把一段会议录音整理成一份 Word 文档，听起来像是一个简单的"大模型写作"任务。实际落地后，问题往往不在于模型能否写出一段通顺的话，而在于它能否持续理解不同材料、适配不同模板、在修改后保持一致，并且每次都交付真正可打开的文件。本文以一个虚构的项目评审纪要为例，分享如何利用 Dify 编排一个可对话、可修改、可导出的文档流程。这里讨论的是通用设计与工程方法，具体业务规则、字段配置和内部实现不展开。
一、先把"写得好"换成"交付得稳"
演示阶段，我们常把会议文本交给模型，再要求"按照这个模板生成纪要"。模型通常会输出一份看起来像样的正文。但生产环境中的用户要求更复杂：有人上传预置模板，有人上传自己制作的 Word；有人希望新增一项，有人希望替换某一段，还有人只说"把字体改大一点"。同一会话中，前后修改应针对同一份文档，且修改过的结果还能重新导出。
假设材料里有三个产品议题。第一次生成后，用户把第二个议题的名称改了。如果文档标题、会议内容、讨论记录和结论部分分别由不同模型调用临时编写，就可能出现四种名称。再比如材料里有人提出"建议对比竞品成本"，模型若将其直接写成"由某人下周完成"，文档虽然完整，却改变了会议事实。至于 Word，系统返回一句"生成成功"也不等于用户真的拿到了文件。
因此，目标要从"生成一段文本"调整为"维护一个可验证的文档状态，并交付文件"。文本质量仍然重要，但它是整个链条的一环。
二、Dify 负责流程，模型负责理解
在这类任务里，Dify 适合承担总流程编排：识别用户意图、读取上传文件、调用模型、执行代码校验、维护会话变量、调用 Word 生成工具，并根据结果选择成功或失败分支。模型擅长理解自然语言与材料语义；代码更适合处理标识、结构、引用、计数、格式约束和状态变更。
整体流程可以概括为：
#mermaid-svg-YDQmmMHBWdsTWb0k{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-YDQmmMHBWdsTWb0k .error-icon{fill:#552222;}#mermaid-svg-YDQmmMHBWdsTWb0k .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-YDQmmMHBWdsTWb0k .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-YDQmmMHBWdsTWb0k .marker{fill:#333333;stroke:#333333;}#mermaid-svg-YDQmmMHBWdsTWb0k .marker.cross{stroke:#333333;}#mermaid-svg-YDQmmMHBWdsTWb0k svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-YDQmmMHBWdsTWb0k p{margin:0;}#mermaid-svg-YDQmmMHBWdsTWb0k .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster-label text{fill:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster-label span{color:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster-label span p{background-color:transparent;}#mermaid-svg-YDQmmMHBWdsTWb0k .label text,#mermaid-svg-YDQmmMHBWdsTWb0k span{fill:#333;color:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k .node rect,#mermaid-svg-YDQmmMHBWdsTWb0k .node circle,#mermaid-svg-YDQmmMHBWdsTWb0k .node ellipse,#mermaid-svg-YDQmmMHBWdsTWb0k .node polygon,#mermaid-svg-YDQmmMHBWdsTWb0k .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-YDQmmMHBWdsTWb0k .rough-node .label text,#mermaid-svg-YDQmmMHBWdsTWb0k .node .label text,#mermaid-svg-YDQmmMHBWdsTWb0k .image-shape .label,#mermaid-svg-YDQmmMHBWdsTWb0k .icon-shape .label{text-anchor:middle;}#mermaid-svg-YDQmmMHBWdsTWb0k .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-YDQmmMHBWdsTWb0k .rough-node .label,#mermaid-svg-YDQmmMHBWdsTWb0k .node .label,#mermaid-svg-YDQmmMHBWdsTWb0k .image-shape .label,#mermaid-svg-YDQmmMHBWdsTWb0k .icon-shape .label{text-align:center;}#mermaid-svg-YDQmmMHBWdsTWb0k .node.clickable{cursor:pointer;}#mermaid-svg-YDQmmMHBWdsTWb0k .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-YDQmmMHBWdsTWb0k .arrowheadPath{fill:#333333;}#mermaid-svg-YDQmmMHBWdsTWb0k .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-YDQmmMHBWdsTWb0k .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-YDQmmMHBWdsTWb0k .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YDQmmMHBWdsTWb0k .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-YDQmmMHBWdsTWb0k .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YDQmmMHBWdsTWb0k .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster text{fill:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k .cluster span{color:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-YDQmmMHBWdsTWb0k .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-YDQmmMHBWdsTWb0k rect.text{fill:none;stroke-width:0;}#mermaid-svg-YDQmmMHBWdsTWb0k .icon-shape,#mermaid-svg-YDQmmMHBWdsTWb0k .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YDQmmMHBWdsTWb0k .icon-shape p,#mermaid-svg-YDQmmMHBWdsTWb0k .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-YDQmmMHBWdsTWb0k .icon-shape .label rect,#mermaid-svg-YDQmmMHBWdsTWb0k .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YDQmmMHBWdsTWb0k .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-YDQmmMHBWdsTWb0k .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-YDQmmMHBWdsTWb0k :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 用户输入与文件
识别新建、修改或导出
解析模板与材料
建立目录与字段映射
分段提取并校验
形成文档状态
渲染 Word
验证文件后提交版本
这个图刻意省略了重试、分支和异常路径。真实流程会在关键步骤设置校验与修复机会。例如模型输出的 JSON 不合法，可以要求它按原材料和既定结构修复一次；如果修复仍失败，就返回明确的错误，而不是把错误字符串塞进 Word。另一方面，若主 Word 生成路径出现工具错误，可以尝试能力较低但可靠的备用路径。是否提交会话版本，要以文件是否实际生成作为门槛。
这样的职责划分可以用一句话概括：让模型理解材料、模板和用户意图；让代码执行确定性的约束。两者都不能独自完成整个任务。
三、模板首先是结构，不是历史答案
用户上传的 Word 模板往往并不规整。页面上看起来是标题、段落和表格，内部可能存在嵌套表格、合并单元格、样例文字、空白占位符与复杂样式。有些模板甚至以一个大表格模拟整个页面。如果简单按文本顺序抽取，系统会把"姓名：张三"里的张三当成新会议的参会人，也可能把表头当成正文。
更稳妥的做法是先把模板理解成一棵结构树：哪些文字是固定标签，哪些位置需要回填，哪些区域可以重复，哪些表格有真实表头和数据行。接着建立字段绑定：一个可写字段对应一个结构位置。模板中的旧内容只帮助判断写法和版式，不能成为本次会议事实。
例如一张行动项表格有"序号、事项、负责人、完成时间"四列。结构识别要确认四个列的顺序、表头位置和可扩展的数据行，而不能预先决定这次一定有四项任务。任务数量来自材料，表格结构来自模板。对于仅作为排版工具的表格，也不能误认为每个单元格都需要填充业务数据。
预置模板和用户上传模板还应分开处理。预置模板可以携带明确的业务约定；上传模板应当按自身结构和用户要求运行。若把某一会议模板中的栏目名称和判断习惯写进通用解析代码，遇到采购报告、培训记录或检查表时，流程就会显得"通用"，结果却带着会议纪要的偏见。
四、先确定记录边界，再提取内容
一份长材料可能依次包含背景介绍、市场汇报、技术分析、讨论、表态和收尾。它们不一定分别是六个议题。目录抽取阶段应回答："文档里实际有几个独立业务对象，它们是否属于某个分组，各自覆盖材料的哪些范围？"它暂时不负责把所有正文写出来。
假设评审会讨论了"控制模块 A"和"驱动模块 B"。前者下有市场、成本、技术和讨论四段，后者下也有类似的四段。目录层面通常是两个议题，而不是八个。后续内容提取在各自材料范围内完成，避免 A 的结论被放到 B 的讨论里。若用户上传的模板需要按产品类别分组，分组则依据材料中的明确分类建立，而不是仅凭模板样例猜出类别。
目录节点应有稳定标识。它可以让系统在"把第二项名称改为......"之后找到同一个记录，并把名称同步到所有引用位置。标题是展示值，标识才是连接各部分的依据。对于排序和编号，也应根据结构关系统一生成：第一层是 1、2、3，子项是 1.1、1.2；修改内容后重新计算，而不是依赖模型在多个段落里手写序号。
这一步还有一个现实好处：长材料可以按记录范围分批提取，减少单次模型输出过长导致的截断。模型每次面对的任务更清晰，校验也能定位到具体记录。
五、把写作要求放在字段上
通用流程很容易在反复优化中变得越来越"像某个业务"。第一次发现讨论摘要太长，就给所有长文本加"最多五条"；第二次发现人名太多，就要求所有讨论不写人名；第三次发现任务列表不严谨，又要求所有表格只收已确认行动。这样的全局规则对某份会议纪要有效，却可能损伤其他模板：客户访谈需要保留受访者署名，事故记录需要详细过程，普通任务清单也未必遵循会议行动项标准。
一个更可扩展的办法是给每个字段选择内容策略。基础字段可以"按证据提取"；标题索引可以"引用记录名称"；需要概括的字段可以"按主题总结"；结果字段可以"只收明确形成的结果"；行动字段可以"只收已经明确安排的任务"。若现成策略无法准确表达模板要求，就由模型根据该字段的标题、上下文和样例归纳写法，并把所得规则限定在这个字段上。
例如"讨论要点"字段可配置为按决策主题合并相近观点，条数控制在合理范围，避免把每位发言人的话按顺序抄一遍；"行动项"字段则要求区分建议与已安排的执行事项。负责人和日期没有明确依据时留空。这里的关键不是默认所有文档都这么写，而是这些规则由具体字段选择并执行。用户本轮明确提出的写法要求可以覆盖一般写作策略，但不能覆盖材料事实或模板的物理结构。
字段策略也需要边界。模型不能输出一段代码，让执行器临时运行任意新规则。它可以优先选用已支持的策略与参数；没有适用策略时，用受控的模板归纳说明指导本字段抽取。需要新增确定性能力时，再升级执行器。这样既保留适配性，也避免策略名称不断增长却没有真正的执行行为。
六、事实强度比文字流畅更重要
会议材料天然包含不同强度的表达："可以考虑""需要进一步验证""同意推进""已安排由团队完成"。若模型为了让文档显得完整，把所有建议都改写成决定，就会引入严重误差。
假设讨论中有人说："下一版本可以评估更小的封装。"这是一项建议，不自动等于行动项。如果随后会议明确说"由研发团队在下次评审前提交小型封装方案"，才有形成任务的依据。即使任务成立，材料没有指明具体个人和日期，文档也不应猜出姓名或补出一个星期五。
同样，人物身份要格外克制。材料里出现姓名，并不意味着系统可以推断该人的职位；即便上下文提供了线索，也不应自动在姓名旁增加职务描述。普通参会姓名与行动负责人可以在有明确事实时保留，但职位相关的展示应遵照统一的隐私边界。日期、地点、数字和表决结果也遵循相同原则：明确才填写，时间码不是会议时间，设备标签不是参会人。
这种约束不能只写在第一轮提示词里。修复提示词、合并提示词、修改操作和最终渲染都要保持一致。否则第一轮守住了事实边界，第二轮"自动修复"又会把它放宽。
七、修改是一项状态操作
第一次生成之后，用户通常不会重传全部材料，而是直接说："第三项再补一段风险""把标题改为......""字体换成微软雅黑，14 号"。系统需要保存当前文档结构和内容，在此基础上执行局部更新。
可以把一次修改视为对文档状态的变更：先识别修改对象，再生成结构化增量，代码检查目标是否存在、操作是否越界，应用后重新计算编号、标题引用和 Word 输出。字体、字号等样式变化也应进入同一套状态，而不是在回答里口头承诺已经修改。
用户修改模板结构时，要区分"调整这份文档的内容"和"改变模板的可写区域"。例如把某个议题从一类移到另一类，通常是文档内容修改；新增一列"风险等级"，才可能涉及模板结构。模板改动后还要同步维护绑定与字段策略，避免新增字段没有提取要求，或删除字段仍留在渲染清单里。
撤销也不能理解为"请模型凭印象还原"。保留上一版本状态，成功生成新文件后再提交当前版本，才能让撤销有确定的目标。若 Word 生成失败，本轮候选修改不应覆盖用户手中最后一份可用文档。
八、Word 是最终交付物
文档生成系统的可用性终点，是用户拿到文件。实际项目中，Word 插件可能限制表格数量、对段落样式支持不完整，或者在文件输出上出现异常。流程设计不能假设模型生成了正确 JSON，Word 就一定可用。
一种做法是先生成中间渲染协议：其中包含页面、段落、表格、单元格、文本和样式信息。确定性的编号、段落拆分和记录顺序在代码中完成，再映射到插件支持的能力。对于无法完整还原的样式，可以有明确的降级规则，但内容和文件交付不能被悄悄省略。
主生成路径失败时，备用路径可采用更简单的排版输出同一份已验证内容。成功门槛必须检查返回的文件对象，而不仅仅检查插件节点是否"执行完毕"。只有确认有可下载的 Word，才向用户返回成功并提交版本。这也是"可用性优先"在流程里的具体体现。
九、用回归样例检验架构，而不是只看一份漂亮文档
流程复核至少要覆盖三类样例。第一类是典型会议：多个议题、部分讨论、明确结果和少量行动项，检查边界、编号、关联与 Word 内容。第二类是非会议模板：例如培训记录或采购比较表，检查通用流程是否仍然套用会议措辞。第三类是连续会话：先生成，再改标题、补事实、调整格式、导出并撤销，检查状态与文件是否一致。
除了内容样例，还要检查工程边界：节点引用是否有效，循环节点是否错误读取外层作用域，模型输出上限是否符合配置，文档状态是否超过变量容量，最长执行链路是否在平台限制内。对过去出现过的异常输入，应保留为回归样例；一次修复不能只消除报错，还要确认修复没有导致字段被误删或内容错位。
静态检查与本地函数测试只能说明流程配置和部分代码路径合理，不能代替目标 Dify 环境的导入与实际 Word 下载验收。发布前仍需要在目标模型、插件版本和真实文件上跑完整链路，查看最终文档，而不仅是中间 JSON。
结语
基于 Dify 构建文档智能体，难点不在于给模型写一条更长的提示词，而在于把语义理解、模板结构、事实边界、状态修改和文件交付衔接成可验证的流程。模型负责理解每次材料和用户意图，字段策略限定写作范围，代码维护稳定关系并执行确定性约束，Word 输出门槛保证结果可以真正交付。
当一个流程既能处理熟悉的会议纪要，也能面对陌生模板而不带入旧业务假设；既能生成第一版，也能承受多轮修改；既能在正常路径输出精美文档，也能在工具受限时交付可用文件，它才开始具备走向生产的基础。下一步的关键工作，始终是在真实环境中持续观察文档效果和失败样例，并把问题修正在恰当的层次：事实问题回到提取，字段写法回到策略，结构问题回到绑定，文件问题回到渲染与交付。