dify案例分享-手把手教你打造 Markdown 转 Word 自定义智能体

1.前言

​ 很多小伙伴之前和我提过想实现dify聊天历史记录一键保存文档word等文档。我们知道目前很多大语言模型是天然支持markdown文档的。也就是聊天对话的内容是可以让打语言模型输出markdown语法格式的文件内容的。那么我们在聊天对话中让他调用生成word一个插件是不是就能够实现word保存功能呢？

​ OK 我们基于整个思路在dify市场上找到了一款markdown转word插件，接下来我们用他们来实现这个功能。

2.markdown转word插件

dify 在1.0+的版本增强了插件市场功能，有更多丰富的插件来实现功能的扩展。我们在marketplace 搜到 doc

点击这个插件就可以完成插件的安装了。

插件安装

我创建一个AI 智能体

​ 按照上面1、2、3步骤完成智能体的创建。

​ 我们在左下角工具添加-doc插件

​

模型这里我们选择火山引擎的deekseek-v3模型，这里要注意不是所有的模型都支持function call，需要模型具有function call的功能，而且最好选择大一点尺寸模型，太小模型不聪明调动 AI Agent是出问题。

插件使用

我在聊天对话窗口中输入如下内容：

请帮我写一个儿童故事绘本关于白雪公主和七个小矮人的故事，内容markdownn格式显示，最后调用doc markdownn转word工具生成word

智能体会更加我们要求生成markdownn格式的内容，并调用智能体工具doc 生成word文档

不错，已经按照我要求生成word文档了，我们点击文档下载。

报错了， 这里不知道哪里出了问题。文档是生成了，但是就是不能提供下载。

我们在容器挂载文件中找一下是否生成文档了。

在文件目录

E:\tmp\dify-1.1.2\docker\volumes\app\storage\tools\2c121f2b-08dd-463a-bfc1-1216481c7311

目录下找到刚才生成好的文档

我们打开这个文档，看一下内容是否是刚才生成的内容。

OK 也是没有问题的。不过文档下载不了。不知道哪个地方有问题。感觉这样能看不能用啊。

接下来我不死心，不行我增加用代码实现一个这样的插件功能呢？好吧带着这个想法我们就开始开干了。

3.自己开发doc插件

我们通过上面插件了解，这里我们可以分2步走。第一步我们先使用工作流制作一个带有markdown转word的工作流。第二步在使用ai agent配置这个自定义发布的工作流。

markdown转word的工作流制作

我们点击创建应用，这里我们选择workflow

按照上面1、2、3、4步骤完成工作流创建。

这个工作流我们有3个部分组成，开始节点、http请求、结束

开始

开始节点比较简单就是使用markdwon文档内容的，我们这里使用段落作为文本输入

HTTP 请求

这个地方我们需要调用一个后端服务来处理markdown转word代码。我先看一下http请求设置

请求方式post 地址 http://172.35.5.63:8089/office/word/convert 这个是我们服务端接口地址（这里是我本机电脑地址）

body部分就是开始节点传入的llm_str内容（可以理解就是markdown格式内容）

服务端代码实现

md_to_docx_server.py

from fastapi import FastAPI, HTTPException, Request
from fastapi.responses import FileResponse
from spire.doc import Document, FileFormat
import os
import time
import logging
from pydantic import BaseModel

app = FastAPI(title="Markdown to Word Converter")

# 设置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
class MarkdownContent(BaseModel):
    content: str

# 获取当前程序运行目录并创建必要的目录
current_dir = os.path.dirname(os.path.abspath(__file__))
temp_dir = os.path.join(current_dir, 'temp')
output_dir = os.path.join(current_dir, 'output')
os.makedirs(temp_dir, exist_ok=True)
os.makedirs(output_dir, exist_ok=True)

@app.post("/office/word/convert")
async def convert_md_to_docx(request: Request):
    logger.info('Received request for /convert')
    content = await request.body()
    if not content:
        logger.error('No content part in the request')
        return JSONResponse(content={"error": "No content part"}, status_code=400)

    content = content.decode('utf-8')
    if content == '':
        logger.error('No content provided')
        return JSONResponse(content={"error": "No content provided"}, status_code=400)
    
    # 从请求的内容中读取
    mdfile_name = str(int(time.time())) + ".md"
    md_file_path = os.path.join(temp_dir, mdfile_name)
    with open(md_file_path, 'w', encoding='utf-8') as f:
        f.write(content)

    # 创建文档实例
    doc = Document()

    # 从上传的文件加载Markdown内容
    doc.LoadFromFile(md_file_path, FileFormat.Markdown)
    
    # 将Markdown文件转换为Word文档并保存
    file_name = str(int(time.time())) + ".docx"
    output_path = os.path.join(output_dir, file_name)
    doc.SaveToFile(output_path, FileFormat.Docx)

    # 释放资源
    doc.Dispose()
    
    # 清理临时文件
    if os.path.exists(md_file_path):
        os.remove(md_file_path)

    # 返回文件的下载链接
    base_url = str(request.base_url)
    download_url = base_url + 'office/word/download/' + os.path.basename(output_path)
    print(download_url)
    return {"download_url": download_url}

@app.get("/office/word/download/{filename}")
async def download_file(filename: str):
    file_path = os.path.join(output_dir, filename)
    if not os.path.exists(file_path):
        raise HTTPException(status_code=404, detail="File not found")
    return FileResponse(file_path, filename=filename)

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8089)

结束

这个地方也比较简单就是http请求body输出的部分

写好这个接口后我们可以先用客户端测试代码或者postman验证测试一下.（客户端测试代码我们会上传github 文章末尾可以获取地址）

服务端启动后，我们使用postman调用 能够返回url

并且这个URL 可以打开连接地址下载，说明我们服务端接口代码是可以对外提供服务的。

当然在服务端代码downloads文件夹也能找到生成的docx文件。这里我们就不做详细展开。

markdown转word的工作流发布

上述测试完成OK 了，我们可以把这个工作流发布成工具。

发布完成后我们在工具-工作流就能找到这个自定义的工作流

以上我们就完成了工作流发布成工具的操作了。

4.markdown转word自定义智能体

自定义智能体制作

回到工作流工作台我们创建一下ai 智能体，这个步骤和前面的创建一个AI 智能体一样

我们在编排里面填写系统提示词

## 角色
你是一个文档专家，专门帮助用户编写和生成各类Word格式的文档。
## 任务
1.你根据用户的要求尽可能的编写文档，最后输出以Markdown作为最终内容的输出。
2.调用 Word_Http_Post 工具，将最终输出的Markdown内容传入到 llm_r 参数。
3.最后直接向用户输出你从 Word_Http_Post 工具获取到的下载链接。
## 技能
生成word文档并获取下载链接工具：Word_Http_Post。

上面就是利用提示词告诉AI 需要调用我们自定义的这个工具相关要求。

在工具一栏我们添加我们刚才的自定义的工作流

接下来和前面一样我们选择一个带有function call 火山引擎的deekseek-v3模型。

智能体测试及验证

我们输入一下提示词。

请帮我写一个儿童故事绘本小马过河的故事，内容markdown格式显示，最后调用文生Word_Http_Post工具生成word

​ 我们点击这个链接下载

​

打开后确实生成的我们要的"小马过河的故事" word.

以上我们就完成了自定义AI agent使用markdown生成word的智能体了。

项目体验地址dify.duckcloud.fun/chat/G1ZnSz...

5.感谢

非常感谢jenal 提供的关于markdown转word代码和工作流，基于以上内容我才有思路写这个工作流的文章。

相关资料和文档可以看我开源的项目 github.com/wwwzhouhui/...

6.总结

今天，我主要带大家探索了如何实现 Dify 聊天历史记录一键保存为 Word 文档的功能。我们尝试使用 dify 市场上的 markdown 转 word 插件来完成这一任务。通过在 dify 中创建 AI 智能体，并添加相应插件，让智能体根据要求生成 markdown 格式内容并调用插件生成 Word 文档。然而，虽然文档成功生成，但在下载环节出现了问题，虽能在容器挂载文件中找到生成的文档，但无法直接下载使用。

后面我们自己开发 doc 插件。解决了上面下载的问题，本次文章我们也实现了AI agent和工作流整合的一个案例，帮助大家更好的学习dify工作流以及发布工作流功能。今天的分享就到这里。感兴趣的小伙伴可以参考文章内容，自己动手尝试实现 Dify 聊天记录保存为 Word 文档的功能。期待我们在下一篇文章中再见！