手把手跑通Dify工作流從導入DSL模板到讓AI自動分析CSV的完整路徑【免費下載鏈接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、學習兩相宜。 Sharing some Dify workflows.項目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow你有沒有過這種時刻一份幾百行的CSV躺在桌面上你想讓它輸出各品類總營收用Excel點十分鐘扔給聊天AI又只回來一段無法直接使用的文字描述。Awesome-Dify-Workflow 收集了30多個可直接導入的 Dify 工作流 DSLYAML 描述文件涵蓋數據分析、翻譯、圖表渲染等場景基本免費可用——導入一個文件你就擁有一條完整跑通的自動化流程不用從零拖節點。 4步讓第一個Dify工作流跑起來先下載倉庫模板都在 DSL 文件夾里git clone https://link.gitcode.com/i/1839502e4b67a4da2cd7621efb46c30a再進入 Dify 創建空白應用把應用類型設為「工作流」。進入編排頁后點擊左上角菜單里的「導入 DSL 文件」選擇 runLLMCode.yml開始、代碼、LLM、HTTP、結束共 7 個節點會一次性還原成下圖這樣的畫布你不需要手工連線。導入完成后點開每個 LLM 節點把模型換成你賬號里已添加的模型。模板里默認記錄的是這個配置模型名對不上就會報錯model: name: deepseek-coder # 換成你賬號里已添加的模型 provider: deepseek completion_params: temperature: 0.7最后點擊右上角「運行」進入試運行上傳一份 CSV 并填寫一句分析需求看到結束節點返回 markdown 結果就算跑通了。 實戰上傳CSV后AI寫代碼、沙箱執行、返回分析結果上面導入的 runLLMCode.yml 值得把內部結構拆開看一遍它是輸入→處理→輸出鏈路最典型的例子。輸入是兩樣東西開始節點接收一個 CSV 文件和一段文字需求比如統計各品類的總營收按降序排列。中間鏈路按順序執行了 5 步定位文件第一個代碼節點根據文件大小在沙箱的/upload_files目錄里找到你剛上傳的 CSV輸出它的完整路徑。讀取樣本「讀取csv」節點用 pandas 讀出前 5 行和總行數、列名拼成一段數據預覽后面喂給 LLM 當參考。讓LLM寫代碼LLM 節點收到你的需求和數據預覽系統提示詞把它的角色限定為習慣用 pandas 寫代碼的數據處理專家并要求直接輸出代碼、結果用 markdown 表達。抽出純代碼下一個代碼節點用正則從 LLM 回復里提取 python 代碼塊——因為 Dify 的代碼節點無法直接引用 LLM 輸出的代碼所以模板借 HTTP 請求繞過去執行。沙箱執行HTTP 節點把代碼 POST 到 Dify 內置的 sandbox 容器運行再取出stdout作為最終結果。最后一段請求體長這樣body: {code:{{#提取LLM中都代碼.code#}},language:python3} headers: X-Api-Key:dify-sandbox url: http://sandbox:8194/v1/sandbox/run這個設計的取舍值得記住LLM 只負責想真正干活的是本地 Python 環境CSV 再大也不多燒 token。輸出就是結束節點直接返回的一段 markdown可以直接粘進表格或文檔。 跑通之后值得試的3個方向讓結果長出圖表導入 matplotlib.yml它把繪圖結果轉成 base64 再回復渲染適合把分析結果升級成趨勢圖。修復大模型吐出的壞JSONjson-repair.yml 專門處理模型輸出少引號、多括號的情況做 API 對接時很實用。多輪對話式AgentAgent工具調用.yml 展示 Dify 1.0 的 Agent 節點如何按意圖調用不同工具注意它需要 Dify 1.0 以上版本導入。? 新人最常撞上的5個坑本地部署后HTTP節點返回空原因HTTP 請求指向的是本地 sandbox 容器它沒啟動或容器名不是sandbox時就連不通。 解法確認 docker 容器列表里有 sandbox或用 README 里提到的 dify-sandbox-py 替換。節點間傳長內容報長度超限原因.env里CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH默認偏小。 解法改成 1000000重啟容器# 編輯 .env 后執行 docker compose down docker compose up -dsandbox里import pandas報錯原因Docker 部署的 sandbox 只帶基礎依賴第三方庫默認沒裝。 解法編輯/docker/volumes/sandbox/dependencies/python-requirements.txt加入依賴重啟 sandbox 容器。裝了matplotlib卻報operation not permitted原因官方 sandbox 的文件系統權限限制裝上也跑不了繪圖代碼。 解法直接用 dify-sandbox-py 替換 sandbox 鏡像作者已驗證 matplotlib 可用。導入DSL后節點提示模型不存在原因DSL 只記錄模型名稱你賬號里沒有同名模型。 解法逐個 LLM 節點重新選擇模型即可其他配置無需改動。? 跑完一遍后的自查清單所有節點執行后都顯示成功綠色狀態結束節點返回的是完整 markdown而不是報錯文本LLM 輸出的代碼被完整提取且 sandbox 的 stdout 非空換一份 CSV 重跑結果隨數據變化下一步就去做這一件事打開 DSL 文件夾里的 runLLMCode.yml在 Dify 里導入它上傳一份你自己的 CSV輸入一句分析需求點擊「試運行」。【免費下載鏈接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、學習兩相宜。 Sharing some Dify workflows.項目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 手把手跑通Dify工作流：從導入DSL模板到讓AI自動分析CSV的完整路徑
手把手跑通Dify工作流從導入DSL模板到讓AI自動分析CSV的完整路徑【免費下載鏈接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、學習兩相宜。 Sharing some Dify workflows.項目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow你有沒有過這種時刻一份幾百行的CSV躺在桌面上你想讓它輸出各品類總營收用Excel點十分鐘扔給聊天AI又只回來一段無法直接使用的文字描述。Awesome-Dify-Workflow 收集了30多個可直接導入的 Dify 工作流 DSLYAML 描述文件涵蓋數據分析、翻譯、圖表渲染等場景基本免費可用——導入一個文件你就擁有一條完整跑通的自動化流程不用從零拖節點。 4步讓第一個Dify工作流跑起來先下載倉庫模板都在 DSL 文件夾里git clone https://link.gitcode.com/i/1839502e4b67a4da2cd7621efb46c30a再進入 Dify 創建空白應用把應用類型設為「工作流」。進入編排頁后點擊左上角菜單里的「導入 DSL 文件」選擇 runLLMCode.yml開始、代碼、LLM、HTTP、結束共 7 個節點會一次性還原成下圖這樣的畫布你不需要手工連線。導入完成后點開每個 LLM 節點把模型換成你賬號里已添加的模型。模板里默認記錄的是這個配置模型名對不上就會報錯model: name: deepseek-coder # 換成你賬號里已添加的模型 provider: deepseek completion_params: temperature: 0.7最后點擊右上角「運行」進入試運行上傳一份 CSV 并填寫一句分析需求看到結束節點返回 markdown 結果就算跑通了。 實戰上傳CSV后AI寫代碼、沙箱執行、返回分析結果上面導入的 runLLMCode.yml 值得把內部結構拆開看一遍它是輸入→處理→輸出鏈路最典型的例子。輸入是兩樣東西開始節點接收一個 CSV 文件和一段文字需求比如統計各品類的總營收按降序排列。中間鏈路按順序執行了 5 步定位文件第一個代碼節點根據文件大小在沙箱的/upload_files目錄里找到你剛上傳的 CSV輸出它的完整路徑。讀取樣本「讀取csv」節點用 pandas 讀出前 5 行和總行數、列名拼成一段數據預覽后面喂給 LLM 當參考。讓LLM寫代碼LLM 節點收到你的需求和數據預覽系統提示詞把它的角色限定為習慣用 pandas 寫代碼的數據處理專家并要求直接輸出代碼、結果用 markdown 表達。抽出純代碼下一個代碼節點用正則從 LLM 回復里提取 python 代碼塊——因為 Dify 的代碼節點無法直接引用 LLM 輸出的代碼所以模板借 HTTP 請求繞過去執行。沙箱執行HTTP 節點把代碼 POST 到 Dify 內置的 sandbox 容器運行再取出stdout作為最終結果。最后一段請求體長這樣body: {code:{{#提取LLM中都代碼.code#}},language:python3} headers: X-Api-Key:dify-sandbox url: http://sandbox:8194/v1/sandbox/run這個設計的取舍值得記住LLM 只負責想真正干活的是本地 Python 環境CSV 再大也不多燒 token。輸出就是結束節點直接返回的一段 markdown可以直接粘進表格或文檔。 跑通之后值得試的3個方向讓結果長出圖表導入 matplotlib.yml它把繪圖結果轉成 base64 再回復渲染適合把分析結果升級成趨勢圖。修復大模型吐出的壞JSONjson-repair.yml 專門處理模型輸出少引號、多括號的情況做 API 對接時很實用。多輪對話式AgentAgent工具調用.yml 展示 Dify 1.0 的 Agent 節點如何按意圖調用不同工具注意它需要 Dify 1.0 以上版本導入。? 新人最常撞上的5個坑本地部署后HTTP節點返回空原因HTTP 請求指向的是本地 sandbox 容器它沒啟動或容器名不是sandbox時就連不通。 解法確認 docker 容器列表里有 sandbox或用 README 里提到的 dify-sandbox-py 替換。節點間傳長內容報長度超限原因.env里CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH默認偏小。 解法改成 1000000重啟容器# 編輯 .env 后執行 docker compose down docker compose up -dsandbox里import pandas報錯原因Docker 部署的 sandbox 只帶基礎依賴第三方庫默認沒裝。 解法編輯/docker/volumes/sandbox/dependencies/python-requirements.txt加入依賴重啟 sandbox 容器。裝了matplotlib卻報operation not permitted原因官方 sandbox 的文件系統權限限制裝上也跑不了繪圖代碼。 解法直接用 dify-sandbox-py 替換 sandbox 鏡像作者已驗證 matplotlib 可用。導入DSL后節點提示模型不存在原因DSL 只記錄模型名稱你賬號里沒有同名模型。 解法逐個 LLM 節點重新選擇模型即可其他配置無需改動。? 跑完一遍后的自查清單所有節點執行后都顯示成功綠色狀態結束節點返回的是完整 markdown而不是報錯文本LLM 輸出的代碼被完整提取且 sandbox 的 stdout 非空換一份 CSV 重跑結果隨數據變化下一步就去做這一件事打開 DSL 文件夾里的 runLLMCode.yml在 Dify 里導入它上傳一份你自己的 CSV輸入一句分析需求點擊「試運行」。【免費下載鏈接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、學習兩相宜。 Sharing some Dify workflows.項目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考