手把手跑通Dify工作流从导入DSL模板到让AI自动分析CSV的完整路径【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你有没有过这种时刻一份几百行的CSV躺在桌面上你想让它输出各品类总营收用Excel点十分钟扔给聊天AI又只回来一段无法直接使用的文字描述。Awesome-Dify-Workflow 收集了30多个可直接导入的 Dify 工作流 DSLYAML 描述文件涵盖数据分析、翻译、图表渲染等场景基本免费可用——导入一个文件你就拥有一条完整跑通的自动化流程不用从零拖节点。 4步让第一个Dify工作流跑起来先下载仓库模板都在 DSL 文件夹里git clone https://link.gitcode.com/i/1839502e4b67a4da2cd7621efb46c30a再进入 Dify 创建空白应用把应用类型设为「工作流」。进入编排页后点击左上角菜单里的「导入 DSL 文件」选择 runLLMCode.yml开始、代码、LLM、HTTP、结束共 7 个节点会一次性还原成下图这样的画布你不需要手工连线。导入完成后点开每个 LLM 节点把模型换成你账号里已添加的模型。模板里默认记录的是这个配置模型名对不上就会报错model: name: deepseek-coder # 换成你账号里已添加的模型 provider: deepseek completion_params: temperature: 0.7最后点击右上角「运行」进入试运行上传一份 CSV 并填写一句分析需求看到结束节点返回 markdown 结果就算跑通了。 实战上传CSV后AI写代码、沙箱执行、返回分析结果上面导入的 runLLMCode.yml 值得把内部结构拆开看一遍它是输入→处理→输出链路最典型的例子。输入是两样东西开始节点接收一个 CSV 文件和一段文字需求比如统计各品类的总营收按降序排列。中间链路按顺序执行了 5 步定位文件第一个代码节点根据文件大小在沙箱的/upload_files目录里找到你刚上传的 CSV输出它的完整路径。读取样本「读取csv」节点用 pandas 读出前 5 行和总行数、列名拼成一段数据预览后面喂给 LLM 当参考。让LLM写代码LLM 节点收到你的需求和数据预览系统提示词把它的角色限定为习惯用 pandas 写代码的数据处理专家并要求直接输出代码、结果用 markdown 表达。抽出纯代码下一个代码节点用正则从 LLM 回复里提取 python 代码块——因为 Dify 的代码节点无法直接引用 LLM 输出的代码所以模板借 HTTP 请求绕过去执行。沙箱执行HTTP 节点把代码 POST 到 Dify 内置的 sandbox 容器运行再取出stdout作为最终结果。最后一段请求体长这样body: {code:{{#提取LLM中都代码.code#}},language:python3} headers: X-Api-Key:dify-sandbox url: http://sandbox:8194/v1/sandbox/run这个设计的取舍值得记住LLM 只负责想真正干活的是本地 Python 环境CSV 再大也不多烧 token。输出就是结束节点直接返回的一段 markdown可以直接粘进表格或文档。 跑通之后值得试的3个方向让结果长出图表导入 matplotlib.yml它把绘图结果转成 base64 再回复渲染适合把分析结果升级成趋势图。修复大模型吐出的坏JSONjson-repair.yml 专门处理模型输出少引号、多括号的情况做 API 对接时很实用。多轮对话式AgentAgent工具调用.yml 展示 Dify 1.0 的 Agent 节点如何按意图调用不同工具注意它需要 Dify 1.0 以上版本导入。️ 新人最常撞上的5个坑本地部署后HTTP节点返回空原因HTTP 请求指向的是本地 sandbox 容器它没启动或容器名不是sandbox时就连不通。 解法确认 docker 容器列表里有 sandbox或用 README 里提到的 dify-sandbox-py 替换。节点间传长内容报长度超限原因.env里CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH默认偏小。 解法改成 1000000重启容器# 编辑 .env 后执行 docker compose down docker compose up -dsandbox里import pandas报错原因Docker 部署的 sandbox 只带基础依赖第三方库默认没装。 解法编辑/docker/volumes/sandbox/dependencies/python-requirements.txt加入依赖重启 sandbox 容器。装了matplotlib却报operation not permitted原因官方 sandbox 的文件系统权限限制装上也跑不了绘图代码。 解法直接用 dify-sandbox-py 替换 sandbox 镜像作者已验证 matplotlib 可用。导入DSL后节点提示模型不存在原因DSL 只记录模型名称你账号里没有同名模型。 解法逐个 LLM 节点重新选择模型即可其他配置无需改动。⚡ 跑完一遍后的自查清单所有节点执行后都显示成功绿色状态结束节点返回的是完整 markdown而不是报错文本LLM 输出的代码被完整提取且 sandbox 的 stdout 非空换一份 CSV 重跑结果随数据变化下一步就去做这一件事打开 DSL 文件夹里的 runLLMCode.yml在 Dify 里导入它上传一份你自己的 CSV输入一句分析需求点击「试运行」。【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
手把手跑通Dify工作流从导入DSL模板到让AI自动分析CSV的完整路径【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你有没有过这种时刻一份几百行的CSV躺在桌面上你想让它输出各品类总营收用Excel点十分钟扔给聊天AI又只回来一段无法直接使用的文字描述。Awesome-Dify-Workflow 收集了30多个可直接导入的 Dify 工作流 DSLYAML 描述文件涵盖数据分析、翻译、图表渲染等场景基本免费可用——导入一个文件你就拥有一条完整跑通的自动化流程不用从零拖节点。 4步让第一个Dify工作流跑起来先下载仓库模板都在 DSL 文件夹里git clone https://link.gitcode.com/i/1839502e4b67a4da2cd7621efb46c30a再进入 Dify 创建空白应用把应用类型设为「工作流」。进入编排页后点击左上角菜单里的「导入 DSL 文件」选择 runLLMCode.yml开始、代码、LLM、HTTP、结束共 7 个节点会一次性还原成下图这样的画布你不需要手工连线。导入完成后点开每个 LLM 节点把模型换成你账号里已添加的模型。模板里默认记录的是这个配置模型名对不上就会报错model: name: deepseek-coder # 换成你账号里已添加的模型 provider: deepseek completion_params: temperature: 0.7最后点击右上角「运行」进入试运行上传一份 CSV 并填写一句分析需求看到结束节点返回 markdown 结果就算跑通了。 实战上传CSV后AI写代码、沙箱执行、返回分析结果上面导入的 runLLMCode.yml 值得把内部结构拆开看一遍它是输入→处理→输出链路最典型的例子。输入是两样东西开始节点接收一个 CSV 文件和一段文字需求比如统计各品类的总营收按降序排列。中间链路按顺序执行了 5 步定位文件第一个代码节点根据文件大小在沙箱的/upload_files目录里找到你刚上传的 CSV输出它的完整路径。读取样本「读取csv」节点用 pandas 读出前 5 行和总行数、列名拼成一段数据预览后面喂给 LLM 当参考。让LLM写代码LLM 节点收到你的需求和数据预览系统提示词把它的角色限定为习惯用 pandas 写代码的数据处理专家并要求直接输出代码、结果用 markdown 表达。抽出纯代码下一个代码节点用正则从 LLM 回复里提取 python 代码块——因为 Dify 的代码节点无法直接引用 LLM 输出的代码所以模板借 HTTP 请求绕过去执行。沙箱执行HTTP 节点把代码 POST 到 Dify 内置的 sandbox 容器运行再取出stdout作为最终结果。最后一段请求体长这样body: {code:{{#提取LLM中都代码.code#}},language:python3} headers: X-Api-Key:dify-sandbox url: http://sandbox:8194/v1/sandbox/run这个设计的取舍值得记住LLM 只负责想真正干活的是本地 Python 环境CSV 再大也不多烧 token。输出就是结束节点直接返回的一段 markdown可以直接粘进表格或文档。 跑通之后值得试的3个方向让结果长出图表导入 matplotlib.yml它把绘图结果转成 base64 再回复渲染适合把分析结果升级成趋势图。修复大模型吐出的坏JSONjson-repair.yml 专门处理模型输出少引号、多括号的情况做 API 对接时很实用。多轮对话式AgentAgent工具调用.yml 展示 Dify 1.0 的 Agent 节点如何按意图调用不同工具注意它需要 Dify 1.0 以上版本导入。️ 新人最常撞上的5个坑本地部署后HTTP节点返回空原因HTTP 请求指向的是本地 sandbox 容器它没启动或容器名不是sandbox时就连不通。 解法确认 docker 容器列表里有 sandbox或用 README 里提到的 dify-sandbox-py 替换。节点间传长内容报长度超限原因.env里CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH默认偏小。 解法改成 1000000重启容器# 编辑 .env 后执行 docker compose down docker compose up -dsandbox里import pandas报错原因Docker 部署的 sandbox 只带基础依赖第三方库默认没装。 解法编辑/docker/volumes/sandbox/dependencies/python-requirements.txt加入依赖重启 sandbox 容器。装了matplotlib却报operation not permitted原因官方 sandbox 的文件系统权限限制装上也跑不了绘图代码。 解法直接用 dify-sandbox-py 替换 sandbox 镜像作者已验证 matplotlib 可用。导入DSL后节点提示模型不存在原因DSL 只记录模型名称你账号里没有同名模型。 解法逐个 LLM 节点重新选择模型即可其他配置无需改动。⚡ 跑完一遍后的自查清单所有节点执行后都显示成功绿色状态结束节点返回的是完整 markdown而不是报错文本LLM 输出的代码被完整提取且 sandbox 的 stdout 非空换一份 CSV 重跑结果随数据变化下一步就去做这一件事打开 DSL 文件夹里的 runLLMCode.yml在 Dify 里导入它上传一份你自己的 CSV输入一句分析需求点击「试运行」。【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
