Dify Workflow 重磅更新：Workflow 发布为工具、迭代节点、参数提取，灵活构建生产级 AI 应用

发布日期：2024-05-31 13:01:46 浏览次数： 6754

作者：Dify

微信搜一搜，关注“Dify”

自 1 个月前我们推出 Workflow第一个版本后，受到广泛的欢迎和应用。根据我们的观察，超过 90% 的客户在 AI 应用落地到实际业务过程中，都需要使用到 Workflow 来使得应用的输出更符合业务预期。我们很高兴 Dify Workflow 的卓越用户体验帮助客户以最小的工作投入来构建生产级 AI 应用。

为了支撑更灵活的使用场景，我们再次迎来了 v0.6.9 版本新的能力增强：

支持将 Workflow 发布为工具；
新增迭代节点，实现更灵活的多步骤生成；
参数提取节点，用自然语言从非结构化信息中提取结构化的参数，实现在工作流中更自然的调用工具；
优化了多个节点能力等。

我们本篇内容将分别介绍这几个能力，并且在最后使用一个案例来说明这几个节点的使用方法。

将 Workflow 发布为工具

你可以在 Dify 中将 Workflow 发布为可重复使用的工具，使其可以在多个 Agent 中作为工具被自主调用，也可以在另一个 Workflow 中被选择使用。适合在需要封装某个场景工作流作为另一场景的输入或条件使用，如：封装一个能够提供个性化建议的客服，供订单处理 Agent 在需要时调用；自动执行数据收集、清洗、分析、可视化等步骤的 Workflow，可以被营销 Agent 当成分析工具被使用等。

迭代：执行多个相同步骤任务

迭代节点是指在列表中的每个条目（item）执行相同的步骤直至输出所有结果。使用迭代的条件是确保输入值已经格式化为列表对象。迭代节点允许 AI 工作流处理更复杂的工作逻辑，实现更灵活的多步骤生成，充分发挥 Workflow 的能力。适合在需要处理重复步骤的任务场景中使用，例如分批次翻译文章段落、按固定规则处理邮件、日常营销内容分发在不同的社交媒体中等场景。

迭代节点使得工作流能够处理更复杂的业务逻辑，满足更丰富的自动化需求。

参数提取器：从自然语言中提取结构化参数

参数提取器的原理是通过使用 LLM 推理能力，从自然语言中提取结构化参数，使得在 Workflow 中使用工具和进行 HTTP 请求变得轻松。比如根据客户的自然语言中的订单号提取，定位到客户完整画像，再进行后续服务。参数提取节点大大降低了工具调用的门槛，更好利用 Dify 丰富的工具集。

您可以从大段文字中用参数提取器提取关键内容，比如这里使用参数提取器从政府文件中提取出了所有人名。

变量聚合器：

本次版本我们还改进了变量聚合器的设计，由原先的名字【变量赋值】更改为【变量聚合器】，支持更灵活的变量选择。同时，还通过优化节点连线方式增强了使用体验。

变量聚合节点（原变量赋值节点）是工作流程中的一个关键节点，它负责整合不同分支的输出结果，确保无论哪个分支被执行，其结果都能通过一个统一的变量来引用和访问。这在多分支的情况下非常有用，可将不同分支下相同作用的变量映射为一个输出变量，避免下游节点重复定义。

例子：一个自动处理邮件的 Workflow

在这里，我们将举个简单的例子说明如何在你的实际业务中应用到以上节点，以及它们在其中如何发挥作用。

目标：我们需要做一个自动处理客户业务支持邮件的工作流，使其根据不同的邮件主题/内容类型分类，自动执行邮件的流转和处理、回复等操作。

这里我们以谷歌邮箱 Gmail 为例，可以调用谷歌官方提供的 Gmail API 来实现对邮箱内容的增删改等各种操作。（PS：如果你想要在业务上实现自己的邮件自动收发，需要去 Google Cloud Console 控制台先配置官方 OAuth 的 Access Token 才可以使用。）

我们在例子中使用到的节点有：

自定义工具：使用谷歌邮箱 API 来搜索、获取、查找邮件，完成对邮箱的各种增删改操作，工具取名【List Get and Draft Gmail】；
代码执行: 根据收到的客户邮件，提取邮件的关键信息：客户身份信息，邮件内容，和邮箱地址；
迭代: 使用相同的步骤逻辑，遍历队列中的每封邮件（设置一个迭代值，比如最近的 10 封邮件）。
问题分类：针对不同的问题，我们可以把邮件分类到对应的智能助手。对于客服来说，我们可以把问题分类成：技术问题、非技术问题、建议等类别，智能助手就可以更有针对性的回答这些问题了。比如技术问题需要使用 RAG 查询技术文档，给用户参考，非技术问题可能更需要让人工介入解决，建议则可以转发到各个部门的数据库，收集相应的需求。
变量聚合器: 将分类后的不同分支聚合起来，保证不同分支中的变量统一进行后续的节点工作或输出。