打开Dify主页面，点击创建空白应用，

在弹窗中上面选择工作流，下面输入名称和描述后点击创建，

创建后就会有一个可拖拽的工作流页面，由于还没设置，默认只有一个开始，我们创建一个条件语句，就是根据不同的情况去执行不同的任务，我们可以创建一个变量，然后根据这个变量的值去判断执行哪个任务，所以在开始节点中添加一个变量，叫city，

然后在开始后的+添加一个IF条件分支，在IF条件分支中需要判断刚才的变量，也就是city，我们配置如果输入city包含苏州，就执行一中任务，如果没有就执行另一种任务，在条件分支的后面可以看到两个+，就是连接的不同任务。

这里在条件成立时执行天气预报的功能，不成立是调用大模型问答功能，那么这样，我输入苏州就会进去天气预报，输出天气预报的内容，否则会根据输入内容进行大语言模型的问答。

最后需要给每个任务分支加上结束节点，需要注意在结束节点中药添加输出变量，否则任务虽然执行但是看不到结果，。然后就可以点击发布和运行了。

下面是两个分支任务的执行结果，已经实现了刚才配置的功能。由于天气预报调用的是接口，所以返回的是一大串的JSON数据。

这样一个Dify简单的工作流任务就完成了。

以下是对 Dify 工作流节点及相关功能的整理

一、基础与流程控制类节点

1. 开始节点
2. 功能：工作流的起点，用于初始化变量或接收用户输入数据（如文本、文件、下拉选项等），支持系统变量（如用户ID、应用ID）记录全局信息。
3. 配置：可定义输入字段类型（文本、段落、文件等）和系统参数。
4. 结束节点
5. 功能：工作流终点，汇总关键结果输出。需声明输出变量，支持多分支不同结束节点。
6. 条件分支节点
7. 功能：根据条件（如文本包含、数值比较）决定执行路径，支持 IF/ELIF/ELSE 逻辑。
8. 应用场景：客服意图分类、动态流程切换。
9. 迭代节点
10. 功能：对数组数据（如文本片段列表）批量处理，避免大模型单次处理限制。例如拆分长文本翻译。
11. 循环节点
12. 功能：依赖前序结果的递归处理，需设置终止条件（如变量阈值）和最大循环次数，适用于优化任务。

二、数据处理与转换类节点

1. 参数提取节点
2. 功能：从用户输入或数据中提取结构化参数（如日期、关键词）。
3. 模板转换节点
4. 功能：格式化数据输出，例如将JSON转换为自然语言描述。
5. 变量赋值/聚合节点
6. 功能：动态更新变量值或整合多变量信息。
7. 代码执行节点
8. 功能：运行 Python/JavaScript 脚本，处理复杂逻辑（如JSON解析、数学计算）。
9. 问题分类节点
10. 功能：识别用户意图，支持多标签分类（如邮件归类为咨询/投诉）。

三、AI与外部交互类节点

1. LLM节点
2. 功能：调用大模型（如GPT-3.5、LLaMA）生成文本、分类、翻译或代码生成。
3. 配置：需选择模型、设置提示词（如角色指令）和参数（温度、最大生成长度）。
4. 知识检索节点
5. 功能：从知识库检索相关内容，作为LLM上下文输入，提升问答准确性。
6. HTTP请求节点
7. 功能：调用外部API获取数据（如天气查询、网页抓取），支持GET/POST方法和参数配置。
8. Agent节点
9. 功能：通过策略（如Function Calling、ReAct）自主调用工具，实现多步推理。例如结合搜索工具解答复杂问题。
10. 工具节点
11. 功能：集成第三方服务（如数据库查询、发送消息），支持内置工具授权或自定义工具开发。

四、典型工作流案例

1. 文章仿写流程
2. 节点链：开始节点（输入原文）→ LLM节点（改写指令）→ 结束节点（输出结果）。
3. 进阶：可整合HTTP节点抓取网页内容或知识库节点补充专业术语。
4. 多轮对话系统
5. 节点链：开始节点（用户输入）→ 知识检索 → LLM生成回复 → 直接回复节点（流式输出）。