Dify Workflow 与 Chatflow 的核心区别
Workflow – 一次返回结果
Chatflow – 支持多次对话，多次返回结果

维度 Chatflow Workflow
定位 对话式应用（如客服、问答助手） 自动化批处理 / 数据处理流程
交互方式 用户 ↔ AI 多轮对话 触发式执行（API、定时、webhook）
是否保留上下文 ✅ 支持对话记忆（会话级） ❌ 每次运行独立，无会话历史
输入输出 用户问题 + 可选变量 → 自然语言回复 结构化数据 → 结构化结果
典型节点 意图识别、回复生成、问答检索 HTTP 请求、代码节点、参数提取、条件分支
适用场景 智能客服、Copilot、教育问答 数据清洗、报表生成、内容审核、定时任务
更直观的理解
Chatflow：用户主动发问，AI 像人一样“聊回去”，过程中能记住之前说了什么。
Workflow：更像一个数据处理管道，给它输入，它跑完逻辑返回结果，每次请求都是“失忆”的。
选择建议
需要与用户多轮对话、记住上下文 → 选 Chatflow
需要批量处理数据、API 集成、无人值守自动化 → 选 Workflow
两者可以配合使用，例如 Workflow 做后台数据处理，再由 Chatflow 提供给用户查询入口。

注意点：ECharts(需要CSV)，需要LLM 整理数据格式，deepseek-chat 模型对 ECharts 所需的数据处理比较有好，不要直接选用推理模型，费token效果还不好

推理在工具里面应用效果不是很好， 在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding…) AI大模型知识体系
比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C,A输出的内容，要在B节点用变量来接受，比如 Dify — Chatflow - 数据库智能查询

创建工作流
创建工作流
image

添加变量
image

添加文档提取器
image
image
添加大模型

将文件里的数据进行格式整理

将{{上下文}}中的数据整理成csv格式并输出，只需要输出结果，不需要输出额外解释内容。
image
image
选择 deepseek-chat 模型，有助于输入图标
image

添加代码执行
image
image

import csv
import json
from collections import defaultdict

def main(csv_string):
# 解析 CSV 数据
lines = csv_string.strip().split(‘\n’)
reader = csv.reader(lines)
headers = next(reader)
data = [row for row in reader]

# 提取列名
category_col, subcategory_col, value_col = headers

# 构建数据字典
data_dict = defaultdict(lambda: defaultdict(float))
for row in data:
    category, subcategory, value = row
    data_dict[category][subcategory] += float(value)

# 获取所有类别和子类别
categories = list(data_dict.keys())
subcategories = list({subcat for subcats in data_dict.values() for subcat in subcats})

# 构建 ECharts 配置
echarts_config = {
    "tooltip": {"trigger": "axis"},
    "legend": {"data": subcategories},
    "xAxis": {"type": "category", "data": categories},
    "yAxis": {"type": "value"},
    "series": [
        {
            "name": subcategory,
            "type": "bar",
            "data": [data_dict[category].get(subcategory, 0) for category in categories]
        }
        for subcategory in subcategories
    ]
}

output = "\n```echarts\n" + json.dumps(echarts_config, indent=2, ensure_ascii=False) + "\n```"
return {"output": output}

添加结束节点

image
image
image

测试运行
image