50+个Dify工作流模板一键导入：Awesome-Dify-Workflow零门槛实战指南

50个Dify工作流模板一键导入Awesome-Dify-Workflow零门槛实战指南【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 是一个汇聚了 50 多个 Dify DSL 工作流模板的开源项目覆盖智能翻译、数据分析、内容创作、智能对话等实用场景。每个模板都是一个可直接导入 Dify 的 YAML 文件无需编码经验导入、配置、测试三步即可跑通适合新手、开发者和业务人员用来学习和落地 AI 自动化。先聊聊痛点为什么你需要开箱即用的 AI 工作流如果你用过 Dify大概率体会过这样的过程想做一个翻译流程要自己画节点、写提示词、调变量刚跑通一个换个工作场景又要从零开始。画布上密密麻麻的连线光是变量名写错就够你排查半天。Awesome-Dify-Workflow 解决的正是这个问题——把别人调好的工作流直接打包给你。项目维护者说得很直白分享一些好用的 Dify 工作流程自用、学习两相宜。仓库中 DSL/ 目录下的每一个 yml 文件都是一套完整的、经过实际验证的工作流配置包含输入、条件判断、变量聚合、输出等全部节点导入你的 Dify 账号即可运行绝大多数模板都可以免费使用。它带来的价值很实在省去设计成本从画流程图变成选模板几分钟上线一个流程学习成本极低每个模板本身就是一份 Dify 最佳实践教材点开就能看到节点是怎么连的、提示词是怎么写的持续更新模板按周、月持续补充从早期的翻译工具到最新的 Agent 节点玩法跟着项目演进走。能力地图50模板覆盖哪些场景项目里的模板按更新时间和用途组织在 README 中我们帮你按场景重新梳理了一份速览表方便你按需求对号入座场景分类代表模板你能解决什么适合谁智能翻译宝玉的英译中优化版.yml、中译英.yml、全书翻译.yml技术文档翻译、长文档批量翻译翻译人员、研究者数据分析File_read.yml、matplotlib.yml、chart_demo.ymlCSV 解析、图表生成、报表输出数据分析师、运营内容创作标题党创作.yml、文章仿写-单图_多图自动搭配.yml爆款标题、文章仿写、多平台文案内容创作者、新媒体运营智能对话根据用户的意图进行回复.yml、旅行Demo.yml、记忆测试.yml意图分流客服、带记忆的聊天机器人产品经理、开发者效率工具json-repair.yml、json_translate.yml、搜索大师.ymlJSON 修复、结构化数据翻译、联网搜索开发人员、数据工程师Agent 进阶Demo-tod_agent.yml、MCP-amap.yml、Deep Researcher On Dify .yml工具调用、MCP 集成、深度研究复现Dify 1.0 进阶用户小提示导入时请确保 Dify 版本在0.13.0 以上涉及 Agent 节点的模板如 Demo-tod_agent、MCP-amap建议直接使用最新版 Dify以避免功能缺失。快速上手三步跑通第一个工作流第一步准备环境两个选择按需取其一Dify 云端版注册账号即可免费额度可以创建最多 5 个流程足够学习和测试本地部署熟悉 Docker 的同学可按官方教程自行部署完全自主可控。然后把项目克隆到本地只需这一条命令git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow克隆完成后打开仓库里的 DSL/ 目录用 README 中每个 yml 的描述做参照挑一个你需要的模板。第二步一键导入 DSL 文件打开你选中的模板 yml 文件找到它对应的原始文件链接并复制登录 Dify进入工作室页面点击左侧的导入 DSL 文件粘贴链接或选择本地文件确认导入。导入成功后你看到的就是一个完整的可视化工作流画布——所有节点已经连好提示词已经写好。第三步配置模型并测试运行点击画布中的 LLM 节点选择你已添加的模型如 DeepSeek、GPT 等点击右上角运行在输入框填入测试内容观察结果面板实时输出不满意就调整节点参数再跑一次。测试通过后点击发布这个工作流就能以独立应用或工具的形式投入使用也可以发布为工具后嵌入到 ChatBot 流程中复用。典型场景实战拆解挑三个最具代表性的模板按应用场景 - 解决方案 - 预期效果带你走一遍。实战一技术文档翻译告别生硬机翻应用场景翻译技术博客、论文、开源文档要求术语一致、语言流畅。解决方案宝玉的英译中优化版.yml 采用直译 → 反思 → 意译三步法。工作流内部先让模型做一次忠实直译再反思准确性、流畅性、风格三个维度的问题最后输出贴近中文日常表达的最终译文。整个流程只有开始 → LLM → 结束三个节点结构极简非常适合学习提示词工程。操作体验导入模板 → 选择翻译模型 → 在输入框粘贴英文原文 → 运行。右侧测试面板会完整展示 step1 直译、step2 反思、step3 精译的全过程透明可见。预期效果译文不仅语法准确还保持了技术术语的一致性读起来像中文母语者写的。同系列还有 中译英.yml反向流程、DuckDuckGo翻译LLM二次翻译.yml用传统翻译引擎做初译以节省 Token、translation_workflow.yml吴恩达 Agentic Workflow 思路可指定输入语言、目标语言、国家等参数你可以按场景挑选。实战二自然语言驱动的数据分析应用场景拿到一份 CSV/Excel 数据想快速看结构、做统计但不想写 pandas 代码。解决方案File_read.yml 通过 sandbox 节点挂载上传目录用 pandas 直接读取你上传的 CSV 文件并解析。配套的 runLLMCode.yml 更进一步让 LLM 现场生成分析代码再通过 sandbox 执行相当于一个会自己写代码的数据分析师。此外还有 数据分析.7z 提供查询数据库 → 生成解读和图表的完整示例。操作体验导入工作流 → 上传你的 CSV 文件 → 运行。结果面板会直接输出数据样本预览和数据集信息总行数、总列数、各列名称。预期效果测试案例中一份 1254 行、16 列的比赛数据文件几秒钟就返回了结构化的数据概览为后续分析打下基础。注意事项官方 sandbox 权限较复杂安装 pandas、matplotlib 等依赖后可能报operation not permitted错误。README 建议使用配套简化的 dify-sandbox-py 环境这些依赖已经过测试可直接使用。实战三会追问的意图识别对话机器人应用场景客服机器人、旅行助手等需要多轮收集信息的场景。解决方案根据用户的意图进行回复.yml 是最经典的入门模板先判定用户意图再走不同分支回复最后统一做话术风格化。进阶玩家可以看 旅行Demo.yml——它基于 Dify 1.0 的 Agent 节点把对话消息存入会话变量并纳入 Agent 的思考上下文机器人会主动追问去几天预算多少直到信息齐全才输出结构化行程。操作体验导入后直接对话。你会看到机器人礼貌地拒绝无关话题围绕旅行主题一步步追问目的地、时长、预算最后给出预算 ¥50,000 / 旅行时间 10 天这样的结构化计划。预期效果不再是一问一答的呆板机器人而是能维护上下文、主动收集关键信息的多轮对话系统。进阶玩法Agent 机制与插件生态模板只是应用层这个项目在能力层同样值得借鉴Agent 工具调用Agent工具调用.yml 展示 Dify 1.0 Agent 节点通过 Function Calling 调用不同工具进行回复的完整链路MCP-amap.yml 则演示了通过 MCP Agent 策略调用高德地图的在线服务注册一个免费 Key 就能让工作流会用地图。插件生态项目维护者自己上架了 4 款开源插件分别对应 Dify 插件的三种类型是绝佳的入门代码google翻译Tool 插件代码量很少看完就能理解 Dify 插件的文件结构对话AgentAgent strategy 插件抽象了 Dify 的很多能力玩法多但对开发者要求较高ArtifactsExtension 插件借鉴 Anthropic 的 Artifacts 功能渲染 HTML。搭配 Artifact.yml 模板使用LLM 生成的 HTML 代码可以直接渲染成交互页面如上面的行程规划卡片这是做AI 生成可交互界面场景的完整参考路径。多工具集成DuckDuckGo翻译LLM二次翻译.yml 演示了传统翻译引擎初译 LLM 精修的混合架构兼顾效率与质量搜索大师.yml 则组合了 SearXNG 搜索与 Jina 内容抓取实现联网问答。避坑指南高频问题与速效方案这部分整理了项目 FAQ 中出镜率最高的问题遇到对号入座即可Q1sandbox 怎么安装 pandas 等第三方库打开/docker/volumes/sandbox/dependencies/python-requirements.txt填入需要的依赖重启 sandbox 即可。Q2知识库上传大文件报错除了修改.env中的上传文件配置nginx 配置也要一起改——在.env里搜索 nginx 即可找到。Q3知识库永久排队修改.env中的LOG_FILE/app/logs/server.log然后重启容器。Q4节点间传递字符串提示超过长度限制在.env中把CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH调大如 1000000重启容器。Q5知识库上传 PDF 出现乱码先用工具把 PDF 转成 Markdown 格式再上传可避开大部分编码问题。Q6Dify 生成图表有什么好方案Dify 自带柱状图、曲线图等基础绘图能力更复杂的需求可以写一个 Echarts 插件从数据库读数据再渲染参考 chart_demo.yml。Q7聊天窗口里 markdown 图片不显示做法没错通常是图片地址不支持跨域CORS换一个允许跨域的图片源即可。Q8界面全是英文想切中文点击右上角头像 → 设置 → 语言先切换成其他语言再切换回中文。额外提醒如果希望流程定时执行如每天 8 点跑一次报表Dify 本身不内置定时任务需要借助外部的定时调度方案来触发工作流 API。写在最后今天就跑通你的第一个模板Awesome-Dify-Workflow 的真正价值不在于仓库里有 50 个 yml而在于它把 Dify 的每一种玩法都变成了可导入、可拆解、可复用的教材。今天导入一个翻译模板明天就能照着它的结构写出自己的版本今天看懂了 File_read 的 sandbox 用法数据分析场景你自己就能搭。行动路线很简单执行git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow克隆项目打开 DSL/ 目录对照 README 描述挑一个你最需要的模板在 Dify 工作室点击导入 DSL 文件配置模型点击运行测试通过后发布为应用投入你的实际业务有余力就拆解它的节点和提示词沉淀为自己的模板库。所有工作流基本都可以免费使用更多模板正在持续收集中。如果你在实践中踩了坑、有了新的工作流创意也欢迎回到社区交流分享——好的工作流生态从来都是大家一块砖一块砖垒起来的。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考