Dify工作流节点篇（中）

推荐语

深入探索Dify工作流的六大核心节点，掌握数据处理与转换的关键技术。

核心内容：
1. 模板转换节点：利用Jinja2模板语言实现数据的灵活转换
2. 文档提取器节点：解析文档内容，将信息转化为可处理的文本
3. 列表操作节点：对数组变量中的文件进行过滤和提取，实现精确控制

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

模板转换节点允许借助 Jinja2 的 Python 模板语言灵活地进行数据转换、文本处理、JSON转换等等。可以合并来自前置节点的变量，创建出单一的文本输出，这非常适合将多个数据源的信息汇总成一个特定格式，满足后续步骤的需求。

比如，前置节点分别输出了一篇文章的标题和内容信息，然后使用模板转换节点拼接成完整的文章，然后输出给用户。

也可以将知识库检索出的信息，整理成Markdown格式并输出

我们都知道，LLM 自身无法直接读取或解释文档的内容。因此需要将用户上传的文档，通过文档提取器节点解析并读取文档文件中的信息，转化文本之后再将内容传给 LLM 以实现对于文件内容的处理。

输入变量

文档提取器仅能够提取文档类型文件中的信息，例如 TXT、Markdown、PDF、HTML、DOCX 格式文件的内容，无法处理图片、音频、视频等格式文件。

文档提取器仅接受以下数据结构的变量：

输出变量固定命名为 text。输出的变量类型取决于输入变量：

1、输入变量为File（单独一个文件）,输出变量为string；

2、输入变量为Array[File]（多个文件），输出变量则为array[string]；

文件列表变量支持同时上传文档文件、图片、音频与视频文件等多种文件。应用使用者在上传文件时，所有文件都存储在同一个 Array[File] 数组类型变量内，不利于后续单独处理文件，比如我们可能上传的是一个音频，一个视频，一个word文档和一个图片，但是LLM仅支持读取图片或文本内容等单一值作为输入变量，无法直接读取数组变量，这时候就可以利用列表操作节点在数组变量内提取单独的元素，便于后续节点处理。

列表操作节点可以对文件的格式类型、文件名、大小等属性进行过滤与提取，将不同格式的文件传递给对应的处理节点，以实现对不同文件处理流的精确控制。

列表操作节点一般用于提取数组变量中的信息，通过设置条件将其转化为能够被下游节点所接受的变量类型。它的结构分为输入变量、过滤条件、排序（可选）、取前 N 项（可选）、输出变量。

例如允许用户同时上传文档文件和图片文件两种不同类型的文件。需要使用列表操作节点进行分拣，将不同的文件类型交由不同流程处理。

列表操作节点只能接受Array[string]、Array[number]、Array[file]三种数据结构的变量。

处理输入变量中的数组，添加过滤条件。从数组中分拣所有满足条件的数组变量，可以理解为对变量的属性进行过滤。

举例：文件中可能包含多重维度的属性，例如文件名、文件类型、文件大小等属性。过滤条件允许设置筛选条件，选择并提取数组变量中的特定文件。

支持提取的变量如下：

提供对于输入变量中数组的排序能力，支持根据文件属性进行排序。有升序排列和降序排列两种，默认排序为升序排列。

升序排列是按照从小到大排序。对于字母和文本，按字母表顺序排列（A - Z）；

降序排列是由大到小排序，对于字母和文本，按字母表倒序排列（Z - A）

可以在 1-20 中选值，用途是为了选中数组变量的前 n 项。也可以指定取第N项。

满足各项过滤条件的数组元素。过滤条件、排序和限制可以单独开启。如果同时开启，则返回符合所有条件的数组元素。

Result，过滤结果，数据类型为数组变量。若数组中仅包含 1 个文件，则输出变量仅包含 1 个数组元素；

first_record，筛选完的数组的首元素，即 result[0]；

last_record，筛选完的数组的尾元素，即 result[array.length-1]。

变量聚合节点是工作流中的一个关键节点，它负责整合不同分支的输出结果，确保无论哪个分支被执行，其结果都能通过一个统一的变量来引用和访问。这在多分支的情况下非常有用，可将不同分支下相同作用的变量映射为一个输出变量，避免下游节点重复定义。 

变量聚合器支持聚合多种数据类型，包括字符串（String）、数字（Number）、文件（File）对象（Object）以及数组（Array）：

变量聚合器只能聚合同一种数据类型的变量。若第一个添加至变量聚合节点内的变量数据格式为 String，后续连线时会自动过滤可添加变量为 String 类型。

如我下图所示，结合条件分支，两个LLM输出的内容，就不需要分成两个直接回复节点了，可以通过变量聚合节点统合后给到直接回复节点：

开启聚合分组后，变量聚合器可以聚合多组变量，各组内聚合时要求同一种数据类型。

变量赋值节点，顾名思义就是用于向可写入变量进行变量赋值，并且已经支持了我们之前文章内讲过的会话变量。

利用 LLM 从自然语言推理并提取结构化参数，用于后置的工具调用或 HTTP 请求。

dify 工作流内提供了丰富的工具选择，其中大多数工具的输入为结构化参数，参数提取器可以将用户的自然语言转换为工具可识别的参数，方便工具调用。

工作流内的部分节点有特定的数据格式传入要求，如迭代节点的输入要求为数组格式，参数提取器可以方便的实现结构化参数的转换。