在低代码AI开发领域，dify以其创新的工作流节点系统成为行业标杆。通过将复杂任务拆解为可编排的智能单元，Dify实现了从对话机器人到企业级自动化流程的全场景覆盖。
Dify 中提供了五种应用类型：
-
聊天助手：基于 LLM 构建对话式交互的助手 -
文本生成应用：面向文本生成类任务的助手，例如撰写故事、文本分类、翻译等 -
Agent：能够分解任务、推理思考、调用工具的对话式智能助手 -
对话流：适用于定义等复杂流程的多轮对话场景，具有记忆功能的应用编排方式 -
工作流：适用于自动化、批处理等单轮生成类任务的场景的应用编排方式
主要就对话流和工作流进行对比分析
Dify 工作流分为两种类型：
-
Chatflow： -
适用场景面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。该类型应用的特点在于支持对生成的结果进行多轮对话交互，调整生成的结果。
常见的交互路径：给出指令 → 生成内容 → 就内容进行多次讨论 → 重新生成结果 → 结束
-
Workflow： -
面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。该类型应用无法对生成的结果进行多轮对话交互。
常见的交互路径：给出指令 → 生成内容 → 结束
下述 Dify 变量系统的结构化对比：
变量 | Dify
-
Workflow 和 Chatflow 类型应用由独立节点相构成。大部分节点设有输入和输出项，但每个节点的输入信息不一致，各个节点所输出的答复也不尽相同。
如何用一种固定的符号指代动态变化的内容？
-
变量作为一种动态数据容器，能够存储和传递不固定的内容，在不同的节点内被相互引用，实现信息在节点间的灵活通信。
系统变量
系统变量指的是在 Chatflow / Workflow 应用内预设的系统级参数，可以被其它节点全局读取。系统级变量均以 sys 开头。
Workflow
Workflow 类型应用提供以下系统变量：
|
|
|
|
|
|---|---|---|---|
sys.files
|
|
|
|
sys.user_id |
|
|
|
sys.app_id |
|
|
|
sys.workflow_id |
|
|
|
sys.workflow_run_id |
|
|
|
Chatflow
Chatflow 类型应用提供以下系统变量：
|
|
|
|
|
|---|---|---|---|
sys.query |
|
|
|
sys.files |
|
|
|
sys.dialogue_count |
|
|
|
sys.conversation_id |
|
|
|
sys.user_id |
|
|
|
sys.app_id |
|
|
|
sys.workflow_id |
|
|
|
sys.workflow_run_id |
|
|
|
环境变量
环境变量用于保护工作流内所涉及的敏感信息，例如运行工作流时所涉及的 API 密钥、数据库密码等。它们被存储在工作流程中，而不是代码中，以便在不同环境中共享。
环境变量支持以下三种数据类型：
-
String字符串 -
Number数字 -
Secret密钥
环境变量拥有以下特性：
-
环境变量可在大部分节点内全局引用； -
环境变量命名不可重复； -
环境变量为只读变量，不可写入；
会话变量
会话变量面向多轮对话场景，而 Workflow 类型应用的交互是线性而独立的，不存在多次对话交互的情况，因此会话变量仅适用于 Chatflow 类型（聊天助手 → 工作流编排）应用。
-
会话变量允许应用开发者在同一个 Chatflow 会话内，指定需要被临时存储的特定信息，并确保在当前工作流内的多轮对话内都能够引用该信息，如上下文、上传至对话框的文件（即将上线）、用户在对话过程中所输入的偏好信息等。好比为 LLM 提供一个可以被随时查看的“备忘录”，避免因 LLM 记忆出错而导致的信息偏差。
-
例如你可以将用户在首轮对话时输入的语言偏好存储至会话变量中，LLM 在回答时将参考会话变量中的信息，并在后续的对话中使用指定的语言回复用户。
会话变量支持以下六种数据类型：
-
String字符串 -
Number数值 -
Object对象 -
Array[string]字符串数组 -
Array[number]数值数组 -
Array[object]对象数组
会话变量具有以下特性：
-
会话变量可在大部分节点内全局引用； -
会话变量的写入需要使用变量赋值节点； -
会话变量为可读写变量；
注意事项
-
为避免变量名重复，节点命名不可重复； -
节点的输出变量一般为固定变量，不可编辑。
