Dify

Dify 节点实战分享（一）

2025 年 3 月 19 日

Dify节点实战分享，深入AI应用搭建技巧。核心内容： 1. 问题分类器节点的构建与应用 2. 条件分支节点在AI工作流中的逻辑解析 3. 参数提取器节点的高级应用与扩展能力

摘要

2025年，人工智能博士李开复认为是一个AI应用年，因此我们继续聚焦AI应用的主要航道，开展AI应用的知识储备，开展AI工作流，AI agent方面的学习，今天为大家主要讲解是dify AI应用搭建，更快的进入AI 生成的赛道。

节点分享

一、问题分类器节点

问题分类器节点主要为我们解决了通过AI识别上游中心词，以及抽象后的判断，实现下游业务的选择，在应用于AI工作流及AI agnet构建有较好的帮助。

可以看到上图是已构建好的工作流，当链接开始节点后，触发开始节点，即可完成工作流的运行。

运行结果解析：

当我们完成输入为苹果的输出词，LLM节点通过上下文苹果完成了苹果的营养价值，通过问题分类走向主语是水果的分支，结束节点，完成结果的输出。

二、条件分支节点

条件分支节点是用于解决更加严谨的条件判断，更加适合用于AI 工程的SQL语言的配置组合，如下图，已搭建好了一个条件分支节点的AI工作流。

流程图的逻辑解析，当输入的是水果，且是橘子，实现一套逻辑的输出，当如果不包含橘子，其是水果，是另外一个结果的输出，如果是非水果，如是羊肉是一个结果的输出，如果是非水果，如猪肉，是另外一个结果的输出。

运行结果解析：

如上图，当如果不包含橘子，其是水果，是另外一个结果的输出，我们输入的是苹果，则输出原始输入的“苹果”。

三、参数提取器

参数提取器，是一个针对上游大模型输出的全文，寻找如：人物，如上文是一个：“小明今天购买了一个王者荣耀皮肤，和小晓一起游戏”，则会输出小明，小晓

运行结果解析：

如上，当输入20个水果，LLM大模型按照提示词对20个水果的营养价值进行了输出，然后参数提取器则通过节点能力，实现了对水果名称的抽取。

扩展：

该节点可以完成更加抽象的抽取，如：获得金牌的人员等。实现更加丰富的抽象，是大模型工作流很重要的节点。

总结：

不难看出大模型的节点，实际上是根据大模型的能力，进行了提示词的定制，实现了如上三个节点的能力，由此可知，大模型虽然存在大家所认为的幻觉，笔者认为大模型需要工程化的搭建，是可以生成更好的内容的，进而来完成公众号的自动输出，创作，也能完成读者的阅读需求。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

留下你的场景和痛点,我们帮你判断从哪一步开始。