如何快速上手 Dify AI 工作流46 个免费模板的完整实战指南【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你有没有过这种经历想用 AI 做一个翻译流程或数据分析流程却卡在节点该怎么连这一步最后只能从零画起。Awesome-Dify-Workflow 就是来解决这件事的——它把46 个可直接导入的 Dify 工作流模板DSL 文件整理在一个开源仓库里覆盖翻译、数据分析、智能对话、Agent 工具调用、内容创作等场景。项目方说明所有工作流基本都可以免费使用要求 Dify0.13.0 及以上版本云端免费版账号最多建 5 个应用就够你入门试跑。下面先带你 5 分钟拿到第一个结果再实测最常用的 3 个功能最后把 4 个进阶技巧和高频坑一次讲完。5 分钟拿到第一个结果Dify 工作流导入步骤 第 1 步准备 Dify 账号。云端版注册即用免费用户最多创建5 个应用或用 Docker 本地部署版本要0.13.0 以上涉及 Agent 节点的模板请直接用最新版1.0 以后才有 Agent 节点。第 2 步把项目拿到本地。git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow第 3 步导入一个 DSL 模板。打开 DSL/ 目录挑一个感兴趣的 yml 文件复制它的原始文件链接然后在 Dify 工作台的创建应用里选导入 DSL 文件切到From URL粘贴链接即可本地文件导入走 From file。第 4 步配置模型并测试运行。点右上角头像 → 设置 → 模型供应商填入你选的模型DeepSeek、GPT 系都可以的 API-KEY回到工作流点运行右侧面板会实时显示每个节点的执行结果。到这里你的第一个 AI 工作流就跑起来了。接下来看看这些模板到底能干什么。它能做什么46 个 Dify 工作流模板全景模板全部平铺在 DSL 目录里按 README 的分类可以归成 8 类。不用全看按你的需求对号入座就行功能类别代表工作流适用场景适合人群智能翻译宝玉的英译中优化版.yml、中译英.yml、全书翻译.yml技术文档翻译、论文润色、长文拆分翻译翻译、内容、研究者数据分析File_read.yml、chart_demo.yml、数据分析.7zCSV 读取、图表生成、数据库问答解读数据分析师、业务人员智能对话根据用户的意图进行回复.yml、记忆测试.yml客服机器人、多轮对话、带记忆的问答产品、运营Agent 工具调用Agent工具调用.yml、MCP-amap.yml、Demo-tod_agent.yml函数调用、地图天气查询、信息收集多轮对话开发者、集成者内容创作标题党创作.yml、SEO Slug Generator.yml、文章仿写-单图_多图自动搭配.yml爆款标题、博客 URL、仿写配图文章新媒体、营销数据处理json-repair.yml、json_translate.yml修复 LLM 输出的坏 JSON、批量翻译 JSON 字段后端、数据工程师可视化matplotlib.yml、chart_demo.ymlmatplotlib 出图、ECharts 图表渲染报表制作、管理者趣味应用春联生成器.yml、旅行Demo.yml、Deep Researcher On Dify .yml春联生图、旅行规划、深度研究复现学习、玩票下面挑 3 个最高频的模板实测走一遍你真实会用的操作路径。高频功能实测翻译、数据分析与 Agent 工具调用实测一三步法翻译把机翻翻成人话适用场景技术文档、博客、论文的英译中嫌普通机翻翻译腔太重。操作步骤导入 DSL/宝玉的英译中优化版.yml配置你的翻译模型DeepSeek、GPT 均可。在开始节点输入英文原文。点运行流程按直译 → 反思 → 意译三步执行中间阶段的结果都会输出。如果文本很长换用 DSL/全书翻译.yml先按字符数切分再在迭代器里逐段翻译后合并。想省 Token可用 DSL/DuckDuckGo翻译LLM二次翻译.yml把直译一步换成传统翻译引擎出初稿LLM 只做二次优化。预期效果输出里能看到step1_initial_translation、step2_reflection、step3_refined_translation三个阶段反思阶段会指出术语和风格问题最终译文术语一致、语句自然不再是逐句硬翻。实测二上传一个 CSV让流程替你读数据适用场景拿到一份销售表、日志 CSV想快速知道多少行、哪些列、数据长什么样但不想自己写 pandas。操作步骤导入 DSL/File_read.yml注意它依赖 dify-sandbox-py 这个沙箱组件官方 sandbox 权限较复杂官方建议用它替代。把上传目录挂载进沙箱在开始节点上传你的 CSV 文件。流程会依次经过获取文件路径 → 读取 CSVpandas→ 结果节点。点运行右侧结果页签直接输出表格样本和数据集信息。想进一步画图可换成 DSL/matplotlib.yml图片以 base64 输出再渲染。预期效果一次运行就能拿到总行数 1254、总列数 16、各列名 前几行样本这样的结构化摘要配合 LLM 节点还能自动解读数据几分钟替代半天的手工统计。实测三Agent 工具调用让模型自己挑工具适用场景想做一个能查时间、查天气、搜信息再综合回答的助手而不是每次都写死分支。操作步骤导入 DSL/Agent工具调用.yml需要Dify 1.0 以上版本Agent 节点是 1.0 才有的功能。在 Agent 节点选择FunctionCalling策略和模型勾选工具列表里的 Time、DuckDuckGo、OpenWeather 等。提示词写清根据用户需求调用不同工具。点运行在右侧预览窗直接和机器人对话提问。想接地图、天气等外部服务可看 DSL/MCP-amap.yml用高德 MCP 在线服务免费申请 Key演示同样的玩法。预期效果问一句最近有哪些马斯克相关消息流程会自动决定调哪个工具、把工具返回结果汇总成带详细信息/阅读全文的格式化回答多轮对话也能保持上下文。幕后机制Dify 工作流的模块化设计与插件扩展这些模板好用不是碰运气而是 Dify 工作流本身的组织方式决定的白话讲就三层第一层DSL 文件 整条流程的快照。每个 yml 文件记录的是节点 连线的完整定义所有模板都是工作流Workflow模式内部包含开始输入、LLM、代码、条件分支、变量聚合器、结束输出这些标准节点。因为都是工作流模式每个流程都可以直接发布成工具再嵌入 ChatBot 流程——这就是小模板能拼成大应用的原因。第二层工具集成走外部服务 LLM两条腿。比如 DuckDuckGo 翻译模板的结构是传统翻译引擎出初稿 → LLM 节点纠错润色 → 输出既借了引擎的稳定性又用了大模型的语感搜索大师模板则是 SearXNG 搜索 Jina 抓正文再交给 LLM 问答。你导入后只需要替换 API Key流程骨架不用动。第三层Dify 1.0 插件继续向外扩。插件分 Tool工具、Agent strategy策略、Extension扩展三类仓库作者自己就上架了 4 个开源插件供参考谷歌翻译Tool代码很少适合学插件结构、对话 AgentAgent 策略封装多轮对话与信息收集、ArtifactsExtension渲染 LLM 生成的 HTML、PubMed 搜索。项目目录也很简单模板都在DSL/下截图和 FAQ 图分别在snapshots/和images/Awesome-Dify-Workflow/ ├── DSL/ # 46 个可直接导入的 Dify 工作流模板 │ ├── 宝玉的英译中优化版.yml # 英译中三步法翻译 │ ├── File_read.yml # CSV 读取与数据分析 │ ├── Agent工具调用.yml # Dify 1.0 Agent 节点 函数调用 │ ├── json-repair.yml # 修复 LLM 输出的坏 JSON │ ├── 全书翻译.yml # 长文切分 迭代器翻译 │ └── 图文知识库/ # 图文知识库示例含示例 Markdown ├── snapshots/ # 各模板的运行效果截图 ├── images/ # README 常见问题配图 ├── README.md # 模板清单、更新记录、FAQ └── LICENSE进阶技巧4 个最容易被忽略的调优点技巧 1长文档翻译要先切分。适用场景整本书、长报告翻译。全书翻译模板里代码节点默认每段处理不超过 2000 字符模型上下文小的话建议调低到 1500 左右避免单次请求超上下文——切分长度就是在翻译质量和处理速度之间做平衡。技巧 2沙箱装依赖别硬刚。适用场景工作流里用 pandas、numpy、matplotlib 报operation not permitted。官方 sandbox 权限复杂装上库也可能跑不起来README 建议换 dify-sandbox-py依赖已验证可用要加新依赖则改/docker/volumes/sandbox/dependencies/python-requirements.txt后重启 sandbox 即可。技巧 3能用传统引擎初稿就别让 LLM 从零翻。适用场景大批量翻译。DuckDuckGo 翻译 LLM 二次翻译这个模板把最耗 Token 的直译环节交给免费引擎LLM 只做反思和润色成本和速度都能明显优化。技巧 4小流程发布成工具再组装。适用场景一个翻译流程、一个搜索流程都不够用。所有 DSL 都是工作流模式发布为工具后就能挂进 ChatBot 流程里被意图分支调用DSL/根据用户的意图进行回复.yml 就是这种先判意图、再走不同流程的组装样板。避坑 FAQDify 部署与知识库高频问题 ⚠️README 的常见问题整理了群里最高频的 6 个坑一句话答案如下国内部署 Dify 拉不动镜像把 docker-compose 里所有 image 前面的链接加上dockerpull.org前缀即可。sandbox 怎么装 pandas 等第三方库把依赖填进/docker/volumes/sandbox/dependencies/python-requirements.txt重启 sandbox。知识库上传大文件一直报错光改.env里的上传大小不够.env里搜 nginx 找到 nginx 配置一起改。知识库永久排队修改.env中LOG_FILE/app/logs/server.log重启容器。知识库上传 PDF 乱码先用工具把 PDF 转成 Markdown 再上传。管理员密码忘了执行docker exec -it docker-api-1 flask reset-password重置。现在就能开始5 步行动清单注册 Dify云端账号免费版够用设置里加一个模型供应商。克隆仓库在 DSL/ 里按它能做什么那张表挑一个最贴近你需求的模板。导入并试跑跑不通多半是模型没配或版本低于 0.13.0先查这两处。发布为应用需要组合使用时发布成工具、嵌入 ChatBot 流程。有问题先翻 README.md的常见问题仓库维护者提供了微信群交流渠道也可以提交 Issue 反馈。仓库还在持续收录新模板翻译类、数据分析类、Agent 类都有新进展。挑一个你今天就要用的场景导入跑通它比收藏 100 个教程都值钱——你的第一个 Dify 工作流现在就可以开始。【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 如何快速上手 Dify AI 工作流：46 个免费模板的完整实战指南
如何快速上手 Dify AI 工作流46 个免费模板的完整实战指南【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你有没有过这种经历想用 AI 做一个翻译流程或数据分析流程却卡在节点该怎么连这一步最后只能从零画起。Awesome-Dify-Workflow 就是来解决这件事的——它把46 个可直接导入的 Dify 工作流模板DSL 文件整理在一个开源仓库里覆盖翻译、数据分析、智能对话、Agent 工具调用、内容创作等场景。项目方说明所有工作流基本都可以免费使用要求 Dify0.13.0 及以上版本云端免费版账号最多建 5 个应用就够你入门试跑。下面先带你 5 分钟拿到第一个结果再实测最常用的 3 个功能最后把 4 个进阶技巧和高频坑一次讲完。5 分钟拿到第一个结果Dify 工作流导入步骤 第 1 步准备 Dify 账号。云端版注册即用免费用户最多创建5 个应用或用 Docker 本地部署版本要0.13.0 以上涉及 Agent 节点的模板请直接用最新版1.0 以后才有 Agent 节点。第 2 步把项目拿到本地。git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow第 3 步导入一个 DSL 模板。打开 DSL/ 目录挑一个感兴趣的 yml 文件复制它的原始文件链接然后在 Dify 工作台的创建应用里选导入 DSL 文件切到From URL粘贴链接即可本地文件导入走 From file。第 4 步配置模型并测试运行。点右上角头像 → 设置 → 模型供应商填入你选的模型DeepSeek、GPT 系都可以的 API-KEY回到工作流点运行右侧面板会实时显示每个节点的执行结果。到这里你的第一个 AI 工作流就跑起来了。接下来看看这些模板到底能干什么。它能做什么46 个 Dify 工作流模板全景模板全部平铺在 DSL 目录里按 README 的分类可以归成 8 类。不用全看按你的需求对号入座就行功能类别代表工作流适用场景适合人群智能翻译宝玉的英译中优化版.yml、中译英.yml、全书翻译.yml技术文档翻译、论文润色、长文拆分翻译翻译、内容、研究者数据分析File_read.yml、chart_demo.yml、数据分析.7zCSV 读取、图表生成、数据库问答解读数据分析师、业务人员智能对话根据用户的意图进行回复.yml、记忆测试.yml客服机器人、多轮对话、带记忆的问答产品、运营Agent 工具调用Agent工具调用.yml、MCP-amap.yml、Demo-tod_agent.yml函数调用、地图天气查询、信息收集多轮对话开发者、集成者内容创作标题党创作.yml、SEO Slug Generator.yml、文章仿写-单图_多图自动搭配.yml爆款标题、博客 URL、仿写配图文章新媒体、营销数据处理json-repair.yml、json_translate.yml修复 LLM 输出的坏 JSON、批量翻译 JSON 字段后端、数据工程师可视化matplotlib.yml、chart_demo.ymlmatplotlib 出图、ECharts 图表渲染报表制作、管理者趣味应用春联生成器.yml、旅行Demo.yml、Deep Researcher On Dify .yml春联生图、旅行规划、深度研究复现学习、玩票下面挑 3 个最高频的模板实测走一遍你真实会用的操作路径。高频功能实测翻译、数据分析与 Agent 工具调用实测一三步法翻译把机翻翻成人话适用场景技术文档、博客、论文的英译中嫌普通机翻翻译腔太重。操作步骤导入 DSL/宝玉的英译中优化版.yml配置你的翻译模型DeepSeek、GPT 均可。在开始节点输入英文原文。点运行流程按直译 → 反思 → 意译三步执行中间阶段的结果都会输出。如果文本很长换用 DSL/全书翻译.yml先按字符数切分再在迭代器里逐段翻译后合并。想省 Token可用 DSL/DuckDuckGo翻译LLM二次翻译.yml把直译一步换成传统翻译引擎出初稿LLM 只做二次优化。预期效果输出里能看到step1_initial_translation、step2_reflection、step3_refined_translation三个阶段反思阶段会指出术语和风格问题最终译文术语一致、语句自然不再是逐句硬翻。实测二上传一个 CSV让流程替你读数据适用场景拿到一份销售表、日志 CSV想快速知道多少行、哪些列、数据长什么样但不想自己写 pandas。操作步骤导入 DSL/File_read.yml注意它依赖 dify-sandbox-py 这个沙箱组件官方 sandbox 权限较复杂官方建议用它替代。把上传目录挂载进沙箱在开始节点上传你的 CSV 文件。流程会依次经过获取文件路径 → 读取 CSVpandas→ 结果节点。点运行右侧结果页签直接输出表格样本和数据集信息。想进一步画图可换成 DSL/matplotlib.yml图片以 base64 输出再渲染。预期效果一次运行就能拿到总行数 1254、总列数 16、各列名 前几行样本这样的结构化摘要配合 LLM 节点还能自动解读数据几分钟替代半天的手工统计。实测三Agent 工具调用让模型自己挑工具适用场景想做一个能查时间、查天气、搜信息再综合回答的助手而不是每次都写死分支。操作步骤导入 DSL/Agent工具调用.yml需要Dify 1.0 以上版本Agent 节点是 1.0 才有的功能。在 Agent 节点选择FunctionCalling策略和模型勾选工具列表里的 Time、DuckDuckGo、OpenWeather 等。提示词写清根据用户需求调用不同工具。点运行在右侧预览窗直接和机器人对话提问。想接地图、天气等外部服务可看 DSL/MCP-amap.yml用高德 MCP 在线服务免费申请 Key演示同样的玩法。预期效果问一句最近有哪些马斯克相关消息流程会自动决定调哪个工具、把工具返回结果汇总成带详细信息/阅读全文的格式化回答多轮对话也能保持上下文。幕后机制Dify 工作流的模块化设计与插件扩展这些模板好用不是碰运气而是 Dify 工作流本身的组织方式决定的白话讲就三层第一层DSL 文件 整条流程的快照。每个 yml 文件记录的是节点 连线的完整定义所有模板都是工作流Workflow模式内部包含开始输入、LLM、代码、条件分支、变量聚合器、结束输出这些标准节点。因为都是工作流模式每个流程都可以直接发布成工具再嵌入 ChatBot 流程——这就是小模板能拼成大应用的原因。第二层工具集成走外部服务 LLM两条腿。比如 DuckDuckGo 翻译模板的结构是传统翻译引擎出初稿 → LLM 节点纠错润色 → 输出既借了引擎的稳定性又用了大模型的语感搜索大师模板则是 SearXNG 搜索 Jina 抓正文再交给 LLM 问答。你导入后只需要替换 API Key流程骨架不用动。第三层Dify 1.0 插件继续向外扩。插件分 Tool工具、Agent strategy策略、Extension扩展三类仓库作者自己就上架了 4 个开源插件供参考谷歌翻译Tool代码很少适合学插件结构、对话 AgentAgent 策略封装多轮对话与信息收集、ArtifactsExtension渲染 LLM 生成的 HTML、PubMed 搜索。项目目录也很简单模板都在DSL/下截图和 FAQ 图分别在snapshots/和images/Awesome-Dify-Workflow/ ├── DSL/ # 46 个可直接导入的 Dify 工作流模板 │ ├── 宝玉的英译中优化版.yml # 英译中三步法翻译 │ ├── File_read.yml # CSV 读取与数据分析 │ ├── Agent工具调用.yml # Dify 1.0 Agent 节点 函数调用 │ ├── json-repair.yml # 修复 LLM 输出的坏 JSON │ ├── 全书翻译.yml # 长文切分 迭代器翻译 │ └── 图文知识库/ # 图文知识库示例含示例 Markdown ├── snapshots/ # 各模板的运行效果截图 ├── images/ # README 常见问题配图 ├── README.md # 模板清单、更新记录、FAQ └── LICENSE进阶技巧4 个最容易被忽略的调优点技巧 1长文档翻译要先切分。适用场景整本书、长报告翻译。全书翻译模板里代码节点默认每段处理不超过 2000 字符模型上下文小的话建议调低到 1500 左右避免单次请求超上下文——切分长度就是在翻译质量和处理速度之间做平衡。技巧 2沙箱装依赖别硬刚。适用场景工作流里用 pandas、numpy、matplotlib 报operation not permitted。官方 sandbox 权限复杂装上库也可能跑不起来README 建议换 dify-sandbox-py依赖已验证可用要加新依赖则改/docker/volumes/sandbox/dependencies/python-requirements.txt后重启 sandbox 即可。技巧 3能用传统引擎初稿就别让 LLM 从零翻。适用场景大批量翻译。DuckDuckGo 翻译 LLM 二次翻译这个模板把最耗 Token 的直译环节交给免费引擎LLM 只做反思和润色成本和速度都能明显优化。技巧 4小流程发布成工具再组装。适用场景一个翻译流程、一个搜索流程都不够用。所有 DSL 都是工作流模式发布为工具后就能挂进 ChatBot 流程里被意图分支调用DSL/根据用户的意图进行回复.yml 就是这种先判意图、再走不同流程的组装样板。避坑 FAQDify 部署与知识库高频问题 ⚠️README 的常见问题整理了群里最高频的 6 个坑一句话答案如下国内部署 Dify 拉不动镜像把 docker-compose 里所有 image 前面的链接加上dockerpull.org前缀即可。sandbox 怎么装 pandas 等第三方库把依赖填进/docker/volumes/sandbox/dependencies/python-requirements.txt重启 sandbox。知识库上传大文件一直报错光改.env里的上传大小不够.env里搜 nginx 找到 nginx 配置一起改。知识库永久排队修改.env中LOG_FILE/app/logs/server.log重启容器。知识库上传 PDF 乱码先用工具把 PDF 转成 Markdown 再上传。管理员密码忘了执行docker exec -it docker-api-1 flask reset-password重置。现在就能开始5 步行动清单注册 Dify云端账号免费版够用设置里加一个模型供应商。克隆仓库在 DSL/ 里按它能做什么那张表挑一个最贴近你需求的模板。导入并试跑跑不通多半是模型没配或版本低于 0.13.0先查这两处。发布为应用需要组合使用时发布成工具、嵌入 ChatBot 流程。有问题先翻 README.md的常见问题仓库维护者提供了微信群交流渠道也可以提交 Issue 反馈。仓库还在持续收录新模板翻译类、数据分析类、Agent 类都有新进展。挑一个你今天就要用的场景导入跑通它比收藏 100 个教程都值钱——你的第一个 Dify 工作流现在就可以开始。【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