45 个 Dify 工作流上手实录从 YAML 导入到 Sandbox 调优的完整指南【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每次让 LLM 输出 JSON你都先看到少个引号、多个括号每次想分析一个 CSV又得现写一段 pandas 脚本。Awesome-Dify-Workflow 就是来省掉这些活路的一个直接导入即用的 Dify 工作流集合仓库里目前有 45 个 YAML 工作流覆盖翻译、数据分析、代码执行、知识库问答、创意内容等 10 多个场景。 这三类重复劳动可以直接交给现成工作流先说几个几乎每个做过 LLM 应用的人都踩过的场景。LLM 输出的 JSON 不可解析。少引号、多括号、单引号混用下游接口一接就崩。仓库里的json-repair.yml用一个代码节点调json_repair.repair_json(llm_string, ensure_asciiFalse)把坏 JSON 修成可解析格式整条流程只有 开始→代码执行→结束 三个节点。要翻译 JSON 里的字段又不能破坏结构。整个丢给 LLM 翻译键名和嵌套结构很容易被打散。json_translate.yml的做法是先把可翻译文本连同字段路径抽出来进迭代器逐条翻译再按原路径拼回去结构不动。LLM 生成了分析代码但没地方跑。runLLMCode.yml把生成代码和执行代码串成了闭环LLM 用 pandas 写分析脚本代码节点提取出纯代码再通过 HTTP 请求打到 sandbox 执行最后把 stdout 当结果返回。对Dify 的代码节点不能直接执行 LLM 的产出这个工作流演示了怎么绕过它。换句话说你不用再为这些脏活各写一套解析脚本导入对应 YAML改改提示词就能用。 第一次导入 Dify 工作流的 4 个动作实际操作时最短闭环是这样准备环境Docker 部署按官方教程走想省事的用官方云服务免费用户可创建最多 5 个流程。版本要求Dify 0.13.0 及以上因为已支持多任务并行、会话变量、表单、echart 渲染带 Agent 节点的工作流是 1.0 之后的功能尽量用最新版导入。拿到 YAML把仓库拉到本地从DSL/目录挑文件。git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow注意所有 DSL 都是工作流模式发布为工具后可以嵌入 ChatBot 流程复用。导入并配模型在 Dify 中新建工作流用导入粘贴 YAML 内容或文件。导入后逐个检查 LLM 节点用的 provider 和模型名比如runLLMCode.yml默认挂的是 deepseek 的 deepseek-coder换成你账号里已有的模型。Test Run 跑一遍用右侧测试面板给开始节点填参数。runLLMCode.yml这类需要上传文件的记得先上传一个 CSV 再发 query。展示的是 Dify 中导入 YAML 工作流的界面导入后节点结构会完整还原。 runLLMCode上传 CSV 一句话换一份分析结果想让业务同事把一张销售 CSV 拖进来问这个月哪个渠道掉得最多却不想自己写数据管道的人会被它救一命。流程一句话开始(File query)→ 获取文件路径→ 读取 CSV→ LLM 生成 pandas 代码→ 提取代码→ sandbox 执行→ 返回结果。runLLMCode 工作流的完整节点编排文件定位、CSV 预览、LLM 生成代码到 sandbox 执行。关键节点逐个看。获取文件路径是个代码节点Dify 把上传文件落到/upload_files目录它用开始节点传入的文件 size 去匹配目录里 mtime 最新的文件拿到真实路径——这是 LLM 摸不到文件系统时的常规桥接手法。读取 CSV节点用 pandas 读head(5)生成 Markdown 表再附上总行数、总列数、列名作为数据样本塞进 LLM 上下文模型不用盲写代码。LLM节点的系统提示词限定它是数据处理专家、习惯用 pandas用户提示词里还先让它判断这是不是数据处理需求不是就反问用户。提取 LLM 中的代码用正则python(.*?)从 Markdown 里抠出第一个代码块。sandbox 执行代码是个 HTTP 请求节点POST 到http://sandbox:8194/v1/sandbox/runheader 带X-Api-Key: dify-sandboxbody 就是{code: ..., language: python3}。提取输出内容再从响应里取data[data][stdout]。谁能直接抄作业所有想把传文件 提问包装成自助工具、挂进客服机器人或内部平台的团队。改两个地方就能换成你的业务CSV 预览逻辑和 LLM 的提示词。 json_translate翻译 JSON 而不打散它的结构做多语言内容、API 数据本地化手里是一大坨带嵌套的 JSON 的人会被它救一命。它和json-repair.yml是一对一个修格式一个保结构翻译。流程一句话抽取→ 迭代→ (解析→ 翻译→ 合并)→ 组装→ 结束。json_translate 工作流抽取可翻译字段迭代器内逐条翻译后按原路径组装回 JSON。抽取节点递归遍历 JSON收集出items_to_translate数组每个元素带着字段路径和文本。迭代节点配了parallel_nums: 1010 路并行逐条处理长 JSON 也压得住时长。迭代内部三步解析把 item 拆成path和text翻译用的是内置 google_translate 工具目标语言在tool_configurations.dest里改想换其他翻译引擎也可以把这个节点换掉合并把译文写回 item 的translated_text字段。组装最后按原路径把译文填回输出一份结构完全一致的 JSON。能抄作业的场景商品描述多语言化、i18n 配置文件批量翻译、接口出参按语言切换。如果你的上游是 LLM 生成的脏 JSON先串一个json-repair.yml再进这条流程。其余工作流一句话速览matplotlib.ymlmatplotlib 画图输出 base64、直接回复里渲染图片File_read.ymlsandbox 挂上传目录pandas 解析 CSV 示例中译英.yml直译→反思→意译三步出高质量英文全书翻译.yml走长文本切分 迭代器搜索大师.ymlSearXNG 搜索 jina 抓取正文做问答SEO Slug Generator.yml从博文标题生成 URL slugDocument_chat_template.yml知识库问答模板客服机器人直接套用图文知识库/图文知识库.yml知识库检索结果做到图配文知识库 Markdown 里放图片远程链接即可MCP-amap.yml用 MCP Agent 策略调高德地图在线服务申请个免费 Key 就能试chart_demo.yml回复内容里渲染 chart 图表记忆测试.yml短期记忆 CoT 思维链的机器人示例春联生成器.ymlLLM 生成对联 代码节点格式化字体要求电脑上有可按需改。️ 四类报错对应的四个修法报operation not permittedsandbox 里跑 pandas、numpy2.0、matplotlib 老报错官方 sandbox 权限限制比较死装完 matplotlib 也用不了。两条路往/docker/volumes/sandbox/dependencies/python-requirements.txt里加依赖后重启 sandbox或者直接用作者做的简化版沙箱 dify-sandbox-pypandas、numpy、matplotlib、scikit-learn 都测过可用。仓库 README 里明确说matplotlib.yml、jieba.yml、File_read.yml依赖它。节点间传 string 提示超限制改.env里两个值重启容器CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000matplotlib 图表里中文显示为方框在代码节点里加字体配置import matplotlib.pyplot as plt plt.rcParams[font.family] [SimHei, WenQuanYi Micro Hei, Heiti TC]matplotlib 工作流生成的图表以 base64 形式渲染在聊天回复中。知识库上传大文件失败.env里改了上传限制还不够nginx 的限制也要一起改在.env里搜 nginx然后重启所有相关容器。另外两个高频小坑顺带说Markdown 图片在聊天窗口不显示通常是图片源不支持跨域知识库永久排队把.env的LOG_FILE/app/logs/server.log改好再重启容器。 工作流速查表与下一步动作类别工作流干什么适合谁数据分析runLLMCode.ymlLLM 生成 pandas 代码sandbox 执行分析 CSV想传文件 提问自助化的人数据分析File_read.ymlsandbox 挂上传目录pandas 解析文件需要解析上传文件的人数据处理json-repair.ymljson_repair 修复不规范 JSON下游接 LLM 输出的接口数据处理json_translate.yml迭代翻译字段保持 JSON 结构多语言内容本地化可视化matplotlib.yml画图输出 base64回复内渲染报表生成可视化chart_demo.yml回复内容渲染 chart 图表快速出图翻译中译英.yml直译→反思→意译三步技术文档翻译翻译全书翻译.yml长文本切分 迭代器翻译书籍/长文档知识库Document_chat_template.yml知识库问答模板客服机器人知识库图文知识库.yml检索结果图配文展示图文混排知识库创意春联生成器.ymlLLM 代码节点格式化对联节日营销创意Text to Card Iteration.yml自动生成小红书风格卡片内容运营工具搜索大师.ymlSearXNG jina 联网问答搜索增强场景AgentMCP-amap.ymlMCP Agent 策略调高德地图位置服务应用接下来做三件事就行今天先导入json-repair.yml拿一段 LLM 输出的坏 JSON 跑一次 Test Run十分钟能建立导入—配模型—跑通的肌肉记忆然后把runLLMCode.yml里的 LLM 模型换成你自己的上传一份真实 CSV 验证闭环如果跑出自己的改进版本欢迎回仓库提 issue 或补个说明让下一个人少走弯路。【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 45 个 Dify 工作流上手实录：从 YAML 导入到 Sandbox 调优的完整指南
45 个 Dify 工作流上手实录从 YAML 导入到 Sandbox 调优的完整指南【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每次让 LLM 输出 JSON你都先看到少个引号、多个括号每次想分析一个 CSV又得现写一段 pandas 脚本。Awesome-Dify-Workflow 就是来省掉这些活路的一个直接导入即用的 Dify 工作流集合仓库里目前有 45 个 YAML 工作流覆盖翻译、数据分析、代码执行、知识库问答、创意内容等 10 多个场景。 这三类重复劳动可以直接交给现成工作流先说几个几乎每个做过 LLM 应用的人都踩过的场景。LLM 输出的 JSON 不可解析。少引号、多括号、单引号混用下游接口一接就崩。仓库里的json-repair.yml用一个代码节点调json_repair.repair_json(llm_string, ensure_asciiFalse)把坏 JSON 修成可解析格式整条流程只有 开始→代码执行→结束 三个节点。要翻译 JSON 里的字段又不能破坏结构。整个丢给 LLM 翻译键名和嵌套结构很容易被打散。json_translate.yml的做法是先把可翻译文本连同字段路径抽出来进迭代器逐条翻译再按原路径拼回去结构不动。LLM 生成了分析代码但没地方跑。runLLMCode.yml把生成代码和执行代码串成了闭环LLM 用 pandas 写分析脚本代码节点提取出纯代码再通过 HTTP 请求打到 sandbox 执行最后把 stdout 当结果返回。对Dify 的代码节点不能直接执行 LLM 的产出这个工作流演示了怎么绕过它。换句话说你不用再为这些脏活各写一套解析脚本导入对应 YAML改改提示词就能用。 第一次导入 Dify 工作流的 4 个动作实际操作时最短闭环是这样准备环境Docker 部署按官方教程走想省事的用官方云服务免费用户可创建最多 5 个流程。版本要求Dify 0.13.0 及以上因为已支持多任务并行、会话变量、表单、echart 渲染带 Agent 节点的工作流是 1.0 之后的功能尽量用最新版导入。拿到 YAML把仓库拉到本地从DSL/目录挑文件。git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow注意所有 DSL 都是工作流模式发布为工具后可以嵌入 ChatBot 流程复用。导入并配模型在 Dify 中新建工作流用导入粘贴 YAML 内容或文件。导入后逐个检查 LLM 节点用的 provider 和模型名比如runLLMCode.yml默认挂的是 deepseek 的 deepseek-coder换成你账号里已有的模型。Test Run 跑一遍用右侧测试面板给开始节点填参数。runLLMCode.yml这类需要上传文件的记得先上传一个 CSV 再发 query。展示的是 Dify 中导入 YAML 工作流的界面导入后节点结构会完整还原。 runLLMCode上传 CSV 一句话换一份分析结果想让业务同事把一张销售 CSV 拖进来问这个月哪个渠道掉得最多却不想自己写数据管道的人会被它救一命。流程一句话开始(File query)→ 获取文件路径→ 读取 CSV→ LLM 生成 pandas 代码→ 提取代码→ sandbox 执行→ 返回结果。runLLMCode 工作流的完整节点编排文件定位、CSV 预览、LLM 生成代码到 sandbox 执行。关键节点逐个看。获取文件路径是个代码节点Dify 把上传文件落到/upload_files目录它用开始节点传入的文件 size 去匹配目录里 mtime 最新的文件拿到真实路径——这是 LLM 摸不到文件系统时的常规桥接手法。读取 CSV节点用 pandas 读head(5)生成 Markdown 表再附上总行数、总列数、列名作为数据样本塞进 LLM 上下文模型不用盲写代码。LLM节点的系统提示词限定它是数据处理专家、习惯用 pandas用户提示词里还先让它判断这是不是数据处理需求不是就反问用户。提取 LLM 中的代码用正则python(.*?)从 Markdown 里抠出第一个代码块。sandbox 执行代码是个 HTTP 请求节点POST 到http://sandbox:8194/v1/sandbox/runheader 带X-Api-Key: dify-sandboxbody 就是{code: ..., language: python3}。提取输出内容再从响应里取data[data][stdout]。谁能直接抄作业所有想把传文件 提问包装成自助工具、挂进客服机器人或内部平台的团队。改两个地方就能换成你的业务CSV 预览逻辑和 LLM 的提示词。 json_translate翻译 JSON 而不打散它的结构做多语言内容、API 数据本地化手里是一大坨带嵌套的 JSON 的人会被它救一命。它和json-repair.yml是一对一个修格式一个保结构翻译。流程一句话抽取→ 迭代→ (解析→ 翻译→ 合并)→ 组装→ 结束。json_translate 工作流抽取可翻译字段迭代器内逐条翻译后按原路径组装回 JSON。抽取节点递归遍历 JSON收集出items_to_translate数组每个元素带着字段路径和文本。迭代节点配了parallel_nums: 1010 路并行逐条处理长 JSON 也压得住时长。迭代内部三步解析把 item 拆成path和text翻译用的是内置 google_translate 工具目标语言在tool_configurations.dest里改想换其他翻译引擎也可以把这个节点换掉合并把译文写回 item 的translated_text字段。组装最后按原路径把译文填回输出一份结构完全一致的 JSON。能抄作业的场景商品描述多语言化、i18n 配置文件批量翻译、接口出参按语言切换。如果你的上游是 LLM 生成的脏 JSON先串一个json-repair.yml再进这条流程。其余工作流一句话速览matplotlib.ymlmatplotlib 画图输出 base64、直接回复里渲染图片File_read.ymlsandbox 挂上传目录pandas 解析 CSV 示例中译英.yml直译→反思→意译三步出高质量英文全书翻译.yml走长文本切分 迭代器搜索大师.ymlSearXNG 搜索 jina 抓取正文做问答SEO Slug Generator.yml从博文标题生成 URL slugDocument_chat_template.yml知识库问答模板客服机器人直接套用图文知识库/图文知识库.yml知识库检索结果做到图配文知识库 Markdown 里放图片远程链接即可MCP-amap.yml用 MCP Agent 策略调高德地图在线服务申请个免费 Key 就能试chart_demo.yml回复内容里渲染 chart 图表记忆测试.yml短期记忆 CoT 思维链的机器人示例春联生成器.ymlLLM 生成对联 代码节点格式化字体要求电脑上有可按需改。️ 四类报错对应的四个修法报operation not permittedsandbox 里跑 pandas、numpy2.0、matplotlib 老报错官方 sandbox 权限限制比较死装完 matplotlib 也用不了。两条路往/docker/volumes/sandbox/dependencies/python-requirements.txt里加依赖后重启 sandbox或者直接用作者做的简化版沙箱 dify-sandbox-pypandas、numpy、matplotlib、scikit-learn 都测过可用。仓库 README 里明确说matplotlib.yml、jieba.yml、File_read.yml依赖它。节点间传 string 提示超限制改.env里两个值重启容器CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000matplotlib 图表里中文显示为方框在代码节点里加字体配置import matplotlib.pyplot as plt plt.rcParams[font.family] [SimHei, WenQuanYi Micro Hei, Heiti TC]matplotlib 工作流生成的图表以 base64 形式渲染在聊天回复中。知识库上传大文件失败.env里改了上传限制还不够nginx 的限制也要一起改在.env里搜 nginx然后重启所有相关容器。另外两个高频小坑顺带说Markdown 图片在聊天窗口不显示通常是图片源不支持跨域知识库永久排队把.env的LOG_FILE/app/logs/server.log改好再重启容器。 工作流速查表与下一步动作类别工作流干什么适合谁数据分析runLLMCode.ymlLLM 生成 pandas 代码sandbox 执行分析 CSV想传文件 提问自助化的人数据分析File_read.ymlsandbox 挂上传目录pandas 解析文件需要解析上传文件的人数据处理json-repair.ymljson_repair 修复不规范 JSON下游接 LLM 输出的接口数据处理json_translate.yml迭代翻译字段保持 JSON 结构多语言内容本地化可视化matplotlib.yml画图输出 base64回复内渲染报表生成可视化chart_demo.yml回复内容渲染 chart 图表快速出图翻译中译英.yml直译→反思→意译三步技术文档翻译翻译全书翻译.yml长文本切分 迭代器翻译书籍/长文档知识库Document_chat_template.yml知识库问答模板客服机器人知识库图文知识库.yml检索结果图配文展示图文混排知识库创意春联生成器.ymlLLM 代码节点格式化对联节日营销创意Text to Card Iteration.yml自动生成小红书风格卡片内容运营工具搜索大师.ymlSearXNG jina 联网问答搜索增强场景AgentMCP-amap.ymlMCP Agent 策略调高德地图位置服务应用接下来做三件事就行今天先导入json-repair.yml拿一段 LLM 输出的坏 JSON 跑一次 Test Run十分钟能建立导入—配模型—跑通的肌肉记忆然后把runLLMCode.yml里的 LLM 模型换成你自己的上传一份真实 CSV 验证闭环如果跑出自己的改进版本欢迎回仓库提 issue 或补个说明让下一个人少走弯路。【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