Dify工作流实战：分类、条件与介入节点构建智能工单处理系统

在构建AI应用时，我们常常面临一个核心挑战：如何让AI的响应不只是简单的“一问一答”，而是能根据不同的输入内容、业务规则或用户意图，执行差异化的处理流程？比如，用户输入一个产品咨询，系统需要先判断其属于“售后”、“售前”还是“投诉”，再分别调用不同的知识库或API；或者，在生成一段文案后，需要人工审核确认才能最终发送。这些复杂的逻辑编排，正是Dify工作流中“分类”、“条件”与“介入”三大核心节点所要解决的问题。

本文将深入拆解Dify工作流中的这三个关键控制节点。无论你是希望构建一个能自动分流用户问题的智能客服，还是一个需要人机协同的内容审核流水线，掌握这些节点的用法都将使你从简单的Prompt工程，迈向真正可落地的、健壮的AI应用开发。我们将从概念入手，通过一个完整的“智能工单处理”实战案例，手把手带你配置分类器、设置条件分支，并加入人工审核环节，最终输出一份结构清晰、可直接复用的工作流模板。

1. 核心概念：工作流中的逻辑控制三要素

在深入配置之前，我们首先要理解“分类”、“条件”和“介入”在Dify工作流中分别扮演什么角色，以及它们如何协同工作。

1.1 分类节点：智能路由的决策起点

分类节点（Classifier）的核心作用是对输入的文本内容进行意图识别或类别判断。你可以将其理解为一个内置的、可定制的文本分类器。它接收一段文本（通常是用户的提问或输入内容），并输出一个或多个预设的类别标签。

典型应用场景：

• 客服机器人：将用户问题自动分类为“技术故障”、“账单查询”、“产品咨询”等。
• 内容审核：判断用户生成内容（UGC）属于“正常”、“广告”、“违规”或“敏感”。
• 工单系统：根据问题描述，将工单初步分配至“研发部”、“运维部”或“市场部”。

技术本质：在底层，Dify的分类节点通常利用嵌入模型（Embedding Model）计算输入文本与各个类别描述之间的语义相似度，或直接调用微调的分类模型来完成判断。你无需关心具体模型，只需定义好类别及其描述即可。

1.2 条件节点：流程分支的指挥棒

条件节点（Condition）是工作流的“IF-ELSE”语句。它根据上游节点的输出结果（通常是变量），决定工作流的执行路径。如果满足某个条件，则流程走向一个分支；否则，走向另一个分支。

关键特性：

• 基于变量：条件判断的依据是工作流中已生成的变量，如分类节点的输出、LLM节点的回复文本、或工具节点的返回结果。
• 多分支支持：可以设置多个条件分支，实现复杂的逻辑判断。
• 必选与默认：通常包含一个“必选”分支（条件为真时执行）和一个“默认”分支（所有条件都不满足时执行）。

典型应用场景：

• 根据分类结果，调用不同的知识库进行检索。
• 根据用户查询中是否包含关键词，决定是否进行敏感信息过滤。
• 根据当前时间或用户等级，提供差异化的服务。

1.3 介入节点：人机协同的关键枢纽

介入节点（Human Intervention）是连接自动化流程与人工操作的桥梁。当工作流执行到该节点时，会自动暂停，等待指定的人工操作（如审核、修改、确认）完成后，再继续向下执行。

核心价值：

• 风险控制：在关键环节（如内容发布、交易确认）引入人工审核，确保安全合规。
• 质量提升：允许人工对AI生成的内容进行润色、修正或补充，提升最终输出质量。
• 复杂决策：将机器难以处理的非标判断（如创意评审、情感安抚）交由人类处理。

工作模式：配置介入节点时，你需要定义“操作人”（可以是特定用户或角色）和“操作类型”（如审批、编辑文本、填写表单）。操作人会在Dify的应用运行日志或待办任务中看到待处理项。

2. 环境准备与项目概述

在开始实战前，请确保你已拥有一个可用的Dify环境。你可以使用 Dify官方提供的云服务 ，也可以按照 Dify本地部署教程 在自有服务器上部署。

本文演示环境：

• Dify版本：社区版 0.6.x (版本迭代较快，核心功能界面基本一致)
• 主要模型：OpenAI GPT-4o-mini (也可替换为通义千问、DeepSeek等Dify支持的其他模型)
• 浏览器：Chrome / Edge 最新版

实战项目：智能工单处理工作流我们将构建一个模拟的“智能工单处理系统”。其业务逻辑如下：

1. 用户输入：用户提交一段工单描述。
2. 自动分类：工作流自动判断该工单属于[技术故障]、[账户问题]还是[产品建议]。
3. 条件分流：
   • 若为[技术故障]，则调用“技术知识库”进行问题检索与解答。
   • 若为[账户问题]，则调用“账户与账单知识库”进行解答。
   • 若为[产品建议]，则流程进入“人工产品经理审核”环节。
4. 人工介入：对于产品建议，需要产品经理审核是否采纳，并补充处理意见。
5. 统一回复：最终，系统将分类处理后的结果（或人工审核后的意见）整合成一份完整的回复，返回给用户。

接下来，我们进入Dify控制台，一步步实现这个工作流。

3. 工作流搭建：从零开始构建智能工单处理器

3.1 创建新应用与工作流

1. 登录Dify，点击顶部导航栏的“创建应用”。
2. 选择“工作流”类型，输入应用名称，例如“智能工单处理助手”，点击创建。
3. 进入应用后，你会看到默认的“开始”和“结束”节点。中间空白区域就是我们的画布。

3.2 配置“分类”节点

1. 添加节点：从左侧节点库中，找到“分类”节点，将其拖拽到画布上，放置在“开始”节点之后。
2. 连接节点：从“开始”节点的输出点（右侧小圆点）拖出一条线，连接到“分类”节点的输入点（左侧小圆点）。
3. 节点配置：点击画布上的分类节点，右侧会弹出配置面板。
   • 分类变量：这里选择我们接收用户输入的变量。点击“选择变量”，选择sys.user_input（这是Dify内置变量，代表用户最初输入的问题）。
   • 分类类别：我们需要定义三个类别。点击“添加类别”，分别设置：
     • 类别一：
       • 名称：技术故障
       • 描述：用户反映系统无法使用、报错、功能异常、性能缓慢、安装失败等技术性问题。
     • 类别二：
       • 名称：账户问题
       • 描述：用户咨询登录、注册、密码重置、账号被封、会员权益、账单支付和发票等问题。
     • 类别三：
       • 名称：产品建议
       • 描述：用户对产品提出新功能建议、界面优化意见、使用体验反馈等。
   • 分类模型：保持默认的“Embeddings”即可，它会根据描述进行语义相似度判断。
   • 输出变量名：设置为classification_result。这个变量将保存分类结果（如“技术故障”），供后续节点使用。

配置完成后，你的分类节点应该如下图所示（概念示意）：

[开始] --> [分类节点] 输入: sys.user_input 类别: 技术故障 | 账户问题 | 产品建议 输出变量: classification_result

3.3 配置“条件”节点实现流程分支

分类完成后，我们需要根据结果走不同的分支。

1. 添加条件节点：从节点库拖拽“条件”节点到画布，放在分类节点之后。
2. 连接节点：将分类节点的输出连接到条件节点的输入。
3. 配置条件分支：点击条件节点进行配置。我们需要建立三个分支。
   • 分支一（技术故障）：
     • 点击“添加分支”。
     • 在分支条件中，设置“变量”为classification_result，“运算符”选择“等于”，“值”填写技术故障。
     • 给这个分支起个名字，如“处理技术问题”。
   • 分支二（账户问题）：
     • 再次“添加分支”。
     • 条件设置为：classification_result等于账户问题。
     • 分支命名为“处理账户问题”。
   • 分支三（产品建议）：
     • 这是我们的“必选”分支吗？不，我们应该把它设为另一个条件分支。
     • 添加第三个分支，条件设置为：classification_result等于产品建议。
     • 分支命名为“转产品审核”。
   • 默认分支：由于我们已经用三个条件覆盖了所有分类结果，默认分支可以保留为空，或设置一个提示如“分类未知，转人工”。这里我们将其命名为“其他情况”。

现在，条件节点就有了四个出口，分别对应三个分类结果和一个默认情况。

3.4 构建各分支的处理逻辑

接下来，我们需要为每个分支配置后续的处理节点。

分支A：处理技术问题（知识库检索+LLM回答）

1. 从节点库拖拽“知识库检索”节点到“处理技术问题”分支线上。
2. 配置该节点，选择一个你事先创建好的、包含技术文档的“技术知识库”。
3. 检索查询变量可以设置为sys.user_input。
4. 再拖拽一个“LLM”节点（如ChatGPT）连接到知识库检索节点之后。
5. 配置LLM节点，其Prompt可以写为：

   你是一名专业的技术支持工程师。请根据以下知识库内容，解答用户的技术问题。 用户问题：{{sys.user_input}} 相关技术资料： {{#context#}} （这是一个变量占位符，需要你从上游“知识库检索”节点的输出变量中，选择“内容”之类的变量拖入此处） {{/context#}} 请给出专业、清晰、分步骤的解答。如果知识库内容无法完全覆盖问题，请基于你的知识进行补充，并说明哪些是推测。

6. 将这个LLM节点的输出变量命名为tech_answer。

分支B：处理账户问题（知识库检索+LLM回答）

1. 类似地，在“处理账户问题”分支后，添加“知识库检索”节点，这次选择“账户与账单知识库”。
2. 后面同样接一个LLM节点，Prompt调整为针对账户问题的回复风格，输出变量命名为account_answer。

分支C：转产品审核（人工介入）这是本文的重点。我们在这个分支后接入“人工介入”节点。

1. 从节点库拖拽“人工介入”节点到“转产品审核”分支线上。
2. 配置介入节点：
   • 类型：选择“审批”。（也可以是“修改文本”，这里我们以审批为例）。
   • 操作人：你可以选择“指定成员”，并输入一个测试用的邮箱或用户名；或者选择“团队角色”，如“产品经理”。（演示时可以选择自己）。
   • 指令：填写给审核人的说明，例如：

     这是一条用户提交的产品建议，请审核。 原始建议：{{sys.user_input}} 请决定： 1. 【采纳】- 建议合理，将纳入产品规划。 2. 【待评估】- 需要进一步调研。 3. 【不采纳】- 并简述理由。 请在下方填写您的决策和补充意见。

   • 输出变量名：设置为human_decision。这个变量将是一个结构体，包含审核人的选择（如“采纳”）和填写的意见文本。

分支D：默认分支可以在默认分支后连接一个简单的“文本处理”节点，输出一段固定提示，如“您的问题已记录，我们将尽快安排人工客服处理。”，变量命名为default_response。

3.5 汇聚流程与最终回复

现在我们有多个分支并行执行，最终需要汇聚到一个“结束”节点，并给出统一回复。我们需要使用“合并”逻辑。Dify工作流中，多个分支不会自动合并，我们可以通过以下两种方式之一实现：

方式一：使用“变量赋值”和“条件判断”进行汇聚（推荐，更清晰）

1. 在所有分支的最终端（LLM节点或人工介入节点后），都连接到一个新的“变量赋值”节点。
2. 在每个“变量赋值”节点中，将本分支的最终结果（如tech_answer,account_answer,human_decision）赋值给一个统一的变量，例如final_result。
3. 然后，将这些“变量赋值”节点都连接到最终的“结束”节点。Dify工作流引擎会执行所有激活的分支，但final_result变量会被最后执行的分支覆盖。为了避免歧义，更严谨的做法是再添加一个“条件”节点来判断哪个分支被激活了，但这会复杂化。对于演示，我们可以暂时接受这种方式。

方式二：使用“结束”节点直接引用分支变量更简单的方法是：直接配置“结束”节点的回复模板，让它根据分类结果来引用不同的变量。

1. 双击“结束”节点进行配置。
2. 在回复模板中，使用Dify的模板语法进行判断：

{% if classification_result == “技术故障” %} {{tech_answer}} {% elif classification_result == “账户问题” %} {{account_answer}} {% elif classification_result == “产品建议” %} {% if human_decision %} 产品经理审核意见：{{human_decision}} {% else %} 您的建议已收到，正在等待产品经理审核。 {% endif %} {% else %} {{default_response}} {% endif %}

这种方式无需合并节点，直接在最终输出时进行逻辑判断，更为简洁直观。

3.6 保存并测试工作流

1. 点击画布右上角的“保存”按钮。
2. 保存后，点击右上角的“发布”按钮，将工作流发布为一个可访问的Web应用或API。
3. 测试：
   • 在应用预览窗格，尝试输入不同的问题。
   • 输入“我的软件突然打不开了，提示错误代码0x8001”，观察是否走“技术故障”分支并返回知识库答案。
   • 输入“我想申请开发票，在哪里操作？”，观察是否走“账户问题”分支。
   • 关键测试：输入“我希望手机App能增加深色模式”，这应该触发“产品建议”分支。提交后，工作流会暂停。
4. 处理人工介入：
   • 你需要到Dify后台的“日志与审计”或“待办”页面（具体位置取决于版本），找到这条待审批的工单。
   • 点击处理，选择“采纳”、“待评估”或“不采纳”，并填写意见。
   • 提交审批后，返回测试界面，你会发现工作流继续执行，并输出了包含你审核意见的最终回复。

至此，一个集成了自动分类、条件分支和人工审核的智能工单处理工作流就搭建完成了。

4. 高级技巧与最佳实践

掌握了基础搭建后，我们来看一些提升工作流健壮性和效率的技巧。

4.1 分类节点的优化策略

• 描述要具体：类别的描述文本至关重要。应使用清晰、具体、包含典型关键词和反例的句子，以帮助嵌入模型更好地区分。例如，“技术故障”的描述可以加上“不包括关于价格、账号登录等非技术性疑问”。
• 类别数量适中：分类类别不宜过多（如超过10个），否则可能影响准确率。对于复杂分类，可以考虑设计两级分类工作流。
• 设置默认/未知类别：在分类节点配置中，可以勾选“允许返回未知分类”，并为未知分类设计一个处理流程（如直接转人工）。

4.2 条件节点的复杂逻辑组合

条件节点不仅支持“等于”，还支持“包含”、“大于”、“小于”、“正则匹配”等运算符。你可以实现更精细的判断：

• 组合判断：目前Dify的条件节点通常一次只能判断一个条件。如需“且”、“或”逻辑，可以通过串联多个条件节点，或在前置的“代码”节点中编写逻辑来实现。
• 基于变量类型判断：可以判断变量是否为“空”、是否为“数字”等。

4.3 人工介入节点的工程化应用

• 超时与自动处理：可以为介入节点设置“超时时间”（如24小时）。若超时无人处理，工作流可自动执行预设的默认路径（如发送提醒邮件后继续）。
• 操作人动态指定：可以通过上游的“代码”节点，根据工单内容计算出应该指派的产品经理，并将邮箱动态赋值给介入节点的“操作人”变量。
• 表单化介入：除了简单的审批和文本修改，可以设计更复杂的表单，让审核人填写多个字段，这些字段都会保存在输出变量中，供下游节点使用。

4.4 工作流的调试与监控

• 善用运行日志：Dify提供了详细的工作流运行日志。当结果不符合预期时，务必查看每个节点的输入/输出变量，这是排查问题的第一现场。
• 变量预览：在画布配置时，点击节点之间的连接线，可以预览实际传输的数据结构，确保变量引用正确。
• 版本管理：在正式部署前，通过Dify的版本历史功能保存稳定版本，便于回滚。

5. 常见问题与排查思路

在实际搭建和运行中，你可能会遇到以下问题：

6. 总结：从工具到思维的转变

通过本文的详细拆解，相信你已经掌握了Dify工作流中分类、条件与介入这三个核心控制节点的用法。它们不仅仅是三个图形化按钮，更代表了一种构建可靠AI应用的工程化思维：

1. 分解与路由：将复杂问题通过“分类”分解为子问题，并通过“条件”路由到专用处理单元。这是处理复杂性的有效手段。
2. 自动化与监督的平衡：用“介入”节点在关键决策点引入人类判断，实现了全自动流程与完全人工处理之间的最佳平衡，兼顾了效率与风险控制。
3. 可观测与可调试：工作流的可视化特性使得整个AI应用的逻辑链条变得清晰可见，任何环节的结果都可以被检查和追踪，极大降低了运维和调试成本。

下一步，你可以尝试将这些节点组合起来，解决更实际的业务场景，例如：

• 智能内容创作流水线：分类判断内容主题 -> 条件分支调用不同风格的写作模型 -> 生成初稿 -> 介入节点让编辑审核修改 -> 发布。
• 客户服务分级系统：根据用户问题情绪（分类）和客户等级（条件），决定是调用标准知识库、升级到高级AI坐席，还是立即转接人工客服（介入）。

掌握工作流的设计，意味着你开始像架构师一样思考AI应用，而不仅仅是调参者。现在，就打开你的Dify，从复现这个“智能工单处理”案例开始，构建你的第一个复杂AI工作流吧。