46 个 Dify 工作流：用 Awesome-Dify-Workflow 搭建你的 AI 应用
【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
给业务方交付一个"能分析数据、能翻译文档"的内部工具，只给了三天时间——从头写前后端显然不现实，直到我翻到 Awesome-Dify-Workflow，一个收录 46 个 Dify 工作流模板的集合。把 DSL 文件导入 Dify 就能开始搭建 AI 应用，覆盖翻译、数据分析、代码生成等 10 多个场景。
🧭 项目定位速览
一句话概括它的价值：不用自己画节点连线，直接复用别人画好的流程。
- 46 个 DSL 文件全部是工作流模式，导入即可用，还能发布为工具嵌入 ChatBot 流程
- 覆盖翻译、数据分析、代码执行、图表绘制、创意内容等 10 多个真实场景
- 附带运行截图和常见问题解答，README 里能查到大部分已知问题
- 版本要求明确：Dify ≥ 0.13.0，Agent 节点相关的工作流建议 1.0 以上版本
和常见做法对比一下：
| 方式 | 开发周期 | 定制灵活性 | 维护成本 |
|---|---|---|---|
| 传统编码 | 数周至数月 | 高 | 高 |
| 现成 SaaS | 即时可用 | 低 | 低 |
| Dify 工作流 | 几小时至几天 | 中高 | 低 |
🚀 从零到跑通第一个 Dify 工作流
先说两个前置条件，不少工作流跑不起来都是卡在这里：
- Dify 版本 ≥ 0.13.0（Agent 节点的工作流需要 1.0 以上）
- 启用 Sandbox。Sandbox 是 Dify 的代码执行环境，数据分析、画图类工作流都依赖它
操作步骤：
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow - 部署 Dify：熟悉 Docker 的按官方教程本地部署；想快速体验的话，官方云免费版可创建最多 5 个流程
- 在 Dify 的模型供应商设置里配置模型 API Key，保证工作流引用的模型可用
- 新建工作流，点击"导入 DSL 文件"，选择 DSL 目录下任意一个 .yml
- 用右侧 Test Run 面板填入输入跑一遍，确认输出正常后发布
我一般建议先不动任何提示词，先让它跑通，再改。
📊 工作流场景拆解
用自然语言跑 CSV 数据零代码分析
业务丢来一份销售 CSV，要趋势分析和图表，等你写完 pandas 需求都变了。runLLMCode.yml 就是干这个的：
开始（File + Query）→ 读取 CSV → LLM 生成代码 → Sandbox 执行代码 → 结果输出
- 用户只需上传 CSV、输入一句自然语言查询，比如"帮我看看销售额最高的前 3 个人"
- LLM 根据查询自动生成 Python 分析代码，在 Sandbox 里执行，全程不写代码
- 结果既能输出文字解读，也能渲染成 ECharts 图表
截图为 runLLMCode 工作流编排界面与 Test Run 面板，可直接上传 CSV 并输入自然语言查询。
同类可看：File_read.yml（Sandbox 读取解析文件）、matplotlib.yml（matplotlib 画图并输出 base64 图片）。
让翻译保持结构不跑偏
机器翻译常见两个毛病：格式乱掉、术语跑偏，翻译 JSON 时结构直接坏掉。项目里的翻译组合分两层：
- 中译英.yml 走"直译 → 反思 → 意译"三步，系统提示词约束翻译角色、要求保留 Markdown 结构，适合技术文档
- json_translate.yml 只翻译内容字段，不动 JSON 结构
- json-repair.yml 修复 LLM 输出常见的少引号、多括号问题，让 JSON 重新可解析
原文输入 → 直译 → 反思纠错 → 意译润色 → 输出
中译英工作流的 LLM 节点提示词配置，系统提示词定义了翻译角色与格式保留规则。
需要多语言一致性检查的，可以搭配 LanguageConsistencyChecker.yml。
把创意变成可直接交付的排版成品
LLM 写得出一副春联，但排版成能打印的成品还得手工折腾。春联生成器工作流把这条链路做完整了：
主题输入 → LLM 创意生成 → 代码节点排版 → 图片输出
- 输入主题，直接得到横批 + 对联成品，字体和样式由代码节点调整
- 机器上需要有对应字体，可在流程内按需修改
- 同样的"LLM 生成 + 代码排版"思路，也适用于营销标题和社交卡片
春联生成器的 Test Run 结果，红底春联排版成品可直接复制使用。
同类还有"标题党创作.yml"、"Text to Card Iteration.yml"（生成小红书风格卡片）。
🏢 企业向延伸
上面的场景偏个人提效，下面三个方向更偏企业侧。图文知识库 解决知识库检索"只有文字"的问题：在知识库里放带远程链接的图片，检索后回复就是图文混排，适合产品文档中心和技术教程库。根据用户的意图进行回复.yml 先对用户输入做意图分类，再路由到对应处理模块，是客服机器人的骨架，意图库可持续扩展。"Dify 运营一条龙.yml" 面向多平台内容生成，适合需要多频道分发的运营团队。
⚠️ 踩坑清单与调优
下面这些是我踩过或社区反馈较多的问题，按出现频率排了序：
| 问题 | 处理方式 |
|---|---|
| matplotlib 图表中文显示为方框 | 在代码节点里注册本机可用的中文字体再画图 |
| 节点间传递字符串提示超限 | 调大 .env 里的长度限制（见下） |
Sandbox 跑 pandas/matplotlib 报operation not permitted | 换掉官方 sandbox 镜像（见下） |
| 知识库上传大文件报错 | 除 .env 外还要改 nginx 的上传大小限制 |
| Markdown 图片不渲染 | 图床不支持跨域，换支持跨域的图片存储 |
换 Sandbox：在 docker-compose.yaml 里把 sandbox 服务的镜像换成 dify-sandbox-py（社区维护的优化版，pandas、numpy、matplotlib 等依赖已测试可用），改完重启 sandbox 服务即可。
在 docker-compose.yaml 中将官方 sandbox 镜像替换为 dify-sandbox-py 的示例配置。
调 .env：把CODE_MAX_STRING_LENGTH: 1000000（连同TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000）写进 .env，重启容器生效。
参与与维护
做出来一个能用自己的工作流后，贡献路径很短：在 Dify 里设计并测试 → 导出 YAML → 提 PR 进仓库 → 补上使用说明和截图。想学习的，也可以直接改现有 DSL 适配自己的业务。
挑一个和你手头工作对得上的工作流，导入 Dify 跑一遍 Test Run，跑通之后再动提示词。项目会不定期更新新 DSL，遇到问题先翻 README 的常见问题。
【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
