“输出”部分点击“使用 JSON 模式解析”并粘贴上一步提示词中要求的 JSON 结构。Dify 会自动创建needs_approval和reason两个变量供后续使用。第三步配置“条件判断”与“人工介入”拖拽一个“条件判断”节点连接到 LLM 节点之后。配置条件条件分支一{{needs_approval}} 等于 true。这个分支将走向“人工介入”。条件分支二其他情况。这个分支将直接走向“生成最终回复”。从节点库拖拽“人工介入”节点到画布。将条件判断节点的true分支连线到该节点。配置“人工介入”节点节点名称可以命名为“客服经理审批”。说明填写给审批人的提示如“此工单涉及退款/高级技术支持请审核AI的初步分类并决定是否继续处理。”输入变量配置这是关键你需要定义审批人看到的表单和需要操作的数据。 点击“添加”我们添加两个字段字段1用户原始问题变量类型选择“文本”值设置为{{input}}只读用于查看。字段2AI分类与建议变量类型选择“文本”值设置为{{reason}}只读。字段3审批意见变量类型选择“文本输入”不设置默认值。这是审批人可以填写的文本框。输出变量人工介入节点会输出两个核心变量status: 审批结果值为approved批准或rejected拒绝。你定义的输入字段也会成为输出变量如审批意见。后续节点可以引用{{审批意见}}。第四步配置“生成回复”与流程合并拖拽第二个“LLM节点”到画布。这个节点将用于生成最终给用户的回复。我们需要两个入口连接到这个节点从“人工介入”节点的输出连线过来代表审批后的流程。从“条件判断”节点的其他情况分支连线过来代表无需审批的流程。配置这个 LLM 节点模型选择与第一个相同的或另一个模型。系统提示词这里需要处理多种情况。你是一名专业的客服助手。请根据以下信息生成给用户的最终回复。 {{#if 审批意见}} 【审批结果】客服经理已处理此工单。审批意见{{审批意见}} {{/if}} {{#if needs_approval}} 【工单性质】此工单涉及需要关注的类别{{reason}}。 {{/if}} 【用户原始问题】{{input}} 请生成友好、专业、能解决用户问题的回复。如果工单被拒绝请委婉告知用户原因并提供替代方案。上下文变量你需要添加所有可能用到的变量input,needs_approval,reason,status,审批意见。Dify 的提示词支持类似 Handlebars 的条件语法可以优雅地处理分支逻辑。最后拖拽一个“结束”节点连接到“生成回复”LLM节点之后。在“结束”节点的输出变量中选择最终回复来自第二个LLM节点的输出。至此工作流设计完成。你的画布应该类似下图逻辑结构[开始] - [LLM分类] - [条件判断] | |--(true)-- [人工介入] - [LLM生成回复] - [结束] | |--(false)-----------------/4. 发布、测试与人工审批操作设计完成后关键在于让它跑起来并体验人工介入的过程。4.1 发布应用与获取访问方式点击右上角的“发布”按钮。发布后工作流即可通过 API 或 Web 界面被触发。在应用概览页找到“访问方式”。对于测试我们可以使用“对话窗口”或“API”。4.2 触发工作流并生成审批任务在“对话窗口”中输入一个测试问题“我的订单12345商品损坏我要求全额退款。”点击发送。由于我们的逻辑这个问题会被分类为needs_approval: true。此时工作流会在“人工介入”节点暂停。你不会在对话窗口立即得到回复。要查看和处理审批任务你需要进入“日志与标注”页面。在侧边栏或顶部导航找到它。在“日志与标注”页面切换到“待处理”标签页。你会看到一条新任务标题或内容包含你设置的节点名称“客服经理审批”。点击该任务右侧会展开详情。你可以看到“用户原始问题”和“AI分类与建议”已自动填充。有一个“审批意见”的文本框供你填写。底部有“批准”和“拒绝”两个按钮。4.3 执行人工审批在“审批意见”中填写“已核实订单商品确实存在质量问题同意退款流程。”点击“批准”按钮。神奇的事情发生了刚才暂停的工作流立即被唤醒并沿着“批准”的路径继续执行。它会将你的“审批意见”和statusapproved传递给下一个 LLM 节点。稍等片刻返回应用的“对话窗口”。你会发现一条完整的、融合了你审批意见的客服回复已经生成。例如“尊敬的客户您好。关于您订单12345的退款申请我们已收到并经过专人审核。根据核实您反映的商品质量问题属实我们对此表示诚挚的歉意。现已为您启动全额退款流程款项将在3-5个工作日内原路退回……”4.4 测试拒绝流程重新在对话窗口输入另一个问题“我觉得这个软件不好用给我退款。”同样任务会出现在“待处理”列表。这次点击“拒绝”按钮。你也可以填写拒绝理由如“根据服务条款软件体验不满意不适用退款可提供延长试用期。”工作流将继续但status变为rejected。最终生成的回复会是“尊敬的客户感谢您的反馈。关于退款请求根据我们的服务条款软件体验问题不适用于退款政策。但我们非常重视您的体验愿意为您提供额外的15天试用期并安排专员协助您解决问题您看可以吗”通过这个完整的测试你就能清晰地看到“人工介入”如何作为一个动态的决策点嵌入到自动化流程中。5. 高级配置与集成方案基础流程跑通后我们可以探索更强大的用法。5.1 超时与自动处理在“人工介入”节点的配置中你可以找到“超时设置”。例如设置为“2小时”。这意味着如果任务在2小时内无人处理系统会自动执行你预设的操作如“自动批准”或“自动拒绝”。这对于确保流程不阻塞至关重要。5.2 通过 Webhook 与外部系统集成Dify 的“人工介入”节点支持Webhook。这意味着当任务创建时Dify 可以向你指定的外部系统如企业微信、钉钉、飞书、Jira、自研OA发送一个 HTTP POST 请求。Payload请求体中会包含任务ID、应用信息、所有输入变量等。外部系统处理你的外部系统收到通知后可以在其界面内处理审批如点击按钮。回调 Dify外部系统处理完毕后需要通过调用 Dify 的 API/console/api/workflows/processors/{task_id}/action来回传审批结果批准/拒绝和修改后的变量。这样审批流程就可以完全融入你公司现有的办公流程中无需跳转到 Dify 后台。5.3 多级审批与复杂逻辑通过组合“条件判断”和多个“人工介入”节点可以实现串行或并行的多级审批。串行审批第一个“人工介入”节点输出statusapproved后连接到一个“条件判断”判断是否需要进行第二级审批再连接第二个“人工介入”节点。并行审批需结合后续版本或自定义逻辑目前单个节点代表一个审批环节。更复杂的并行审批如需要多个部门同时会签可能需要通过将任务通知到多个接收者并在外部系统聚合结果后一次性回调 Dify 来实现。6. 常见问题与排查思路在实际使用中你可能会遇到以下问题问题现象可能原因排查方式解决方案工作流执行后在“人工介入”节点卡住但“待处理”列表没有任务。1. 工作流未成功发布。2. “人工介入”节点的输入变量配置有误导致任务创建失败。3. 数据库或消息队列异常。1. 检查应用是否已“发布”。2. 查看“日志与标注”中的“错误”标签页寻找具体的错误信息。3. 检查 Dify 后台服务日志如docker-compose logs。1. 确保点击发布。2. 检查节点输入变量确保引用的变量名正确且已在上游节点输出。3. 重启 Dify 相关服务。点击“批准”或“拒绝”后工作流没有继续执行。1. 后续节点存在配置错误。2. 工作流版本不一致处理任务时应用已更新。3. 异步处理延迟。1. 查看任务处理后的工作流运行日志“日志与标注”-“全部”看是否在后续节点报错。2. 确认处理任务时使用的应用版本与创建任务时一致。1. 根据日志错误修复后续节点配置。2. 等待几秒钟或刷新页面查看。3. 在测试阶段尽量避免在任务挂起时修改并发布工作流。外部系统通过 Webhook 接收不到任务通知。1. Webhook URL 配置错误。2. 网络不通或防火墙限制。3. Dify 的external_task服务未正常运行。1. 在 Dify 节点配置中检查 Webhook URL。2. 在服务器上使用curl命令测试该 URL 是否可达。3. 检查 Dify 服务状态。1. 修正 URL确保是有效的 POST 接口。2. 配置网络或安全组规则。3. 重启 Dify 的api和worker服务。审批人看不到完整的上下文信息。“人工介入”节点的输入变量只配置了部分数据。回顾工作流设计检查有哪些关键变量如上游LLM的完整输出、数据库查询结果需要传递给审批人。在节点的“输入变量配置”中添加更多字段将需要审批人知晓的变量都映射上去。7. 最佳实践与工程建议将“人工介入”用于生产环境时请遵循以下建议7.1 明确介入标准在设计工作流之初就要和业务方共同定义清晰、可判断的“人工介入”触发条件。尽量用客观规则如关键词匹配、金额阈值、分类模型输出来驱动避免模糊的“感觉需要人看”。这能减少不必要的审批提升效率。7.2 为审批人提供“决策支架”在“人工介入”节点的“说明”和“输入变量”中不要只扔原始数据。应该提供AI的初步分析如我们例子中的reason。相关规则或政策引用。建议的审批选项模板如在审批意见文本框里给出示例。 这能降低审批人的认知负荷加快处理速度并提高决策一致性。7.3 设置合理的超时与升级机制对于关键业务必须设置超时策略。例如一级审批1小时超时自动转交二级审批人。二级审批4小时超时自动拒绝并通知主管。 这可以通过“超时设置”结合后续的条件判断和节点来实现确保工单不丢失。7.4 日志与审计至关重要所有“人工介入”任务的创建、处理人、操作批准/拒绝、操作时间、修改内容都必须被完整记录。Dify 的“日志与标注”页面提供了基础记录。对于合规要求高的场景建议将这些日志同步到你们公司的审计数据库。7.5 权限隔离在 Dify 中可以通过“团队”和“角色”功能控制谁可以处理哪些应用的审批任务。确保只有授权人员才能看到和处理敏感工单。Dify 1.15 的“人工介入”功能巧妙地在大模型的“智能”与人类的“掌控”之间找到了平衡点。它没有试图让 AI 解决所有问题而是承认了当前技术的边界并通过工程化的手段将人的智慧变成了自动化流程中最可靠的一个环节。这不仅仅是增加了一个节点更是为 Dify 工作流打开了一扇通往严肃企业级应用的大门。从智能客服、合同审核到内部报销流程任何需要“自动化处理关键点稽核”的场景现在都有了更优雅的实现方案。建议你将本文的示例工作流亲手部署和测试一遍感受流程从暂停、等待到被唤醒的完整生命周期。在理解基本原理后尝试将它与你手头的实际业务结合设计出第一个人机协同的自动化流程。 30款热门AI模型一站整合DeepSeek/GLM/Qwen 随心用限时 5 折。 点击领海量免费额度
