企业官网建设流程全解析

5 分钟导入并跑通 40+ 个 AI 工作流：Dify 低代码 AI 自动化完全实操指南

【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-Workflow

手动翻译文档、跑数据报表、整理知识库，重复劳动占了大半时间？Awesome-Dify-Workflow 是一个开源的 Dify 工作流 DSL 合集，收录了 40 多个可直接导入的 AI 自动化模板，覆盖翻译、数据分析、知识库问答、聊天机器人等场景，导入 Dify 即用，不需要自己搭画布。

一个可以直接导入的 Dify 工作流 DSL 合集

这个仓库只做一件事：把成熟的 Dify 工作流沉淀成 DSL 文件（YAML）。DSL/ 目录里的每个文件都是一个完整工作流，包含输入变量、LLM 提示词、分支逻辑和输出节点，README 按更新时间和功能分类，每个文件配一句描述和参考截图。它和一般教程集的区别在于：所有模板均可直接导入，且大部分不配置付费模型就能跑通。导入后你可以把工作流发布为工具、嵌入 ChatBot 流程，或对外暴露 API 调用。

图：Dify Studio 顶部应用列表中的"Import DSL file"入口，所有模板都从这里进入你的工作区

🚀 5 分钟跑通第一个 Dify 工作流

以中译英工作流（中译英.yml）为例，共三步。

Step 1：克隆仓库，复制目标模板的 Raw 链接。

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

在代码仓库中打开 DSL/ 目录下任意一个 yml 文件，点击右上角 Raw 按钮，选择"Copy Link Address"复制链接。

图：中译英.yml 文件页面，点击 Raw 后复制链接即得到可导入的 DSL 地址

Step 2：在 Dify 中导入 DSL 文件。

登录 Dify 账号（云端或本地部署均可），在应用列表点击"导入 DSL 文件"，弹窗中切到"From URL"标签，粘贴刚才复制的链接，点 Create。文件已下载到本地的话，也可以用"From DSL file"标签直接上传。

图："Import from DSL"对话框，选择 From URL 并粘贴 DSL 地址后点击 Create

Step 3：配置模型并运行。

模板引用的模型（如 deepseek-chat）你的账号里默认没有。进入设置 → 模型供应商，选择对应厂商填入 API-KEY；或者直接在 LLM 节点里换成你已有的模型。配置完成后，在右侧"运行"面板输入一段中文，点运行。

图：模型供应商设置页，deepseek 已绑定 API-KEY 并启用两个模型

成功标志：工作流画布各节点边框全部变绿，右侧面板输出对应语言的翻译结果——说明导入、模型、节点连接全部正常。

两个典型场景实战：文档翻译与 CSV 数据分析

中译英三步翻译：适合要发英文内容的技术作者

处理链路：

中文原文 → LLM（直译 → 反思 → 意译 三段提示词）→ 英文结果

关键在于系统提示词的三段式设计：先直译保信息完整，再反思检查术语和句式问题，最后意译润色语气。用之前，你要把原文丢给单次 LLM 翻译，再手动修 Chinglish 和生硬句式，一篇 2000 字的文档来回 1 小时起步；用之后，输入原文约 1 分钟出结果，语气接近英文社区的自然表达。

图：中译英.yml 工作流画布，右侧面板是完整的三步翻译系统提示词

LLM + Sandbox 分析 CSV：适合不写 Python 的数据岗

处理链路：

CSV 文件 + 自然语言问题 → 获取文件路径 → 读取 CSV → LLM 生成分析代码 → Sandbox 执行 → 输出结果

以"帮我看下三分球最多的前 3 个人"为例：以前要自己写 pandas 代码或导出 Excel 手动筛选；现在直接提问，流程自动生成并执行代码，右侧面板直接返回答案。注意代码节点无法直接引用 LLM 输出，这个模板用 HTTP 请求把代码转给 Sandbox 执行，这个绕法值得在自己的流程里复用。

图：数据分析示例流程，上传 CSV 并在右侧运行面板输入自然语言问题后执行

进阶：MCP 外部工具调用与 Artifact 可视化渲染

MCP（Model Context Protocol）让 Agent 节点能调用外部服务工具。仓库里的 MCP-amap.yml 以高德地图 MCP 在线服务为例：注册开发者账号拿到免费 Key，替换模板中的 MCP 服务器地址，就能在对话里问"查下上海的天气"，Agent 自动调用接口返回天气预报。适合给流程加地图、天气等外部能力，又没空写集成代码的场景。

Artifact 是另一个亮点：它是一个 Extension 插件，把 LLM 生成的 HTML/Canvas 渲染成真正的可交互界面，搭配仓库里的 Artifact.yml，输入"规划一个上海一日游"，输出不是文字而是一张排好版面的行程卡片。在 Dify 插件市场安装对应插件，按模板说明配置即可生效。

图：MCP 工作流的 Agent 节点配置，右侧预览面板是高德 MCP 返回的上海天气预报

⚠️ 五个高频坑与解法

• Sandbox 报operation not permitted，pandas、matplotlib 用不了。官方 Sandbox 是受限环境，默认装不了任意依赖。换作者维护的 dify-sandbox-py 镜像（预装常用数据分析库），或把依赖写进/docker/volumes/sandbox/dependencies/python-requirements.txt后重启 sandbox 容器。
• 知识库问答输出 Markdown，图片显示为空白。不是语法问题，是图片源不支持跨域访问。换用允许跨域的图片托管，或参考 DSL/图文知识库/ 示例里对远程图片链接的处理方式。
• 节点间传递字符串提示"超出限制"。变量长度有默认上限。在.env里把CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH改成1000000，重启容器生效。
• 导入后工作流跑不起来，提示找不到模型。模板引用的模型（如 deepseek-chat）你的 Dify 里没有。去模型供应商补对应 API-KEY，或把 LLM 节点逐个换成已有模型。
• 长流程跑得慢甚至超时。常见原因是串行 LLM 节点太多、输出太长。缩短提示词、限制中间节点的输出长度、中间步骤换便宜模型，并利用 Dify 新版支持的多任务并行把独立分支拆开跑。

这个仓库是低代码 AI 自动化的起点：40+ 模板覆盖翻译、数据、知识库、Agent 场景，导入后改参数即可定制。克隆仓库 → 挑一个 yml → 导入跑一遍，今晚就能用上。

提示：README 的常见问题一节覆盖了 Docker 镜像源、大文件上传限制、PDF 乱码等高频问题，卡住时先查那里再提问。

【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