用 Dify 工作流自动生成文章：从搭建到实战

在 AI 应用开发中，让大模型"写一篇文章"并不难，难的是把输入、大纲、扩写、校验、输出串成一条稳定可复用的流程。Dify 的可视化工作流正好适合解决这类问题：不需要从零写后端服务，也能把文章生成过程编排成一条清晰的自动化流水线。

一、为什么用工作流生成文章？

直接用一句 Prompt 让大模型写文章，通常只能完成简单任务。一旦需求变复杂，就会遇到这些问题：

表格

工作流的价值在于：把文章生成拆成多个节点，每个节点只做一件事。比如一个节点负责生成大纲，一个节点负责扩写正文，一个节点负责格式化输出。这样更容易调试，也更适合长期复用。

二、Dify 中两种常见应用类型

在 Dify 中，文章生成通常可以选择两种应用类型：

1. Workflow：适合单轮任务

Workflow 适合一次性执行、无记忆的任务，比如：

• 输入主题，生成一篇文章
• 输入草稿，生成多平台内容
• 输入文档，生成摘要
• 批量处理内容模板

它的流程通常是：开始 → 处理节点 → 结束。

2. Chatflow：适合多轮对话

Chatflow 适合需要上下文记忆的场景，比如：

• 用户先说主题，再补充风格
• AI 追问目标读者、字数、平台
• 用户要求修改某一段内容
• 多轮对话后生成最终文章

如果只是“输入主题 → 生成文章”，优先选 Workflow；如果需要反复沟通和修改，再考虑 Chatflow。

三、文章生成工作流的核心节点

一个文章生成工作流通常由以下几类节点组成。

1. 开始节点：定义输入

开始节点负责接收用户输入，例如：

• topic：文章主题
• style：写作风格，如干货、故事、新闻、技术解读
• target_audience：目标读者
• word_count：目标字数
• platform：发布平台，如公众号、知乎、小红书

这些变量后续都会被其他节点引用。

2. LLM 节点：生成大纲

第一个 LLM 节点通常不直接写全文，而是先生成文章大纲。

你是一位专业的内容创作者。
请根据用户输入的主题生成一篇结构清晰的文章大纲。

主题：{{topic}}
风格：{{style}}
目标读者：{{target_audience}}
目标字数：{{word_count}}

要求：
1. 只输出大纲，不输出正文
2. 包含 3-5 个一级标题
3. 每个标题下简要说明写作方向
4. 结构要符合所选风格

这样做的好处是：先让模型确定结构，再分步扩写，文章逻辑会更稳定。

3. LLM 节点：扩写正文

第二个 LLM 节点基于大纲生成正文。

你是一位擅长写作的编辑。
请根据以下大纲撰写完整文章。

主题：{{topic}}
风格：{{style}}
目标读者：{{target_audience}}

大纲：
{{outline}}

要求：
1. 语言自然流畅
2. 逻辑清晰，段落之间有衔接
3. 不随意偏离主题
4. 避免空泛套话
5. 控制整体字数接近 {{word_count}}

这里的关键是：让扩写节点只负责写内容，不负责重新设计结构。结构由大纲节点控制，正文节点负责填充。

4. 条件分支：按平台或风格分流

如果文章需要发布到不同平台，可以用条件分支节点判断输出方向。

如果 platform 等于 "小红书"
则生成短段落、口语化、带标题符号

如果 platform 等于 "公众号"
则生成完整长文，结构更正式

否则
按默认风格输出

这样可以避免每次都手动修改 Prompt。

5. 迭代节点：分段生成长文

如果文章较长，一次性生成容易出现结构松散、后半段质量下降的问题。这时可以用迭代节点，把大纲拆成多个章节，逐段生成。

流程可以是：

开始
→ LLM 生成大纲
→ 参数提取器提取章节列表
→ 迭代节点逐章扩写
→ 模板转换节点拼接全文
→ 结束

迭代节点适合这些场景：

• 长文章分章节生成
• 多平台内容批量改写
• 多段翻译后拼接
• 多个小标题分别扩写

6. 模板转换：统一输出格式

文章生成完成后，可以用模板节点统一输出格式。

# {{topic}}

{{article_content}}

---
风格：{{style}}
目标读者：{{target_audience}}
字数：约 {{word_count}} 字

这样输出的内容更适合直接复制发布，也方便后续接入 API。

四、一个简单实用的文章生成流程

下面是一个适合新手搭建的基础流程：

开始
→ LLM 生成大纲
→ LLM 扩写正文
→ 模板转换格式化
→ 结束

各节点职责如下：

表格

这个流程简单，但已经能满足大多数日常写作需求。

五、进阶版：更稳定的长文章生成

如果希望文章质量更高，可以升级为：

开始
→ LLM 生成大纲
→ 参数提取器提取章节
→ 迭代节点逐章扩写
→ 变量聚合拼接内容
→ 模板转换输出
→ 结束

这个版本更适合：

• 3000 字以上长文
• 技术文档
• 行业分析报告
• 系列内容创作
• 多章节公众号文章

它的优势是：每一章单独生成，模型压力更小，内容也更不容易跑偏。

六、少量代码场景：用代码节点做轻量处理

Dify 工作流大部分配置不需要写代码，但有些细节用少量代码会更高效。

例如，可以用代码节点把大纲文本解析成结构化数据：

function main({ outline }) {
  const lines = outline.split("\n").filter(line => line.trim());
  return {
    sections: lines
  };
}

这段代码的作用很简单：把大纲按行拆分成数组，方便后续迭代节点逐章扩写。

再比如，可以用模板转换节点拼接最终文章：

# {{topic}}

{{final_content}}

这类处理不需要复杂编程，只是把上游变量整理成最终输出格式。

七、调试工作流的几个实用技巧

搭建完成后，不要直接发布，建议先逐步测试。

1. 先测试单个节点

先看大纲节点是否稳定，再看正文节点是否按大纲扩写。不要一上来就测试整条流程。

2. 固定输入变量

调试时使用固定主题，比如：

主题：远程办公的效率提升方法
风格：干货
目标读者：职场新人
字数：1500

这样可以判断输出波动是来自 Prompt，还是来自变量传递。

3. 查看节点输入输出

每个节点执行后，都应该检查：

• 上游变量是否正确传入
• LLM 是否按提示词输出
• 是否出现多余解释文字
• 大纲和正文是否一致
• 最终输出是否完整

4. 约束模型输出格式

如果希望大纲稳定，可以在提示词中明确要求：

只输出大纲内容，不要输出解释、前言或总结。

这样可以减少后续解析出错。

八、发布方式

调试通过后，Dify 工作流可以发布为：

• Web 应用：直接在页面中输入主题生成文章
• API 接口：接入内部系统、编辑器、后台工具
• 嵌入页面：集成到现有网站或运营后台

如果是团队使用，建议把输入字段设计得清晰一些，例如：

主题：必填
风格：下拉选择
目标读者：选填
字数：默认 1500
平台：默认通用

这样非技术人员也能直接使用。

九、适合落地的小场景

Dify 文章生成工作流适合这些实际应用：

• 公众号文章初稿生成
• 小红书文案批量改写
• 技术博客大纲扩写
• 产品更新说明生成
• 周报、日报内容整理
• 行业资料转通俗文章
• 多平台内容分发
• 知识库内容自动改写

它更适合作为“初稿生成器”或“内容加工器”，而不是完全替代人工写作。最终发布前，建议再做一次人工校对。

十、搭建建议

做 Dify 文章生成工作流时，可以记住这个原则：

先结构化，再扩写；先单节点稳定，再串联整条流程。

不要一开始就设计太复杂的流程。可以先从“开始 → 大纲 → 正文 → 结束”跑通，再逐步加入条件分支、迭代节点、知识检索和代码处理。这样既能快速验证效果，也方便后续持续优化。

用 Dify 工作流自动生成文章：从搭建到实战