name: dify-dsl-generator
description: 专业的 Dify 工作流 DSL/YML 文件生成器，根据用户业务需求自动生成完整的 Dify 工作流配置文件，支持各种节点类型和复杂工作流逻辑
version: 1.0.0

Dify DSL 工作流生成器

专业的 Dify 工作流 DSL/YML 文件自动生成工具，基于对 86+ 实际工作流案例的深度学习，能够根据用户的业务需求自动生成符合 Dify 规范的完整工作流配置文件。

核心功能

• ✅ 完整DSL生成: 自动生成包含 app、dependencies、workflow 的完整 YML 文件
• ✅ 多节点支持: 支持 start、llm、answer、code、http-request、if-else、tool 等所有节点类型
• ✅ 智能连接: 自动生成节点间的 edges 连接关系
• ✅ 参数配置: 智能推荐模型参数、提示词配置
• ✅ 插件集成: 自动识别并配置所需的 Dify 插件依赖
• ✅ 规范格式: 严格遵循 Dify 0.3.0 版本的 DSL 规范

使用方法

基础用法

生成一个 Dify 工作流用于 [业务需求描述]

详细用法

帮我生成一个 Dify 工作流 DSL 文件:
- 功能: [工作流要实现的功能]
- 输入: [用户输入的内容]
- 处理步骤: [详细的处理逻辑]
- 输出: [期望的输出结果]
- 使用插件: [需要的插件，可选]

Dify DSL 文件结构

基于对 86+ 真实工作流案例的学习，Dify DSL YML 文件遵循以下结构:

1. App 配置

app:
  description: '工作流描述'
  icon: 🤖
  icon_background: '#FFEAD5'
  mode: advanced-chat  # 或 workflow, agent-chat
  name: 工作流名称
  use_icon_as_answer_icon: false

模式说明:
- advanced-chat: 高级对话模式(chatflow)
- workflow: 工作流模式
- agent-chat: AI Agent 模式

2. Dependencies 依赖

dependencies:
- current_identifier: null
  type: marketplace
  value:
    marketplace_plugin_unique_identifier: 插件唯一标识符

常用插件:
- langgenius/openai_api_compatible: OpenAI 兼容接口
- bowenliang123/md_exporter: Markdown 导出器
- 其他市场插件根据需求添加

3. Workflow 工作流

kind: app
version: 0.3.0
workflow:
  conversation_variables: []
  environment_variables: []
  features:
    file_upload:
      enabled: false
    speech_to_text:
      enabled: false
    text_to_speech:
      enabled: false
  graph:
    edges: []
    nodes: []

节点类型详解

Start 开始节点

- data:
    desc: ''
    title: 开始
    type: start
    variables:
    - label: 用户输入
      max_length: 1000
      options: []
      required: true
      type: paragraph  # 或 text-input, select, file
      variable: query
  id: 'start'
  position:
    x: 100
    y: 300
  type: custom
  width: 244
  height: 90

变量类型:
- paragraph: 段落文本(多行)
- text-input: 单行文本
- select: 下拉选择
- file: 文件上传
- number: 数字

LLM 大语言模型节点

- data:
    context:
      enabled: false
      variable_selector: []
    model:
      completion_params:
        temperature: 0.7
        max_tokens: 2000
      mode: chat
      name: gpt-4
      provider: openai
    prompt_template:
    - id: 唯一ID
      role: system
      text: 系统提示词
    - id: 唯一ID
      role: user
      text: 用户提示词 {{#变量引用#}}
    title: LLM节点
    type: llm
    vision:
      enabled: false
  id: '节点ID'
  position:
    x: 400
    y: 300
  type: custom

常用模型provider:
- openai: OpenAI
- langgenius/openai_api_compatible/openai_api_compatible: 兼容接口
- anthropic: Claude
- alibaba: 通义千问

变量引用格式:
- {{#节点ID.输出变量#}}: 引用其他节点的输出
- {{#sys.query#}}: 引用系统变量(用户输入)
- {{#节点ID.text#}}: 引用LLM输出文本

Code 代码执行节点

- data:
    code: |
      import json

      def main(arg1: str, arg2: str) -> dict:
          # 处理逻辑
          result = process(arg1, arg2)
          return {
              "result": result,
              "status": "success"
          }
    code_language: python3
    outputs:
      result:
        type: string
      status:
        type: string
    title: 代码执行
    type: code
    variables:
    - value_selector:
      - '前置节点ID'
      - 输出变量
      variable: arg1
  id: '节点ID'
  position:
    x: 700
    y: 300
  type: custom

代码语言:
- python3: Python 3
- javascript: JavaScript (部分版本支持)

输出类型:
- string: 字符串
- number: 数字
- object: 对象
- array[string]: 字符串数组
- array[number]: 数字数组
- array[object]: 对象数组

HTTP Request 节点

- data:
    authorization:
      config: null
      type: no-auth
    body:
      data: '{"key": "{{#变量#}}"}'
      type: json
    headers: ''
    method: post
    timeout:
      max_connect_timeout: 0
      max_read_timeout: 0
      max_write_timeout: 0
    title: HTTP请求
    type: http-request
    url: https://api.example.com/endpoint
  id: '节点ID'
  position:
    x: 1000
    y: 300
  type: custom

HTTP方法:
- get: GET 请求
- post: POST 请求
- put: PUT 请求
- patch: PATCH 请求
- delete: DELETE 请求

认证类型:
- no-auth: 无认证
- api-key: API Key
- bearer: Bearer Token

If-Else 条件判断节点

- data:
    cases:
    - case_id: case1
      conditions:
      - comparison_operator: contains
        id: 条件ID
        value: 期望值
        variable_selector:
        - '节点ID'
        - 变量名
      id: case1
      logical_operator: and
    logical_operator: or
    title: 条件判断
    type: if-else
  id: '节点ID'
  position:
    x: 1300
    y: 300
  type: custom

比较运算符:
- contains: 包含
- not contains: 不包含
- is: 等于
- is not: 不等于
- empty: 为空
- not empty: 不为空

逻辑运算符:
- and: 与
- or: 或

Tool 工具节点

- data:
    provider_id: 工具提供者ID
    provider_name: 工具提供者名称
    provider_type: builtin  # 或 api
    title: 工具调用
    tool_configurations: {}
    tool_label: 工具标签
    tool_name: 工具名称
    tool_parameters:
      参数名:
        type: mixed
        value: '{{#变量#}}'
    type: tool
  id: '节点ID'
  position:
    x: 1600
    y: 300
  type: custom

工具类型:
- builtin: 内置工具(如搜索、天气等)
- api: API 工具
- plugin: 插件工具

Answer 直接回复节点

- data:
    answer: |
      {{#LLM节点ID.text#}}

      {{#代码节点ID.result#}}
    title: 直接回复
    type: answer
    variables: []
  id: answer
  position:
    x: 1900
    y: 300
  type: custom

Variable Aggregator 变量聚合器节点

- data:
    advanced_settings: null
    desc: ''
    groups:
    - group_name: 分组1
      output_type: string
      variables:
      - value_selector:
        - '节点ID'
        - 变量名
        variable: 输出变量名
    title: 变量聚合器
    type: variable-aggregator
  id: '节点ID'
  position:
    x: 2200
    y: 300
  type: custom

Parameter Extractor 参数提取器节点

- data:
    instruction: 提取指令说明
    is_array: false
    model:
      completion_params: {}
      mode: chat
      name: gpt-4
      provider: openai
    parameters:
    - description: 参数描述
      name: 参数名
      required: true
      type: string
    query:
    - role: user
      text: '{{#输入变量#}}'
    reasoning_mode: prompt
    title: 参数提取
    type: parameter-extractor
  id: '节点ID'
  position:
    x: 2500
    y: 300
  type: custom

Edges 连接关系

edges:
- data:
    isInIteration: false
    isInLoop: false
    sourceType: start
    targetType: llm
  id: 源节点ID-source-目标节点ID-target
  source: '源节点ID'
  sourceHandle: source
  target: '目标节点ID'
  targetHandle: target
  type: custom
  zIndex: 0

连接规则:
1. 每个节点至多有一个入边(start 节点除外)
2. 节点可以有多个出边(if-else 等分支节点)
3. 最终必须连接到 answer 节点或其他输出节点
4. sourceType 和 targetType 必须与实际节点类型匹配

Position 坐标布局

推荐布局:
- 起始 X: 100
- 节点间距 X: 300-400
- Y 坐标: 保持在同一水平线(300)或根据分支适当调整
- 分支节点的子节点 Y 坐标: ±150

示例布局:

Start(100,300) → LLM(400,300) → Code(700,300) → Answer(1000,300)

分支布局:

                    → Branch1(1100,150)
If-Else(800,300) →
                    → Branch2(1100,450)

生成工作流步骤

1. 需求分析

• 理解用户的业务需求
• 确定工作流类型(chatflow/workflow/agent)
• 识别所需的节点类型
• 规划处理流程

2. 节点设计

• 设计开始节点的输入变量
• 规划 LLM 节点的提示词
• 确定代码执行逻辑
• 配置 HTTP 请求参数
• 设计输出格式

3. 流程连接

• 建立节点间的逻辑关系
• 配置变量传递
• 处理条件分支
• 确保流程闭环

4. DSL 生成

• 生成符合规范的 YAML 格式
• 配置唯一的节点 ID
• 设置合理的坐标位置
• 添加必要的依赖插件

5. 验证检查

• 检查 YAML 格式正确性
• 验证变量引用完整性
• 确认节点连接合理性
• 检查必填字段完整性

实际案例学习

基于 86+ 真实工作流案例的学习总结:

案例1: 图片 OCR 识别工作流

需求: 上传图片 → OCR 识别 → 提取文字

节点流程:
1. Start(file input) →
2. LLM(vision enabled, OCR) →
3. Answer(display result)

关键配置:
- Start 节点: type: file, allowed_file_types: [image]
- LLM 节点: vision.enabled: true, vision.configs.variable_selector 指向文件变量
- 系统提示词: "仅输出识别到的图片中的文字信息"

案例2: 文本生成 HTML 工作流

需求: 文本描述 → 生成HTML代码 → 保存为文件

节点流程:
1. Start(text input) →
2. LLM(generate HTML) →
3. Parameter Extractor(extract HTML code) →
4. Tool(md_exporter, save file) →
5. Answer(return file URL)

关键配置:
- LLM 提示词: "生成 HTML 程序，仅输出 HTML 代码"
- Parameter Extractor: 提取 HTML 代码块
- Tool: 使用 md_exporter 插件保存文件

案例3: 数据查询可视化工作流

需求: 用户问题 → SQL 查询 → 图表展示

节点流程:
1. Start(query input) →
2. LLM(generate SQL) →
3. HTTP Request(database API) →
4. Code(format data) →
5. LLM(generate chart HTML) →
6. Answer(display chart)

关键配置:
- LLM1: Text-to-SQL 生成
- HTTP: 调用数据库查询 API
- Code: 格式化 JSON 数据为图表数据格式
- LLM2: 生成 ECharts/Chart.js HTML

案例4: AI Agent 工作流

需求: 复杂任务 → Agent 自主规划 → 调用工具 → 返回结果

节点流程:
1. Start(task input) →
2. LLM(reasoning, with tools) →
3. Multiple Tool nodes(parallel) →
4. Variable Aggregator(collect results) →
5. LLM(summarize) →
6. Answer(final response)

关键配置:
- mode: agent-chat
- LLM 配置: 启用多个 tool
- Tool 并行执行: 多个 edges 从 LLM 指向不同 Tool
- Variable Aggregator: 聚合多个 Tool 的输出

常用提示词模板

Text-to-SQL

你是一个专业的 SQL 专家。根据用户的自然语言问题生成准确的 SQL 查询语句。

数据库schema:
{{#数据库结构#}}

用户问题: {{#sys.query#}}

要求:
1. 只输出 SQL 语句，不要有其他说明
2. 确保 SQL 语法正确
3. 使用合适的 JOIN 和 WHERE 条件

数据提取

从以下文本中提取指定信息:

文本内容:
{{#输入文本#}}

提取要求:
- 提取所有日期
- 提取所有人名
- 提取所有金额

以 JSON 格式输出:
{
  "dates": [],
  "names": [],
  "amounts": []
}

HTML 生成

根据用户需求生成完整的 HTML 页面。

需求: {{#用户需求#}}

要求:
1. 生成完整的 HTML 文档
2. 包含必要的 CSS 样式
3. 添加必要的 JavaScript 交互
4. 确保代码格式规范
5. 只输出 HTML 代码，不要 markdown 代码块标记

注意事项

必须遵守的规则

1. 唯一ID生成: 每个节点必须有唯一的 ID(建议使用时间戳: 1747991890414)
2. 变量引用格式: 必须使用 {{#节点ID.变量名#}} 格式
3. 节点类型匹配: edges 中的 sourceType 和 targetType 必须与节点实际类型一致
4. 必填字段: 不能省略 YAML 中的必填字段
5. YAML格式: 严格遵循 YAML 缩进规范(2空格)

常见错误避免

1. ❌ 变量引用错误: {{节点ID.变量}}
   ✅ 正确格式: {{#节点ID.变量#}}

2. ❌ 缺少节点连接: 节点孤立未连接
   ✅ 确保所有节点都在 edges 中有连接关系

3. ❌ ID 重复: 多个节点使用相同 ID
   ✅ 每个节点使用唯一 ID

4. ❌ Position 重叠: 多个节点坐标相同
   ✅ 合理规划节点位置，避免重叠

5. ❌ 依赖缺失: 使用插件但未在 dependencies 中声明
   ✅ 使用插件时必须添加对应的 dependency

输出格式

生成的 DSL 文件必须是完整的、可直接导入 Dify 的 YAML 格式:

app:
  # App 配置

dependencies:
  # 依赖列表

kind: app
version: 0.3.0

workflow:
  conversation_variables: []
  environment_variables: []
  features:
    # 功能配置
  graph:
    edges:
      # 连接关系
    nodes:
      # 节点定义

质量标准

合格标准(必达)

• ✅ YAML 格式正确，可以被解析
• ✅ 包含完整的 app、dependencies、workflow 配置
• ✅ 至少包含 start 和 answer 节点
• ✅ 节点间有正确的连接关系
• ✅ 变量引用格式正确
• ✅ 所有必填字段完整

优秀标准(建议)

• 🌟 提示词设计专业，符合业务需求
• 🌟 节点布局美观，逻辑清晰
• 🌟 包含适当的错误处理(if-else 判断)
• 🌟 使用合适的插件提升功能
• 🌟 代码执行节点健壮性强
• 🌟 变量命名语义化

触发关键词

自动触发 dify-dsl-generator skill 的关键词:
- "生成 Dify 工作流"
- "创建 Dify DSL"
- "Dify YML 文件"
- "工作流配置文件"

更新日志

v1.0.0 (2025-11-22)

• ✅ 初始版本
• ✅ 基于 86+ 真实案例学习
• ✅ 支持所有主要节点类型
• ✅ 完整的 DSL 生成能力
• ✅ 智能节点连接
• ✅ 规范格式输出

技术支持

参考资源:
- Dify GitHub: https://github.com/langgenius/dify
- DSL 案例仓库: https://github.com/wwwzhouhui/dify-for-dsl
- Dify 官方文档: https://docs.dify.ai