Dify — Windows 下 Docker 安装 Dify
Dify — 聊天助手 -- 知识库
Dify — 文本生成应用
Dify — Agent 智能体
Dify — Chatflow - 文档知识库
Dify — 连接MySQL配置
Dify — Chatflow - 数据库智能查询
Dify — Workflow - 数据可视化

Dify Workflow 与 Chatflow 的核心区别

Workflow -- 一次返回结果
Chatflow -- 支持多次对话，多次返回结果

更直观的理解

• Chatflow：用户主动发问，AI 像人一样“聊回去”，过程中能记住之前说了什么。
• Workflow：更像一个数据处理管道，给它输入，它跑完逻辑返回结果，每次请求都是“失忆”的。

选择建议

• 需要与用户多轮对话、记住上下文 → 选 Chatflow
• 需要批量处理数据、API 集成、无人值守自动化 → 选 Workflow

两者可以配合使用，例如 Workflow 做后台数据处理，再由 Chatflow 提供给用户查询入口。

注意点：ECharts(需要CSV)，需要LLM 整理数据格式，deepseek-chat 模型对 ECharts 所需的数据处理比较有好，不要直接选用推理模型，费token效果还不好

推理在工具里面应用效果不是很好， 在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding...) AI大模型知识体系
比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C,A输出的内容，要在B节点用变量来接受，比如 Dify — Chatflow - 数据库智能查询

创建工作流

创建工作流

添加变量

添加文档提取器


添加大模型

将文件里的数据进行格式整理

将{{上下文}}中的数据整理成csv格式并输出，只需要输出结果，不需要输出额外解释内容。

选择 deepseek-chat 模型，有助于输入图标

添加代码执行

import csv
import json
from collections import defaultdict

def main(csv_string):
    # 解析 CSV 数据
    lines = csv_string.strip().split('\n')
    reader = csv.reader(lines)
    headers = next(reader)
    data = [row for row in reader]

    # 提取列名
    category_col, subcategory_col, value_col = headers

    # 构建数据字典
    data_dict = defaultdict(lambda: defaultdict(float))
    for row in data:
        category, subcategory, value = row
        data_dict[category][subcategory] += float(value)

    # 获取所有类别和子类别
    categories = list(data_dict.keys())
    subcategories = list({subcat for subcats in data_dict.values() for subcat in subcats})

    # 构建 ECharts 配置
    echarts_config = {
        "tooltip": {"trigger": "axis"},
        "legend": {"data": subcategories},
        "xAxis": {"type": "category", "data": categories},
        "yAxis": {"type": "value"},
        "series": [
            {
                "name": subcategory,
                "type": "bar",
                "data": [data_dict[category].get(subcategory, 0) for category in categories]
            }
            for subcategory in subcategories
        ]
    }

    output = "\n```echarts\n" + json.dumps(echarts_config, indent=2, ensure_ascii=False) + "\n```"
    return {"output": output}

添加结束节点

测试运行

上传文件