TextIn 赋能！Dify+DeepSeek 高效搭建新能源汽车销量可视化工作流

在数据驱动决策的时代，新能源汽车行业的销量数据分析成为市场研判、竞品对比的核心需求。但传统数据分析往往面临 "文档格式繁杂、数据提取低效、可视化步骤繁琐" 的痛点 ------ 图片、PDF 等多格式文档难以快速解析，销量数据需手动整理格式，柱状图生成需专业技能。为此，我们基于 Dify 平台，整合蓝耘 MaaS 平台的 DeepSeek-V3.2 大模型 与TextIn 文档解析插件，搭建了一套 "文档上传 - 数据提取 - 格式转换 - 图表生成" 全自动化工作流，无需复杂编程，即可快速输出中国大陆新能源汽车品牌销量柱状图，彻底解决传统数据分析的效率与门槛难题。

核心工具优势解析

蓝耘 MaaS 平台：高性能 LLM 的可靠承载底座

蓝耘 MaaS 是蓝耘的模型云服务，已经把 DeepSeek-V3.2 系列等模型上了平台，支持长上下文推理（不同部署的最大上下文差异大，部分变体可达数万 tokens 级别），适合处理跨页、带表格的销量报告。平台提供 OpenAI-兼容接口和控制台化的 API Key 管理（创建/停用/删除），便于在 Dify 等工作流中直接接入。

TextIn 插件：多格式文档的高效解析利器

TextIn（xParse）负责把各种文档（PDF、图片、Office 等）抽成结构化数据，调用时用 x-ti-app-id / x-ti-secret-code 做鉴权。它能识别复杂表格、跨页合并和图表要点，适合作为把"脏"报告变成干净表格/JSON 的前置工具。抽取后建议做一遍数值/格式校验再交给 LLM。

一、工作流核心目标与成果预览

本工作流旨在通过 Dify 平台实现新能源汽车销量数据的自动化处理与可视化，支持上传图片、PDF 等格式的文档（含本地文件上传与在线链接两种方式），经文档解析、数据提取、格式转换后，自动生成标准柱状图，直观呈现中国大陆新能源汽车品牌的销量对比情况。

成果展示

最终将输出标题为 "中国大陆新能源汽车品牌销量情况" 的柱状图，涵盖比亚迪、特斯拉中国、理想汽车等主流品牌，销量数据范围从 0 至 300 万 + 辆（如比亚迪 2,863,876 辆、某品牌 2,518,181.78 辆等），图表可直接用于数据汇报、行业分析等场景，无需手动调整格式。

二、前期准备：核心工具与配置说明

搭建工作流前需完成两项关键配置：LLM 模型（DeepSeek-V3.2）与 TextIn 文档解析插件，两者为数据处理的核心支撑。

配置 LLM 模型：蓝耘 MaaS 平台 DeepSeek-V3.2

模型选择依据

DeepSeek-V3.2 模型具备强大的中文处理能力、4096 字的上下文长度，可精准解析 CSV 格式数据并转换为 ECharts 所需的 JSON 结构，适配新能源汽车销量数据的格式转换需求（如去除千位分隔符、处理缺失值）。

详细配置步骤

1.登录 Dify 平台，点击右上角头像，在下拉菜单中选择 "设置"；

2.进入设置页面后，找到 "模型供应商" 模块，选中 "OpenAI-API-compatible" 并保存；

3.登录蓝耘 MaaS 平台，进入 "API KEY 管理" 页面，复制已创建的有效 API Key；

4.返回 Dify 模型配置页面，点击 "编辑模型凭据"，按以下要求填写参数：

凭据名称：DeepSeek-V3.2（自定义，便于识别）
模型显示名称：DeepSeek-V3.2
API Key：粘贴从蓝耘 MaaS 平台获取的 API Key
API endpoint URL：https://maas-api.lanyun.net/v1（蓝耘 MaaS 平台固定接口地址）
对话类型：选择 "对话"
模型上下文长度 / 最大 token 上限：均设置为 4096（匹配模型原生支持的长度）

5.填写完成后保存，完成 LLM 模型接入。

配置 TextIn 文档解析插件

TextIn 插件支持解析图片、PDF 等多种格式的文档，可从上传的文件中提取新能源汽车销量数据（如 CSV 格式的品牌、销量信息），为后续 LLM 处理提供原始数据。

详细配置步骤

1.进入 Dify 平台 "插件" 模块，搜索 "TextIn"，选择对应官方插件并点击 "安装"；

2.登录TextIn工作台（需提前注册账号），进入 "账号与开发者信息" 页面，获取核心凭证：

x-ti-app-id：账号专属应用 ID
x-ti-secret-code：账号安全密钥（与 API Key 同理，需保密）

3.返回 Dify 插件配置页面，找到已安装的 TextIn 插件，将获取的 x-ti-app-id 和 x-ti-secret-code 填入对应字段；

4.补充其他参数：支持传入图片、PDF 等文件的在线链接地址，或直接关联本地文件上传入口；

5.保存配置，完成 TextIn 插件激活（可通过 "测试连接" 验证插件是否正常工作）。

三、五步搭建完整工作流

第一步：设置输入变量（支持双重上传方式）

配置目的

为满足不同用户的使用场景，支持 "本地文件上传" 和 "在线链接上传" 两种方式，需在 "开始" 节点定义对应的输入变量。

具体操作

进入 Dify 工作流编辑页面，选中 "开始" 节点；
在输入变量设置中，添加两项核心参数：
1. 变量 1：(x) mdata File（接收本地文件上传，类型选择 "Array [File]"）
2. 变量 2：(x) mdata（接收在线链接，类型选择 "字符串"）
标记两项变量为 "必填"，确保用户提交数据时无遗漏。

示意图说明

该步骤对应的示意图展示了 "开始" 节点的变量配置界面，明确了文件和链接两种输入方式的变量名称及类型，便于用户按提示上传数据。

第二步：添加文档提取器（提取原始销量数据）

配置目的

通过 TextIn 插件解析用户上传的文档（文件或链接），提取其中的新能源汽车销量数据（如 CSV 格式的 "品牌""累计销量（辆）" 字段），转化为 LLM 可识别的文本格式。

具体操作

在 "开始" 节点后添加 "文档提取器" 节点，选择已配置的 TextIn 插件；
输入变量关联：将 "开始" 节点的(x) mdata File和(x) mdata变量关联至文档提取器的 "输入变量" 字段；
配置输出变量：设置输出变量为(x) text，用于存储提取后的文本格式数据（如 CSV 字符串）；
开启 "失败时重试" 功能，设置重试次数为 2 次，提升数据提取的稳定性。

示意图说明

示意图展示了文档提取器的配置界面，清晰呈现了输入变量与 "开始" 节点的关联关系，以及输出变量的定义，确保提取后的数据能准确传递至下一节点。

第三步：配置 LLM 模型（数据格式转换）

配置目的

通过 DeepSeek-V3.2 模型，将文档提取器输出的原始数据（如 CSV 格式）转换为 ECharts 柱状图所需的标准 JSON 结构，明确 x 轴（品牌）和 y 轴（销量）的数据规则。

具体操作

1.在 "文档提取器" 节点后添加 "LLM" 节点，选择已配置的 "DeepSeek-V3.2 CHAT" 模型；

2.输入变量关联：将文档提取器的(x) text变量作为输入，即文档提取器/(x) text；

3.编写精准提示词（核心配置）：

复制代码

请将以下CSV格式的新能源汽车销量数据{{#1758518441631.text#}}转换为指定格式的JSON结构，用于柱状图可视化。具体要求如下：

1. 提取"品牌"字段作为横坐标（xAxis.data），按原顺序排列
2. 提取"累计销量（辆）"字段作为纵坐标数据（series.data），注意：
   - 销量数据中包含逗号分隔符（如"2,863,876"），请先去除逗号再转换为数字
   - 如遇数据缺失（如哪吒汽车、小米汽车），使用 null 值
3. 生成如下标准ECharts配置格式：
```json
{
  xAxis: {
    type: 'category',
    data: ['品牌1', '品牌2', ...]
  },
  yAxis: {
    type: 'value'
  },
  series: [{
    data: [数值1, 数值2, ...],
    type: 'bar'
  }]

4.配置输出变量：设置输出变量为(x) echardata，存储转换后的 JSON 格式数据。

示意图说明

示意图展示了 LLM 节点的配置界面，包括模型选择、输入变量关联、提示词编辑框等核心区域，明确了提示词的格式和要求，确保模型能精准输出 ECharts 所需数据。

第四步：添加参数提取器（分离 x 轴与 y 轴数据）

配置目的

将 LLM 输出的 JSON 数据拆分为 x 轴（品牌名称）和 y 轴（销量数值）两类独立数据，便于柱状图节点直接调用，避免数据格式混淆。

具体操作

并行添加两个 "参数提取器" 节点，分别命名为 "参数提取器 - 圆柱数据"（处理 y 轴）和 "参数提取器 - X 轴数据"（处理 x 轴）；
两个节点的输入变量均关联 LLM 的(x) echardata变量；

分别编写提取指令：

圆柱数据提取器（y 轴）：

复制代码

任务1：提取JSON格式数据中的series.data数据值，返回float类型数据，多个数值之间用";"分隔（格式：数值1;数值2;...）；
任务2：若数据中存在null值，自动转换为0；
任务3：确保输出仅包含数值和分隔符，无其他多余字符。

X 轴数据提取器（x 轴）：

复制代码

提取JSON格式数据中的xAxis.data值，返回字符串类型，多个品牌名称之间用";"分隔（格式：'品牌1';'品牌2';...）；
要求：保留品牌名称的原始字符，不得修改或简化。

配置输出变量：
1. 圆柱数据提取器输出：(x) seriesData
2. X 轴数据提取器输出：(x) xAxisData

示意图说明

示意图展示了两个参数提取器的配置界面，包括提取指令编辑框、输入变量关联、输出变量定义等，明确了数据提取的格式要求，确保拆分后的数据可直接用于柱状图生成。

第五步：配置柱状图与直接回复（可视化呈现）

配置目的

将拆分后的 x 轴和 y 轴数据整合，生成标准柱状图，并通过 "直接回复" 功能向用户展示可视化结果。

具体操作

在两个参数提取器节点后添加 "柱状图" 节点；
输入变量关联：
1. 标题：填写 "中国大陆新能源汽车品牌销量情况"（可自定义修改）；
2. 数据（y 轴）：关联 "参数提取器 - 圆柱数据" 的(x) seriesData变量（数值之间用 ";" 分隔）；
3. x 轴：关联 "参数提取器 - X 轴数据" 的(x) xAxisData变量（品牌名称之间用 ";" 分隔）；
开启 "直接回复" 功能，设置回复格式为 "图表 + 文字说明"，文字说明可自定义（如 "以下为中国大陆新能源汽车品牌销量柱状图，数据来源于您上传的文档"）；
配置异常处理：选择 "无"（若前面节点已配置重试机制，此处可简化处理）。

示意图说明

示意图展示了柱状图节点的配置界面，清晰呈现了标题、x 轴、y 轴数据的关联来源，以及直接回复功能的开启状态，确保最终能向用户输出直观的可视化图表。

四、工作流优势与注意事项

核心优势

多格式兼容：支持图片、PDF 等文档的本地上传和在线链接上传，适配多种数据存储场景；
自动化程度高：从数据提取、格式转换到图表生成全程无需手动干预，大幅提升数据处理效率；
数据精准性强：通过 LLM 提示词约束和参数提取器规则，确保销量数据格式统一（去除逗号、处理缺失值），图表生成无误差；
易上手操作：所有配置步骤均基于可视化界面，无需编写复杂代码，适合非技术人员使用。

注意事项

安全保密：API Key、x-ti-app-id、x-ti-secret-code 等凭证具有账号完全权限，需妥善保存，严禁公开分享或上传至公共平台；
文档格式要求：上传的文档需包含 "品牌" 和 "累计销量（辆）" 字段，数据格式建议为 CSV 或表格类结构，避免无规则文本导致提取失败；
数据范围提示：销量数据若超过 4096 字符（模型上下文长度），建议拆分文档上传，确保 LLM 能完整处理；
异常排查：若图表生成失败，可依次检查文档提取是否成功、LLM 输出的 JSON 格式是否标准、参数提取器指令是否正确，或通过 "查看缓存" 功能定位问题。

五、总结

本工作流通过 Dify 平台整合 TextIn 文档解析插件与 DeepSeek-V3.2 LLM 模型，构建了一套 "上传 - 提取 - 转换 - 可视化" 的全流程自动化方案，可快速处理新能源汽车销量数据并生成专业柱状图。无论是汽车行业从业者进行市场分析，还是数据分析师整理汇报材料，都能通过该工作流大幅节省手动处理数据的时间，提升工作效率。后续可根据需求扩展功能，如支持更多数据格式（Excel、Word 表格）、添加数据筛选条件、生成多维度图表（折线图、饼图）。