Dify Workflow 是一种新推出的 AI 工作流程工具，旨在帮助大语言模型（LLMs）的应用能更好地落地生产。它通过允许构建具有多步骤逻辑的工作流程，解决了依靠单一 prompt 构建复杂逻辑应用类型的不足。
Workflow 提供了一个视觉画布，用于将复杂任务定义为更小、可管理的步骤（节点）。这减少了对提示工程和 LLM 代理能力的依赖，通过让您控制，将您的 LLM 应用的稳定性和可复现性提升到新的水平。
Dify Workflow 的核心特色包括一个直观的拖放界面，支持多种核心节点，如选择大型语言模型、工具、意图分类器、知识检索、代码执行和条件逻辑等。它还具备灵活的节点配置、与 Dify 生态系统的无缝集成、强大的调试和测试功能，以及开放性支持 DSL 导入导出，为用户提供了一个功能强大且灵活的工具，以便将 AI 集成进复杂的业务流程中。
解决了什么问题？
-
复杂逻辑构建的挑战： 在开发基于 LLM 的应用时，构建包含复杂逻辑的应用通常需要复杂的提示设计和管理，Dify Workflow 通过多步骤的工作流程设计，简化了这一过程。
-
应用的稳定性和可复现性： 传统的基于单一提示的 LLM 应用，其输出的不确定性和可变性较高。Dify Workflow 通过允许用户精细控制每一步的逻辑和输出，提高了应用的稳定性和可复现性。
-
集成复杂业务逻辑： 在企业级应用中，往往需要将 AI 功能与复杂的业务逻辑结合。Dify Workflow 使得集成这些逻辑成为可能，无需编写大量的自定义代码。
有什么功能？
-
直观的拖放界面： 用Dify Workflow 的核心是一个简单直观的拖放界面，用户可以通过连接不同的节点在一个无限的画布上构建他们的 Workflow，使得构建工作流程既直观又方便。并可将轻松其部署为独立应用或与API集成。
-
多步骤逻辑构建： 允许用户通过定义一系列的步骤（节点）来构建复杂的工作流程，每个步骤都可以具有不同的逻辑和输出。超越了依赖单一 prompt 的限制，提高了应用的复杂性和可靠性。
-
核心节点支持： 支持多种核心节点类型，包括大型语言模型（LLM）、工具、意图分类器、知识检索、代码执行、条件逻辑等，满足不同应用场景的需求。
支持多种核心节点，包括：- LLM 节点： 选择任意一个主流的大型语言模型，并定义它的输入和输出。
- 工具节点： 使用内置的和自定义的工具来扩展 workflow 的功能。
- 意图分类器： 让 LLM 对用户的输入进行自动分类，根据不同的类别进行工作流转。
- 知识检索： 为 LLMs 挂载来自现有知识库的上下文数据。
- 代码节点： 执行自定义的 Python 或 Node.js 代码。
- If/Else 块： 定义条件逻辑以创建分支的 Workflows。
-
Workflow 和 Chatflow 应用类型： 提供了两种工作流应用类型，分别针对自动化/批处理任务和对话式应用，如客户服务和语义搜索等。
-
应用的灵活配置和扩展： 每个节点都是可配置的，允许用户根据自己的需要来自定义 Workflow。用户可以为每个节点定义输入和输出，以确保工作逻辑和数据流动符合预期。
-
强大的调试和测试工具： 集成了强大的调试和测试工具，使得用户可以端到端测试他们的 Workflows，确保应用程序的行为符合预期。用户还可以单独测试每个节点，以快速定位并解决问题。
-
与 Dify 生态系统的无缝集成： Workflow 完美融入 Dify 生态系统，为所有内置和自定义工具提供了原生支持，确保用户可以充分利用 Dify 平台的全部能力。
-
开放性： 支持 DSL (Domain Specific Language) 导入导出，通过 DSL，用户可以轻松地导出和导入 Workflows，方便在系统之间移动和自定义 Workflow。
Workflow 应用类型：
-
- 针对自动化和批处理的 Workflow 应用： 这适用于翻译、数据分析、内容生成、电子邮件自动化等。
- 聊天流应用（Chatbot 的子类型）： 适用于需要多步逻辑来构建响应的对话式应用，如客户服务、语义搜索等。与常规的 Workflow 应用类型相比，Chatflow 添加了聊天特定的功能，如对话历史支持（记忆）、标记回复、用于流式响应的答案节点类型以及对富文本和图像的支持。
Workflow”现已同时在云端和开源版本中提供。详细介绍：https://dify.ai/blog/dify-ai-workflow
GitHub：https://github.com/langgenius/dify
- 针对自动化和批处理的 Workflow 应用： 这适用于翻译、数据分析、内容生成、电子邮件自动化等。
