Dify工作流合集指南46个即插即用的AI应用模板5分钟从零搭起来【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-WorkflowAwesome-Dify-Workflow 是一个即插即用的 Dify 工作流模板合集收录了 46 个免编程的 Dify DSL 文件覆盖数据分析、翻译、创意写作、智能体等场景。导入即用、可视化运行没有编程基础也能在几分钟内搭出自己的第一个 AI 应用。这两个场景你是不是也遇到过月底销售表到手你想知道各区域哪个卖得最好可让程序员排期要等一周自己写 pandas 又从头查文档查到头秃一批产品文案要翻成英文逐条粘进翻译工具翻完格式全乱想批量处理又不知道从哪下手。这类数据要加工、文本要批量处理的需求其实都不需要从零写代码。Awesome-Dify-Workflow 把这些常见场景做成了现成的工作流你只需要上传文件、输入一句话剩下的交给流程节点自动完成。3步导入并跑通你的第一个Dify工作流第1步准备好 Dify 环境两条路任选会用 Docker 的按官方文档本地部署一套不想折腾的直接用 Dify 官方云服务免费额度可创建最多 5 个流程够你把这里的工作流全部试一遍。第2步拿到 DSL 模板文件git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow所有模板都在 DSL/ 目录里每个.yml就是一个完整工作流文件名就是它的用途看名字就能挑。第3步导入并测试运行在 Dify 工作室点击创建应用选择导入 DSL 文件选中刚才下载的任意一个.yml即可。导入后进入编排页右侧 Test Run 面板直接点开始运行输入参数就能验证效果。案例深挖传一份CSV怎么自动变成数据分析报告以最实用的runLLMCode.yml为例它把AI 写代码 沙箱执行串成了一条流水线8 个节点各司其职开始节点只收两个输入——一个 CSV 文件File一句大白话问题query比如帮我看三分球最多的前3个人获取文件路径代码节点按文件大小在上传目录里锁定你刚传的那份文件避免同名文件混淆读取csv用 pandas 预览前 5 行拼成 Markdown 表格——相当于先让 AI看一眼真实数据而不是凭空猜列名LLM 节点扮演数据处理专家结合你的问题和数据样本生成一段 pandas 分析代码提取LLM中的代码用正则从 Markdown 里抠出 python 代码块变成纯代码sandbox 执行代码通过 HTTP 请求把代码发给 Dify 沙箱服务安全执行提取输出内容从沙箱返回的 JSON 里取出stdout结束节点输出最终的 Markdown 分析结果。整条链路的输入只有文件 一句话输出是一份带表格的分析结论。换个问题再跑一次比如换成计算各部门平均工资流程不用改一个字。这个模式可以照搬到任何传文件 → 要结论的场景发票汇总、日志统计、问卷分析都成立。能力全景按场景挑一个合适的Dify工作流数据与文件处理runLLMCode.ymlCSV 分析、File_read.ymlsandbox 读文件解析、json-repair.yml修复缺引号、多括号的标准外 JSON只有 3 个节点、json_translate.yml迭代器逐字段翻译、保留 JSON 原结构翻译与本地化中译英.yml直译→反思→意译三步法、宝玉的英译中优化版.yml、全书翻译.yml长文切分迭代器、translation_workflow.yml按目标国家做本地化创意与内容生产春联生成器.ymlLLM 出内容 代码节点校验字数平仄 模板转换美化输出、标题党创作.yml、文章仿写-单图_多图自动搭配.yml、Text to Card Iteration.yml批量生成社交卡片Agent 与对话Agent工具调用.ymlFC 调工具、Demo-tod_agent.yml多轮对话 Agent 策略、旅行Demo.yml信息收集上下文存储、记忆测试.yml短期记忆思维链知识检索与可视化图文知识库/图文知识库.yml检索结果图文混排展示、Document_chat_template.yml知识库问答模板、搜索大师.ymlSearXNGJina 联网搜、matplotlib.yml沙箱画图输出 base64 渲染进回复传统开发 vs Dify工作流工作量对比维度传统开发方式用本项目的Dify工作流开发时间需求评审写码联调通常数天起导入 yml改两个参数分钟级技术门槛要会 Python、API 调用、部署运维可视化节点看懂连线就能改调试体验打断点、翻日志每个节点有独立输入输出逐步查看维护成本代码腐化后需专人接手业务人员改提示词即可维护复用性换个项目基本重写一个 yml 复制到任何 Dify 环境上线方式写接口、部署服务、买域名发布为工具嵌入聊天机器人或分享链接避坑手册5个最常见的报错与解法1. 节点间传字符串提示超限制在.env里把两个上限调大重启容器CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 10000002. 沙箱跑 pandas / matplotlib 报operation not permitted官方 sandbox 权限限制较多可换用作者配套的简化沙箱 dify-sandbox-py项目 README 有说明pandas、numpy、matplotlib 都已验证可用。3. 想在沙箱里装第三方库把包名写进/docker/volumes/sandbox/dependencies/python-requirements.txt重启 sandbox 容器即可无需改代码。4. 知识库传大文件一直失败只改.env里的文件大小限制不够nginx 的上传体积限制也要一起改两处都调大再重启。5. PDF 上传后知识库检索乱码先把 PDF 转成 Markdown 再入库解析质量会明显更好。从使用者到贡献者三步成长路径学习打开 DSL/ 挑 2~3 个 yml 通读你会发现结构出奇地统一——开始、条件判断、变量聚合、输出看懂一个就能看懂全部改造导入后把提示词换成你的业务话术、把模型换成自己的 Key几分钟就能得到只属于你的版本提交改造出的工作流欢迎提回项目分享社区持续按日期更新目录你的模板可能成为下一个人的起点。现在就动手搭一个这个合集的价值很简单把会做 AI 应用从会写代码降维到会拖节点。挑一个你最常头疼的场景导入对应的工作流5 分钟后你手里就有个能用的东西。打开项目从 DSL/ 目录里选第一个顺眼的 yml现在就跑起来吧。项目工作流持续更新中建议关注项目动态第一时间获取新增的 Dify 工作流模板。【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工作流合集指南：46个即插即用的AI应用模板，5分钟从零搭起来
Dify工作流合集指南46个即插即用的AI应用模板5分钟从零搭起来【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-WorkflowAwesome-Dify-Workflow 是一个即插即用的 Dify 工作流模板合集收录了 46 个免编程的 Dify DSL 文件覆盖数据分析、翻译、创意写作、智能体等场景。导入即用、可视化运行没有编程基础也能在几分钟内搭出自己的第一个 AI 应用。这两个场景你是不是也遇到过月底销售表到手你想知道各区域哪个卖得最好可让程序员排期要等一周自己写 pandas 又从头查文档查到头秃一批产品文案要翻成英文逐条粘进翻译工具翻完格式全乱想批量处理又不知道从哪下手。这类数据要加工、文本要批量处理的需求其实都不需要从零写代码。Awesome-Dify-Workflow 把这些常见场景做成了现成的工作流你只需要上传文件、输入一句话剩下的交给流程节点自动完成。3步导入并跑通你的第一个Dify工作流第1步准备好 Dify 环境两条路任选会用 Docker 的按官方文档本地部署一套不想折腾的直接用 Dify 官方云服务免费额度可创建最多 5 个流程够你把这里的工作流全部试一遍。第2步拿到 DSL 模板文件git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow所有模板都在 DSL/ 目录里每个.yml就是一个完整工作流文件名就是它的用途看名字就能挑。第3步导入并测试运行在 Dify 工作室点击创建应用选择导入 DSL 文件选中刚才下载的任意一个.yml即可。导入后进入编排页右侧 Test Run 面板直接点开始运行输入参数就能验证效果。案例深挖传一份CSV怎么自动变成数据分析报告以最实用的runLLMCode.yml为例它把AI 写代码 沙箱执行串成了一条流水线8 个节点各司其职开始节点只收两个输入——一个 CSV 文件File一句大白话问题query比如帮我看三分球最多的前3个人获取文件路径代码节点按文件大小在上传目录里锁定你刚传的那份文件避免同名文件混淆读取csv用 pandas 预览前 5 行拼成 Markdown 表格——相当于先让 AI看一眼真实数据而不是凭空猜列名LLM 节点扮演数据处理专家结合你的问题和数据样本生成一段 pandas 分析代码提取LLM中的代码用正则从 Markdown 里抠出 python 代码块变成纯代码sandbox 执行代码通过 HTTP 请求把代码发给 Dify 沙箱服务安全执行提取输出内容从沙箱返回的 JSON 里取出stdout结束节点输出最终的 Markdown 分析结果。整条链路的输入只有文件 一句话输出是一份带表格的分析结论。换个问题再跑一次比如换成计算各部门平均工资流程不用改一个字。这个模式可以照搬到任何传文件 → 要结论的场景发票汇总、日志统计、问卷分析都成立。能力全景按场景挑一个合适的Dify工作流数据与文件处理runLLMCode.ymlCSV 分析、File_read.ymlsandbox 读文件解析、json-repair.yml修复缺引号、多括号的标准外 JSON只有 3 个节点、json_translate.yml迭代器逐字段翻译、保留 JSON 原结构翻译与本地化中译英.yml直译→反思→意译三步法、宝玉的英译中优化版.yml、全书翻译.yml长文切分迭代器、translation_workflow.yml按目标国家做本地化创意与内容生产春联生成器.ymlLLM 出内容 代码节点校验字数平仄 模板转换美化输出、标题党创作.yml、文章仿写-单图_多图自动搭配.yml、Text to Card Iteration.yml批量生成社交卡片Agent 与对话Agent工具调用.ymlFC 调工具、Demo-tod_agent.yml多轮对话 Agent 策略、旅行Demo.yml信息收集上下文存储、记忆测试.yml短期记忆思维链知识检索与可视化图文知识库/图文知识库.yml检索结果图文混排展示、Document_chat_template.yml知识库问答模板、搜索大师.ymlSearXNGJina 联网搜、matplotlib.yml沙箱画图输出 base64 渲染进回复传统开发 vs Dify工作流工作量对比维度传统开发方式用本项目的Dify工作流开发时间需求评审写码联调通常数天起导入 yml改两个参数分钟级技术门槛要会 Python、API 调用、部署运维可视化节点看懂连线就能改调试体验打断点、翻日志每个节点有独立输入输出逐步查看维护成本代码腐化后需专人接手业务人员改提示词即可维护复用性换个项目基本重写一个 yml 复制到任何 Dify 环境上线方式写接口、部署服务、买域名发布为工具嵌入聊天机器人或分享链接避坑手册5个最常见的报错与解法1. 节点间传字符串提示超限制在.env里把两个上限调大重启容器CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 10000002. 沙箱跑 pandas / matplotlib 报operation not permitted官方 sandbox 权限限制较多可换用作者配套的简化沙箱 dify-sandbox-py项目 README 有说明pandas、numpy、matplotlib 都已验证可用。3. 想在沙箱里装第三方库把包名写进/docker/volumes/sandbox/dependencies/python-requirements.txt重启 sandbox 容器即可无需改代码。4. 知识库传大文件一直失败只改.env里的文件大小限制不够nginx 的上传体积限制也要一起改两处都调大再重启。5. PDF 上传后知识库检索乱码先把 PDF 转成 Markdown 再入库解析质量会明显更好。从使用者到贡献者三步成长路径学习打开 DSL/ 挑 2~3 个 yml 通读你会发现结构出奇地统一——开始、条件判断、变量聚合、输出看懂一个就能看懂全部改造导入后把提示词换成你的业务话术、把模型换成自己的 Key几分钟就能得到只属于你的版本提交改造出的工作流欢迎提回项目分享社区持续按日期更新目录你的模板可能成为下一个人的起点。现在就动手搭一个这个合集的价值很简单把会做 AI 应用从会写代码降维到会拖节点。挑一个你最常头疼的场景导入对应的工作流5 分钟后你手里就有个能用的东西。打开项目从 DSL/ 目录里选第一个顺眼的 yml现在就跑起来吧。项目工作流持续更新中建议关注项目动态第一时间获取新增的 Dify 工作流模板。【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