企业官网建设流程全解析

Dify 工作流模板开箱即用：3 步跑通，改改提示词就是自己的

【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

想做一条文档自动翻译的 Dify 工作流时，最直接的路子通常不是对着空白画布逐个拖节点，而是先导入一份现成的 Dify 工作流。社区项目 Awesome-Dify-Workflow 就是干这件事的模板库：DSL 目录里放着一批配置好的工作流 DSL 文件（YAML 描述，导入后节点、连线和提示词都会自动还原），翻译、智能对话、数据分析、内容创作这些场景都有对应方案。挑一个合适的导进自己的 Dify 就能用。

🚀 先跑起来：最小三步

整个流程只有三步，几分钟就能走完。

第一步，把仓库克隆到本地：

git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow

第二步，对照 README.md 里的模板说明表挑一个 yml 文件；第三步，到 Dify 控制台的"导入"页上传它。导入之后还差最后一环：进"模型供应商"设置，把工作流用到的供应商 API-Key 填上，下图就是这个环节——选中供应商、录入密钥：

版本上要注意两道门槛：普通模板建议用 Dify 0.13.0 及以上导入；带 Agent 节点的模板（如Demo-tod_agent.yml）则必须 Dify 1.0，版本不够这类模板导入后直接用不了。

找一个离你场景最近的模板

翻译方向：按成本和质量选

翻译是社区贡献最密集的方向，按需求对号入座：

对话与 Agent：看连线方式

做能多轮对话的机器人时，Demo-tod_agent.yml基于 Dify 1.0 Agent 节点，面向多轮对话、上下文理解和信息收集；根据用户的意图进行回复.yml先判定意图、再按意图走不同回复路径，最后统一润色；记忆测试.yml加了短期记忆和 CoT 思维链，让机器人按上下文挑回复；旅行Demo.yml则把信息收集、Tool 调用和对话历史存储串在一起。

这四份例子的价值在于能看清节点之间怎么连线、对话消息怎么存进变量——看懂一个，就能照着改。

数据与 JSON 处理：工程向

数据分析.7z演示查数据库产出解读和图表的完整链路，附带 flask 服务；File_read.yml在 sandbox 里读 CSV，runLLMCode.yml让 LLM 生成代码再执行；json-repair.yml修不规范 JSON，json_translate.yml保持结构不变地翻译；matplotlib.yml与chart_demo.yml是两种在回复中渲染图表的方案；MCP-amap.yml则是调用高德地图 MCP 工具的示例，接外部服务可直接参考。

内容创作：好玩的一批

标题党创作.yml把一堆标题套路当参照喂给模型，让它扮演"爆款网文作家"；文章仿写-单图_多图自动搭配.yml按指定文风产出文章并自动搭配单图或多图；Text to Card Iteration.yml批量生成小红书式卡片；春联生成器.yml把春联渲染成图片；Dify 运营一条龙.yml想一键产出多平台封面和文案，但依赖外部图片服务，服务变动后主流程稳定性不保，看思路即可。

🛠 跑起来之后要解决的坑

最常见的一个问题是节点之间传长字符串超限，属于容器侧限制，把.env里这两项改大再重启容器：

CODE_MAX_STRING_LENGTH: 1000000 TEMPLATE_TRANSFORM_MAX_LENGTH: 1000000

除版本和传输长度外，导入前还要核对模板依赖的模型是否与自己已配置的供应商一致，个别模型不可用时换成同类模型即可。

跑通之后：改，而不是重来

库里的模板提示词全部外露在节点中，角色设定和输出格式可以直接改，适配自己的文档风格，节点连线不用动。

下一步建议：先挑一个离当前业务最近的模板导入，完整跑通一轮，再打开关键节点的提示词修改——先让它能用，再让它变成"你的"。调出真正好用的版本后，也可以考虑把改动带回社区。

【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