使用 Dify 快速构建对话式工作流：从零打造会议室预约智能体

小知医丸

667人浏览 · 2026-03-20 10:33:04

小知医丸 · 2026-03-20 10:33:04 发布

使用 Dify 快速构建对话式工作流：从零打造会议室预约智能体

前言

随着 AI 技术的普及，越来越多的企业开始探索如何将大语言模型（LLM）融入日常业务流程中。Dify 是一款开源的 LLM 应用开发平台，提供了可视化的工作流编排能力，让开发者无需编写大量代码，就能快速构建对话式 AI 应用。

本文将手把手带你使用 Dify 搭建一个会议室预约智能体，实现自然语言驱动的会议室查询与预约功能，并重点介绍如何处理用户"知道/不知道目标会议室"这一关键分支逻辑。

一、Dify 简介

Dify（Do It For You）是开源的 LLM 应用开发平台，核心特性如下：

可视化工作流编排：通过拖拽节点设计 AI 应用逻辑，无需写代码
多模型支持：兼容 OpenAI、Claude、Gemini、本地 Ollama 等主流模型
工具调用（Tool Use）：支持自定义 HTTP API 工具，与外部系统集成
对话式交互：天然支持多轮对话、上下文记忆
一键发布：可直接生成 Web 应用、嵌入式组件或 API 接口

二、场景分析与核心挑战

在设计会议室预约智能体时，有一个关键的用户体验问题需要解决：用户是否已经知道自己要预约哪个会议室？

这两种情况对应完全不同的处理逻辑：

用户状态	示例输入	处理逻辑
已知会议室	"帮我预约 101 会议室，明天上午10点，开2小时"	直接查询该会议室详情，确认是否可用，然后创建预约
未知会议室	"帮我预约一个明天上午10点可以用的会议室"	查询所有符合条件的空闲会议室，列出供用户选择，再确认预约

如果不处理这个分支，智能体要么死板地要求用户指定会议室，要么随意选一个不符合需求的房间，用户体验都会很差。

三、工作流整体架构设计

完整的工作流分为以下几个阶段，核心是双层分支判断：

用户输入
  └─► 意图识别（查询 / 预约 / 取消）
        ├─ [查询] → 查询所有会议室 → 展示结果
        ├─ [取消] → 提取预约编号 → 取消预约 → 反馈
        └─ [预约] → 是否指定了会议室？
                       ├─ [已指定] → 查询该会议室详细信息
                       │              └─ 是否可用？
                       │                   ├─ [可用] → 收集信息 → 创建预约
                       │                   └─ [不可用] → 告知冲突，询问是否换房间
                       └─ [未指定] → 查询所有空闲会议室列表
                                      └─ 展示列表，让用户选择
                                           └─ 用户选择后 → 创建预约

四、环境准备

1. 部署 Dify

推荐使用 Docker Compose 快速部署本地版：

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d

启动后访问 http://localhost/install 完成初始化。

2. 配置模型供应商

进入控制台 → 设置 → 模型供应商，添加模型 API Key，推荐使用 gpt-4o 或 claude-3-5-sonnet 以获得更好的意图理解效果。

五、工作流节点详细配置

Step 1：意图识别节点（LLM）

第一层判断：识别用户意图是查询、预约还是取消。System Prompt：

你是会议室预约助手，请分析用户输入的意图，只返回以下三种之一：
- QUERY：用户想查询会议室可用情况
- BOOK：用户想预约会议室
- CANCEL：用户想取消已有预约
只返回意图英文标识，不要有任何其他内容。

Step 2：预约意图下的"是否指定会议室"判断节点（LLM）

当意图为 BOOK 时，进入第二层判断：用户是否明确指定了会议室。System Prompt：

分析用户的预约请求，判断用户是否明确指定了具体的会议室（如"101会议室"、"大会议室"等具体名称或编号）。
- 如果用户明确提到了具体会议室名称/编号，返回：SPECIFIED
- 如果用户没有指定，或者只说"找一个"、"随便一个"、"合适的"，返回：UNSPECIFIED
只返回 SPECIFIED 或 UNSPECIFIED，不要其他内容。

这一步是整个工作流的关键设计，通过 LLM 的语义理解能力来判断用户意图的细节，而不是依赖关键词匹配，容错性更强。

Step 3A：用户已指定会议室 → 查询具体会议室信息（HTTP Request）

首先用 LLM 从用户输入中提取会议室标识，再调用 API 查询详情。HTTP Request 节点配置：

方法：GET
URL：{{env.API_BASE}}/api/rooms/{{room_identifier}}/availability
参数：date={{date}}&start_time={{start_time}}&duration={{duration_hours}}

返回结果包含该会议室的详细信息（容量、设备、当前时段是否可用），再通过 IF/ELSE 节点判断是否可用，分别进入"创建预约"或"告知冲突并引导换房"两条路径。

Step 3B：用户未指定会议室 → 查询所有空闲会议室（HTTP Request）

当用户没有指定会议室时，查询所有符合时间条件的空闲房间供用户选择。HTTP Request 节点配置：

方法：GET
URL：{{env.API_BASE}}/api/rooms/available
参数：date={{date}}&start_time={{start_time}}&duration={{duration_hours}}&capacity={{required_capacity}}

Step 4：生成选项列表，等待用户选择（LLM）

拿到空闲会议室列表后，用 LLM 节点生成友好的选择提示，展示各会议室的楼层、容量、设备信息，让用户回复序号或名称选择。

为您找到以下 3 个符合条件的空闲会议室，请选择：
1️⃣ 101会议室（1楼，可容纳8人，配备：投影仪、白板）
2️⃣ 201会议室（2楼，可容纳12人，配备：大屏、视频会议）
3️⃣ 大会议室（3楼，可容纳30人，配备：投影仪、麦克风）
请回复序号或会议室名称进行选择。

Step 5：创建预约（HTTP Request）

两条路径最终汇合到此节点，调用预约接口：

POST {{env.API_BASE}}/api/bookings
{
  "room_id": "{{room_id}}",
  "date": "{{date}}",
  "start_time": "{{start_time}}",
  "duration_hours": {{duration_hours}},
  "attendees": {{attendees}},
  "title": "{{title}}"
}

Step 6：生成最终回复（LLM）

将 API 返回的结构化结果转化为自然语言，礼貌地确认预约信息给用户。

六、完整对话效果演示

场景一：用户明确指定会议室（走快速路径）

角色	内容
用户	帮我预约 101 会议室，明天上午10点，开2小时，主题是产品评审，参与人张三、李四
助手	✅ 101 会议室明天 10:00-12:00 时段空闲，预约创建成功！ 📅 时间：2024-03-21 10:00 - 12:00 🏢 地点：101会议室（1楼，8人，投影仪） 📋 主题：产品评审 👥 参与人：张三、李四预约编号：#BK20240321001

场景二：用户未指定会议室（走推荐路径）

角色	内容
用户	明天上午10点我要开个会，大约2小时，6个人，帮我预约个合适的会议室
助手	为您找到以下 2 个符合条件的空闲会议室： 1️⃣ 101会议室（1楼，可容纳8人） 2️⃣ 201会议室（2楼，可容纳12人）请回复序号选择。
用户	选1
助手	✅ 预约成功！101会议室，2024-03-21 10:00-12:00，编号 #BK20240321002

场景三：指定会议室但已被占用

角色	内容
用户	帮我预约201会议室，明天下午2点，1小时
助手	⚠️ 很抱歉，201会议室明天 14:00-15:00 已被占用。同时段空闲的有：101会议室（8人）、大会议室（30人），是否换一个？

七、关键设计要点总结

双层意图分析：第一层识别动作类型（查询/预约/取消），第二层在预约场景下进一步判断"是否指定会议室"，让分支逻辑更精准
语义理解代替关键词匹配：用 LLM 判断用户是否指定了会议室，而不是正则表达式，大幅提升容错性
两条路径最终汇合：已指定和未指定两条路径，在用户最终确认会议室后汇合到同一创建预约节点，避免重复配置
渐进式信息收集：不要求用户一次说完所有信息，通过多轮对话逐步补全，降低用户输入门槛

八、发布与集成

测试通过后，可以通过以下方式发布：

Web 应用：直接获得可访问链接，分享给团队使用
API 接口：集成到钉钉/飞书机器人
嵌入组件：嵌入现有 OA 系统页面

curl -X POST 'https://your-dify-domain/v1/chat-messages'   -H 'Authorization: Bearer YOUR_API_KEY'   -H 'Content-Type: application/json'   -d '{
    "query": "帮我预约明天下午3点一个可以容纳10人的会议室",
    "response_mode": "blocking",
    "user": "user_001"
  }'