Dify 工作流从零到一3 步导入 40 多个免费 DSL 模板的实战指南【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow搭 Dify 工作流最耗时间的部分往往不是拖节点而是从零设计流程结构。Awesome-Dify-Workflow 这个开源仓库直接解决了这个问题作者把自己和社群里验证过的 40 多个 Dify 工作流做成了 DSL 文件.yml全部放在 DSL 目录 下基本可以免费使用。你不需要会写代码也不需要自己连线复制一个文件的地址导入 Dify改一改提示词和模型就能上线一个能跑的 AI 应用。这篇文章带你在 10 分钟内跑通第一个 Dify 工作流并演示 3 个真实场景。这个仓库里有什么先花一分钟看看你能拿到什么避免盲目下载。仓库核心就是 DSL 目录 下的一批.yml文件每个文件对应一个完整的 Dify 工作流覆盖 5 类常见需求工具类MCP-amap.yml地图查询、搜索大师.yml联网搜索、chart_demo.yml图表渲染翻译类中译英.yml、全书翻译.yml、json_translate.yml等 5 个方案内容创作类标题党创作.yml、文章仿写-单图_多图自动搭配.yml数据处理类json-repair.yml修复大模型输出、File_read.yml沙箱读 CSV聊天机器人根据用户的意图进行回复.yml、记忆测试.yml版本要求只有一条请使用Dify 0.13.0 及以上版本导入多任务并行、会话变量、表单、echart 渲染这些特性都已兼容带Agent 节点的流程如 MCP-amap建议直接用最新的 Dify 1.0 版本。3 步跑通第一个工作流这一节给你完整的上手路径环境 → 模型 → 导入走完就能看到第一个 AI 应用跑起来。第 1 步准备 Dify 环境约 5 分钟熟悉 Docker 的读者可以按官方教程做本地部署想省事的话直接用 Dify 官方云服务免费版最多可以创建 5 个流程够入门练习。第 2 步配置模型供应商导入的模板默认指定了某个模型比如gpt-4o-mini你需要把它换成自己账号里有的模型。下图是 Dify 的模型供应商配置页在这里填入你自己的 API-KEY图Dify 模型供应商配置界面添加并启用你的模型服务第 3 步导入 DSL 文件打开 DSL 目录 找到想要的文件点右上角的Copy Link Address复制文件的直链地址回到 Dify 选「导入 DSL」粘贴地址即可。导入后你会得到一个完整的画布开始节点、条件判断、LLM 节点、变量聚合器、输出节点都已经连好。接下来只需做两件事——把画布里的模型换成你自己的检查并修改提示词里需要自定义的部分。改完点「运行」跑一次验证输入输出是否符合预期就算正式上线了。3 个拿来即用的实战例子下面 3 个模板覆盖了外部能力调用、内容加工、健壮性处理三类高频需求每个都只讲最关键的一步配置。1. 地图能力让 AI 会查天气和地点MCP-amap.yml 是最有代表性的一条通过 MCP Agent 策略调用高德地图的在线服务不用写任何 HTTP 代码。流程结构非常轻——开始 → Agent → 直接回复全部配置集中在 Agent 节点里。先在高德开放平台注册一个开发者账号申请一个免费 Key然后替换 Agent 节点里的服务地址下面只保留关键配置agent_parameters: mcp_server: value: https://mcp.amap.com/sse?key你的KEY instruction: value: 通过amap的服务进行必要的查询预期效果直接对机器人说使用 amap查询上海的天气它会自己规划工具调用返回未来几天的预报。图MCP-amap 的 Agent 节点配置右侧预览窗已返回上海多日天气这个模板对理解 Dify 如何接入外部服务很有价值整个地图能力只靠一个 MCP 地址承载你甚至可以照着这个模式换成其他 MCP 服务。2. 高质量翻译三步法比一步翻译强在哪中译英.yml 用的是直译 → 反思 → 意译的三段式结构而不是让模型一步出结果。图DuckDuckGo 翻译 LLM 二次翻译的工作流画布与测试输出翻译质量对比过一步直译的读者应该清楚差别在哪反思环节专门挑直译里的生硬表达意译环节负责让它读起来像母语者写的。仓库里还有 DuckDuckGo翻译LLM二次翻译.yml用传统翻译引擎做第一步直译省 Token和 宝玉的英译中优化版.yml同一需求、三种思路值得逐个对比。3. 大模型输出的 JSON 总是坏的只要你的流程里有用到让 LLM 输出 JSON的环节就大概率会碰到缺引号、多括号、输出带多余文字这类问题。json-repair.yml 把修复做成了一个独立工作流结构只有开始、代码执行、结束 3 个节点。图json-repair 工作流画布与测试运行输入框它本身是独立流程但因为所有 DSL 都是工作流模式你可以把它发布成工具再挂到你任何需要结构化输出的流程里作为一道兜底工序。4 个最容易踩的坑这些问题都来自 README 里收录的社群高频提问提前知道能省掉大半排查时间。1. 导入 DSL 报版本错误模板是滚动更新的你本地 Dify 太旧就会出现节点不认识的情况。先升级到 0.13.0 以上带 Agent 节点的就直接用最新版。2. 节点间传长文本提示超限制改.env里这两个参数然后重启容器即可CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000预期效果代码节点和模板转换节点都能处理超长字符串不再中断。3. 知识库上传大文件被拦光改 Dify 的上传大小配置不够nginx 的限制也要一起改——在.env里搜nginx找到对应参数一并调大重启后生效。4. sandbox 里跑 pandas / matplotlib 报错官方 sandbox 权限比较受限装了依赖也未必能用。README 给了替代方案把要装的库写进/docker/volumes/sandbox/dependencies/python-requirements.txt再重启 sandbox跑 pandas、numpy、matplotlib 这类代码遇到问题时可以试试作者维护的 dify-sandbox-py 版本依赖已验证可用。进阶玩法把单个工作流串成一套当你的流程超过 5 个之后试试下面 3 个组合拳。工作流发布为工具仓库里所有 DSL 都是工作流模式都可以一键发布为工具再嵌进 ChatBot 流程。比如把地图查询和天气查询都做成工具让对话机器人按需调用而不是写死流程。多任务并行 会话变量0.13.0 之后的特性仓库内模板已支持。像 旅行Demo.yml 就把对话消息存进会话变量再纳入 Agent 的思考上下文实现多轮信息收集。定时执行Dify 本身不直接支持定时任务README 推荐了 dify-schedule 这个开源项目做配合。另外作者还有一个插件安装包合集仓库dify_plugin_collection存放 Dify 官方市场的插件包方便离线批量安装想自己写插件的README 里列了 4 款已上架开源插件Tool / Agent strategy / Extension 各类型可以照着抄结构。先跑通一个再谈扩展这个仓库还在持续收集新模板DSL 目录的更新日志会按日期记录每个新文件。建议收藏 README从本文的 3 个例子里挑一个导入跑通之后再按业务场景逐个尝试。如果你的 Dify 环境遇到了本文没覆盖的报错或者自己做出了好用的流程欢迎到项目仓库提交 Issue 或 PR帮后来的人少走弯路。【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Dify 工作流从零到一：3 步导入 40 多个免费 DSL 模板的实战指南
Dify 工作流从零到一3 步导入 40 多个免费 DSL 模板的实战指南【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow搭 Dify 工作流最耗时间的部分往往不是拖节点而是从零设计流程结构。Awesome-Dify-Workflow 这个开源仓库直接解决了这个问题作者把自己和社群里验证过的 40 多个 Dify 工作流做成了 DSL 文件.yml全部放在 DSL 目录 下基本可以免费使用。你不需要会写代码也不需要自己连线复制一个文件的地址导入 Dify改一改提示词和模型就能上线一个能跑的 AI 应用。这篇文章带你在 10 分钟内跑通第一个 Dify 工作流并演示 3 个真实场景。这个仓库里有什么先花一分钟看看你能拿到什么避免盲目下载。仓库核心就是 DSL 目录 下的一批.yml文件每个文件对应一个完整的 Dify 工作流覆盖 5 类常见需求工具类MCP-amap.yml地图查询、搜索大师.yml联网搜索、chart_demo.yml图表渲染翻译类中译英.yml、全书翻译.yml、json_translate.yml等 5 个方案内容创作类标题党创作.yml、文章仿写-单图_多图自动搭配.yml数据处理类json-repair.yml修复大模型输出、File_read.yml沙箱读 CSV聊天机器人根据用户的意图进行回复.yml、记忆测试.yml版本要求只有一条请使用Dify 0.13.0 及以上版本导入多任务并行、会话变量、表单、echart 渲染这些特性都已兼容带Agent 节点的流程如 MCP-amap建议直接用最新的 Dify 1.0 版本。3 步跑通第一个工作流这一节给你完整的上手路径环境 → 模型 → 导入走完就能看到第一个 AI 应用跑起来。第 1 步准备 Dify 环境约 5 分钟熟悉 Docker 的读者可以按官方教程做本地部署想省事的话直接用 Dify 官方云服务免费版最多可以创建 5 个流程够入门练习。第 2 步配置模型供应商导入的模板默认指定了某个模型比如gpt-4o-mini你需要把它换成自己账号里有的模型。下图是 Dify 的模型供应商配置页在这里填入你自己的 API-KEY图Dify 模型供应商配置界面添加并启用你的模型服务第 3 步导入 DSL 文件打开 DSL 目录 找到想要的文件点右上角的Copy Link Address复制文件的直链地址回到 Dify 选「导入 DSL」粘贴地址即可。导入后你会得到一个完整的画布开始节点、条件判断、LLM 节点、变量聚合器、输出节点都已经连好。接下来只需做两件事——把画布里的模型换成你自己的检查并修改提示词里需要自定义的部分。改完点「运行」跑一次验证输入输出是否符合预期就算正式上线了。3 个拿来即用的实战例子下面 3 个模板覆盖了外部能力调用、内容加工、健壮性处理三类高频需求每个都只讲最关键的一步配置。1. 地图能力让 AI 会查天气和地点MCP-amap.yml 是最有代表性的一条通过 MCP Agent 策略调用高德地图的在线服务不用写任何 HTTP 代码。流程结构非常轻——开始 → Agent → 直接回复全部配置集中在 Agent 节点里。先在高德开放平台注册一个开发者账号申请一个免费 Key然后替换 Agent 节点里的服务地址下面只保留关键配置agent_parameters: mcp_server: value: https://mcp.amap.com/sse?key你的KEY instruction: value: 通过amap的服务进行必要的查询预期效果直接对机器人说使用 amap查询上海的天气它会自己规划工具调用返回未来几天的预报。图MCP-amap 的 Agent 节点配置右侧预览窗已返回上海多日天气这个模板对理解 Dify 如何接入外部服务很有价值整个地图能力只靠一个 MCP 地址承载你甚至可以照着这个模式换成其他 MCP 服务。2. 高质量翻译三步法比一步翻译强在哪中译英.yml 用的是直译 → 反思 → 意译的三段式结构而不是让模型一步出结果。图DuckDuckGo 翻译 LLM 二次翻译的工作流画布与测试输出翻译质量对比过一步直译的读者应该清楚差别在哪反思环节专门挑直译里的生硬表达意译环节负责让它读起来像母语者写的。仓库里还有 DuckDuckGo翻译LLM二次翻译.yml用传统翻译引擎做第一步直译省 Token和 宝玉的英译中优化版.yml同一需求、三种思路值得逐个对比。3. 大模型输出的 JSON 总是坏的只要你的流程里有用到让 LLM 输出 JSON的环节就大概率会碰到缺引号、多括号、输出带多余文字这类问题。json-repair.yml 把修复做成了一个独立工作流结构只有开始、代码执行、结束 3 个节点。图json-repair 工作流画布与测试运行输入框它本身是独立流程但因为所有 DSL 都是工作流模式你可以把它发布成工具再挂到你任何需要结构化输出的流程里作为一道兜底工序。4 个最容易踩的坑这些问题都来自 README 里收录的社群高频提问提前知道能省掉大半排查时间。1. 导入 DSL 报版本错误模板是滚动更新的你本地 Dify 太旧就会出现节点不认识的情况。先升级到 0.13.0 以上带 Agent 节点的就直接用最新版。2. 节点间传长文本提示超限制改.env里这两个参数然后重启容器即可CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000预期效果代码节点和模板转换节点都能处理超长字符串不再中断。3. 知识库上传大文件被拦光改 Dify 的上传大小配置不够nginx 的限制也要一起改——在.env里搜nginx找到对应参数一并调大重启后生效。4. sandbox 里跑 pandas / matplotlib 报错官方 sandbox 权限比较受限装了依赖也未必能用。README 给了替代方案把要装的库写进/docker/volumes/sandbox/dependencies/python-requirements.txt再重启 sandbox跑 pandas、numpy、matplotlib 这类代码遇到问题时可以试试作者维护的 dify-sandbox-py 版本依赖已验证可用。进阶玩法把单个工作流串成一套当你的流程超过 5 个之后试试下面 3 个组合拳。工作流发布为工具仓库里所有 DSL 都是工作流模式都可以一键发布为工具再嵌进 ChatBot 流程。比如把地图查询和天气查询都做成工具让对话机器人按需调用而不是写死流程。多任务并行 会话变量0.13.0 之后的特性仓库内模板已支持。像 旅行Demo.yml 就把对话消息存进会话变量再纳入 Agent 的思考上下文实现多轮信息收集。定时执行Dify 本身不直接支持定时任务README 推荐了 dify-schedule 这个开源项目做配合。另外作者还有一个插件安装包合集仓库dify_plugin_collection存放 Dify 官方市场的插件包方便离线批量安装想自己写插件的README 里列了 4 款已上架开源插件Tool / Agent strategy / Extension 各类型可以照着抄结构。先跑通一个再谈扩展这个仓库还在持续收集新模板DSL 目录的更新日志会按日期记录每个新文件。建议收藏 README从本文的 3 个例子里挑一个导入跑通之后再按业务场景逐个尝试。如果你的 Dify 环境遇到了本文没覆盖的报错或者自己做出了好用的流程欢迎到项目仓库提交 Issue 或 PR帮后来的人少走弯路。【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考