工作流（Workflow）—— 可视化 AI 应用编排

超爱柠檬2026-03-27 9:26

工作流平台让 AI 应用开发从代码编写转变为可视化编排，大大降低了开发门槛。

4.1 工作流平台对比

平台 定位 特点 适用场景 Stars
n8n 通用自动化 开源、400+ 节点、自托管 IT 自动化、数据管道 50k+
Dify AI 原生应用 RAG、Agent、工作流一体化 AI 应用开发 50k+
Flowise LLM 可视化 低代码、拖拽式 快速原型 35k+
LangFlow LangChain 可视化 与 LangChain 无缝集成 开发者友好 40k+

平台选型决策树

复制代码 
┌─────────────────────────────────────────────────────────┐
│                  工作流平台选型                          │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  主要需求是什么？                                        │
│       │                                                 │
│       ├── AI 应用开发 ──▶ 需要企业级功能？              │
│       │                      │                          │
│       │                      ├── 是 ──▶ Dify           │
│       │                      │                          │
│       │                      └── 否 ──▶ Flowise        │
│       │                                                 │
│       ├── 通用自动化 ──▶ n8n                           │
│       │                                                 │
│       └── LangChain 可视化 ──▶ LangFlow               │
│                                                         │
└─────────────────────────────────────────────────────────┘

4.2 Dify 深度解析

架构概览

复制代码 
┌─────────────────────────────────────────────────────────┐
│                     Dify 架构                            │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐    │
│  │  工作流编排  │  │  知识库管理  │  │  应用管理   │    │
│  └─────────────┘  └─────────────┘  └─────────────┘    │
│         │               │                │             │
│         └───────────────┴────────────────┘             │
│                         │                               │
│  ┌──────────────────────▼──────────────────────┐       │
│  │              核心引擎                        │       │
│  │  • LLM 调度   • RAG Pipeline              │       │
│  │  • 工具调用   • 变量管理                  │       │
│  └─────────────────────────────────────────────┘       │
│                         │                               │
│  ┌──────────────────────▼──────────────────────┐       │
│  │              数据层                          │       │
│  │  PostgreSQL  │  Redis  │  Vector DB        │       │
│  └─────────────────────────────────────────────┘       │
└─────────────────────────────────────────────────────────┘

工作流节点类型

yaml 复制代码 
节点类型:
  基础节点:
    - 开始节点: 工作流入口，定义输入变量
    - 结束节点: 工作流出口，定义输出格式

  LLM 节点:
    - 大模型调用: 调用 GPT/Claude/Gemini 等
    - 参数: model, prompt, temperature, max_tokens

  知识库节点:
    - 知识检索: 从向量库检索相关内容
    - 参数: dataset_id, query, top_k, score_threshold

  工具节点:
    - HTTP 请求: 调用外部 API
    - 代码执行: 运行 Python/JavaScript
    - 内置工具: 天气、搜索、计算器等

  逻辑节点:
    - 条件分支: if-else 判断
    - 迭代: 循环处理数组
    - 并行: 多任务同时执行

  变换节点:
    - 变量聚合: 合并多个变量
    - 模板转换: 格式化输出
    - 变量读取: 提取 JSON 字段

Dify 应用类型

类型 说明 适用场景
聊天助手 多轮对话应用 客服、咨询
文本生成 单次文本生成 内容创作、翻译
Agent 自主决策执行 复杂任务自动化
工作流 编排式应用 业务流程自动化

4.3 实战案例：智能合同审查工作流

业务场景

构建一个合同审查工作流，实现：

  1. 合同文本解析（PDF → 文本）
  2. 关键条款提取（LLM 分析）
  3. 风险点识别（知识库 + 规则）
  4. 生成审查报告（模板渲染）

工作流设计

markdown 复制代码 
开始 ──▶ 文档解析 ──▶ 条款提取 ──▶ 知识检索 ──▶ 风险分析 ──▶ 报告生成 ──▶ 结束
                                            │
                                            ▼
                                        规则引擎

Dify 工作流 DSL 配置

yaml 复制代码 
# contract_review_workflow.yaml
app:
  mode: workflow
  name: 智能合同审查

workflow:
  graph:
    nodes:
      # 开始节点
      - id: start
        type: start
        data:
          variables:
            - variable: contract_file
              type: file
              label: 合同文件
              required: true
            - variable: contract_type
              type: select
              label: 合同类型
              options:
                - 销售合同
                - 服务合同
                - 劳动合同
                - 其他

      # 文档解析节点
      - id: document_parser
        type: code
        data:
          code_language: python3
          code: |
            import pdfplumber
            import json

            def main(contract_file):
                """解析合同文件"""
                text = ""
                with pdfplumber.open(contract_file) as pdf:
                    for page in pdf.pages:
                        text += page.extract_text() or ""

                return {
                    "content": text,
                    "page_count": len(pdf.pages)
                }
          variables:
            - variable: contract_file
              value_selector: ["start", "contract_file"]

      # 条款提取节点
      - id: clause_extractor
        type: llm
        data:
          model:
            provider: openai
            name: gpt-4
            completion_params:
              temperature: 0.1
              max_tokens: 4000
          prompt:
            type: template
            template: |
              你是一位资深法务专家，请分析以下合同文本，提取关键条款。

              合同类型：{{contract_type}}
              合同内容：
              {{document_content}}

              请以 JSON 格式输出以下条款：
              1. contract_parties: 合同双方信息
              2. contract_amount: 合同金额
              3. contract_period: 履行期限
              4. breach_clause: 违约条款
              5. dispute_resolution: 争议解决方式
              6. special_terms: 特殊条款

              输出格式：
              ```json
              {
                "contract_parties": {...},
                "contract_amount": {...},
                ...
              }
yaml 复制代码 
      variables:
        - variable: contract_type
          value_selector: ["start", "contract_type"]
        - variable: document_content
          value_selector: ["document_parser", "content"]

  # 知识检索节点
  - id: knowledge_retrieval
    type: knowledge-retrieval
    data:
      dataset_ids: ["legal_knowledge_base_id"]
      query_selector: ["document_parser", "content"]
      retrieval_mode: hybrid  # 关键词 + 向量
      top_k: 5
      score_threshold: 0.7

  # 风险分析节点
  - id: risk_analyzer
    type: llm
    data:
      model:
        provider: openai
        name: gpt-4
      prompt:
        type: template
        template: |
          作为法律风险顾问，请基于以下信息分析合同风险。

          ## 提取的条款
          {{clauses}}

          ## 相关法律知识
          {{knowledge}}

          ## 合同类型
          {{contract_type}}

          请识别以下风险并评分（高/中/低）：

          1. 法律合规风险
             - 评估依据
             - 风险等级
             - 建议措施

          2. 商业风险
             - 评估依据
             - 风险等级
             - 建议措施

          3. 操作风险
             - 评估依据
             - 风险等级
             - 建议措施

          输出为 JSON 格式。
      variables:
        - variable: clauses
          value_selector: ["clause_extractor", "text"]
        - variable: knowledge
          value_selector: ["knowledge_retrieval", "result"]
        - variable: contract_type
          value_selector: ["start", "contract_type"]

  # 报告生成节点
  - id: report_generator
    type: template-transform
    data:
      template: |
        # 合同审查报告

        ## 一、基本信息

        | 项目 | 内容 |
        |------|------|
        | 合同类型 | {{contract_type}} |
        | 页数 | {{page_count}} |
        | 审查时间 | {{current_time}} |

        ## 二、条款摘要

        {{clauses_summary}}

        ## 三、风险分析

        {{risk_analysis}}

        ## 四、审查建议

        {{recommendations}}

        ---
        *本报告由 AI 合同审查助手生成，仅供参考，不构成法律意见。*
      variables:
        - variable: contract_type
          value_selector: ["start", "contract_type"]
        - variable: page_count
          value_selector: ["document_parser", "page_count"]
        - variable: clauses_summary
          value_selector: ["clause_extractor", "text"]
        - variable: risk_analysis
          value_selector: ["risk_analyzer", "text"]

  # 结束节点
  - id: end
    type: end
    data:
      outputs:
        - variable: report
          value_selector: ["report_generator", "output"]

# 连接边
edges:
  - source: start
    target: document_parser
  - source: document_parser
    target: clause_extractor
  - source: clause_extractor
    target: knowledge_retrieval
  - source: knowledge_retrieval
    target: risk_analyzer
  - source: risk_analyzer
    target: report_generator
  - source: report_generator
    target: end
yaml 复制代码 
---

## 4.4 n8n：通用自动化平台

### 核心优势

| 特性 | 说明 |
|------|------|
| **开源免费** | 可自托管，数据完全掌控 |
| **400+ 节点** | 覆盖主流 SaaS 服务 |
| **分支与合并** | 支持复杂逻辑流 |
| **错误处理** | 内置重试和异常处理 |
| **Webhook 触发** | 支持 API 触发 |

### 实战案例：自动化内容发布流程

┌─────────────────────────────────────────────────────────┐ │ 自动内容发布工作流 │ ├─────────────────────────────────────────────────────────┤ │ │ │ 定时触发 ──▶ AI 生成 ──▶ 图片生成 ──▶ 内容审核 │ │ │ │ │ ┌────────────┴────────┐ │ │ │ │ │ │ ▼ ▼ │ │ 发布成功 发布失败 │ │ │ │ │ │ ▼ ▼ │ │ 通知用户 错误日志 │ └─────────────────────────────────────────────────────────┘

swift 复制代码 
### n8n 工作流配置

```json
{
  "name": "自动内容发布",
  "nodes": [
    {
      "name": "定时触发",
      "type": "n8n-nodes-base.scheduleTrigger",
      "position": [250, 300],
      "parameters": {
        "rule": {
          "interval": [{"field": "hours", "hoursInterval": 6}]
        }
      }
    },
    {
      "name": "生成主题",
      "type": "n8n-nodes-base.httpRequest",
      "position": [450, 300],
      "parameters": {
        "url": "https://api.openai.com/v1/chat/completions",
        "method": "POST",
        "authentication": "predefinedCredentialType",
        "nodeCredentialType": "openAiApi",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "model", "value": "gpt-4"},
            {"name": "messages", "value": "[{\"role\": \"user\", \"content\": \"生成一个AI领域的热点话题\"}]"}
          ]
        }
      }
    },
    {
      "name": "内容生成",
      "type": "n8n-nodes-base.httpRequest",
      "position": [650, 300],
      "parameters": {
        "url": "https://api.openai.com/v1/chat/completions",
        "method": "POST",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "model", "value": "gpt-4"},
            {"name": "messages", "value": "={{[{\"role\": \"system\", \"content\": \"你是内容创作专家\"}, {\"role\": \"user\", \"content\": $json.choices[0].message.content}]}"}"}
          ]
        }
      }
    },
    {
      "name": "图片生成",
      "type": "n8n-nodes-base.httpRequest",
      "position": [850, 300],
      "parameters": {
        "url": "https://api.openai.com/v1/images/generations",
        "method": "POST",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "prompt", "value": "={{$json.choices[0].message.content}}"},
            {"name": "size", "value": "1024x1024"}
          ]
        }
      }
    },
    {
      "name": "内容审核",
      "type": "n8n-nodes-base.httpRequest",
      "position": [1050, 300],
      "parameters": {
        "url": "https://api.openai.com/v1/moderations",
        "method": "POST",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "input", "value": "={{$json.choices[0].message.content}}"}
          ]
        }
      }
    },
    {
      "name": "条件判断",
      "type": "n8n-nodes-base.if",
      "position": [1250, 300],
      "parameters": {
        "conditions": {
          "boolean": [
            {"value1": "={{$json.results[0].flagged}}", "value2": false}
          ]
        }
      }
    },
    {
      "name": "发布内容",
      "type": "n8n-nodes-base.httpRequest",
      "position": [1450, 200],
      "parameters": {
        "url": "https://api.your-platform.com/publish",
        "method": "POST",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "title", "value": "AI 趋势洞察"},
            {"name": "content", "value": "={{$json.content}}"},
            {"name": "image", "value": "={{$json.image_url}}"}
          ]
        }
      }
    },
    {
      "name": "发送通知",
      "type": "n8n-nodes-base.slack",
      "position": [1650, 200],
      "parameters": {
        "channel": "#content-updates",
        "text": "内容发布成功！"
      }
    },
    {
      "name": "记录错误",
      "type": "n8n-nodes-base.httpRequest",
      "position": [1450, 400],
      "parameters": {
        "url": "https://api.logging-service.com/error",
        "method": "POST",
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {"name": "error", "value": "内容审核不通过"},
            {"name": "timestamp", "value": "={{$now}}"}
          ]
        }
      }
    }
  ],
  "connections": {
    "定时触发": {"main": [[{"node": "生成主题", "type": "main", "index": 0}]]},
    "生成主题": {"main": [[{"node": "内容生成", "type": "main", "index": 0}]]},
    "内容生成": {"main": [[{"node": "图片生成", "type": "main", "index": 0}]]},
    "图片生成": {"main": [[{"node": "内容审核", "type": "main", "index": 0}]]},
    "内容审核": {"main": [[{"node": "条件判断", "type": "main", "index": 0}]]},
    "条件判断": {
      "main": [
        [{"node": "发布内容", "type": "main", "index": 0}],
        [{"node": "记录错误", "type": "main", "index": 0}]
      ]
    },
    "发布内容": {"main": [[{"node": "发送通知", "type": "main", "index": 0}]]}
  }
}

4.5 平台部署指南

Dify 私有化部署

bash 复制代码 
# 克隆仓库
git clone https://github.com/langgenius/dify.git
cd dify/docker

# 复制环境变量
cp .env.example .env

# 启动服务
docker compose up -d

# 查看状态
docker compose ps

# 访问 http://localhost

n8n 私有化部署

方式一：Docker 快速部署

bash 复制代码 
docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  -e N8N_BASIC_AUTH_ACTIVE=true \
  -e N8N_BASIC_AUTH_USER=admin \
  -e N8N_BASIC_AUTH_PASSWORD=your_password \
  n8nio/n8n

方式二：Docker Compose 部署

yaml 复制代码 
# docker-compose.yml
version: "3.8"

services:
  n8n:
    image: n8nio/n8n
    ports:
      - "5678:5678"
    volumes:
      - ./n8n-data:/home/node/.n8n
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=secure_password
      - N8N_HOST=0.0.0.0
      - N8N_PORT=5678
      - WEBHOOK_URL=https://your-domain.com/
    restart: unless-stopped

  postgres:
    image: postgres:15
    environment:
      - POSTGRES_USER=n8n
      - POSTGRES_PASSWORD=n8n_password
      - POSTGRES_DB=n8n
    volumes:
      - ./postgres-data:/var/lib/postgresql/data
    restart: unless-stopped

Flowise 部署

bash 复制代码 
# 方式一：NPM 安装
npm install -g flowise
npx flowise start

# 方式二：Docker 部署
docker run -d \
  --name flowise \
  -p 3000:3000 \
  -v ~/.flowise:/root/.flowise \
  flowiseai/flowise

4.6 工作流最佳实践

1. 模块化设计

复制代码 
✅ 好的设计
工作流/
├── 子流程1: 数据预处理
├── 子流程2: 核心处理
└── 子流程3: 结果输出

❌ 不好的设计
一个巨大的工作流包含所有逻辑

2. 错误处理策略

yaml 复制代码 
error_handling:
  retry_policy:
    max_retries: 3
    retry_delay: 5s
    exponential_backoff: true

  fallback:
    - condition: "api_timeout"
      action: "use_cached_result"
    - condition: "rate_limit"
      action: "queue_for_later"
    - condition: "unknown_error"
      action: "notify_admin"

3. 性能优化

yaml 复制代码 
optimization:
  parallel_execution: true  # 并行执行独立节点
  caching:
    enabled: true
    ttl: 3600  # 1小时缓存

  resource_limits:
    max_execution_time: 300  # 5分钟超时
    max_memory: 512MB

4.7 GitHub 项目推荐

项目 描述 链接
Dify AI 应用开发平台 github.com/langgenius/...
n8n 工作流自动化 github.com/n8n-io/n8n
Flowise LLM 可视化构建 github.com/FlowiseAI/F...
LangFlow LangChain 可视化 github.com/langflow-ai...
RAGFlow RAG 引擎 github.com/infiniflow/...
AnythingLLM 一体化 AI 助手 github.com/Mintplex-La...

下一篇: Coze 零代码平台

欢迎关注的我的公众号《码上未来》，一起交流AI前沿技术!

添加我微信 return_not_null 进群聊AI

相关推荐
张拭心3 小时前
什么是 Harness Engineering，为什么最近都在说它
前端·ai编程·前端工程化
云和数据.ChenGuang3 小时前
PromptTemplate和ChatPromptTemplate的区别是什么呢？
人工智能·langchain·ai编程·chatprompt·langgraph·langsmith
码视野3 小时前
#Cursor加Specs编程，3小时上线一个有管理后台和移动端的检举举报全流程平台（完全开源）
spring boot·小程序·ai编程
阿泽·黑核3 小时前
2026年IDE的智能体编程革命
ai编程·vibe coding
安全渗透Hacker4 小时前
阿里云百炼 + VS Code + Kilo 完整实战教程
人工智能·阿里云·ai·云计算·ai编程
龙智DevSecOps解决方案4 小时前
Java 开发者指南：全面对比传统 IDE AI 插件与 Cursor、Windsurf 等 AI 原生 IDE
java·ide·ai编程·jrebel
字节逆旅11 小时前
养这么多龙虾，我该吃哪只呢？
ai编程·claude
github.com/starRTC12 小时前
opencode的几种运行方式区别
ai编程
Goboy13 小时前
腾讯云WorkBuddy实战, 全场景智能体工作搭子，这只龙虾真能帮你干活吗
ai编程
热门推荐
012026年3月AI领域大事件：DeepSeek引领开源风暴02GitHub 镜像站点03围棋-html版本04Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南05班级宠物园部署指南06小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）07UV安装并设置国内源08OpenClaw 使用和管理 MCP 完全指南09【计算机一级WPSoffice】小黑课堂题库软件下载安装教程（2026年3月最新版）10PostgreSQL 超详细安装与使用教程：从入门到实战