#5. 创建 Chatflow

#功能介绍

Chatflow 是 Dify 中功能最强大的对话式应用类型。与基础聊天助手不同，Chatflow 采用工作流画布的方式来编排对话逻辑，你可以通过拖拽节点和连线来定义 AI 的对话处理流程。这意味着你可以实现条件分支（根据用户意图走不同的处理路径）、多步骤推理（先检索知识库、再调用 LLM 生成回答）、以及复杂的数据处理逻辑。

Chatflow 的默认结构是"开始节点 → LLM 节点 → 直接回复"，但你可以在其中插入知识检索、条件分支、代码执行等任意节点，构建出高度定制化的对话体验。Chatflow 特别适合需要精细控制对话流程的业务场景，比如多步骤的客服系统、问诊导诊流程、或者复杂的信息收集对话。

#使用方法

选择「Chatflow」类型，输入应用名称和描述，点击创建。

进入工作流画布，系统会自动创建默认的三节点结构（用户输入 → LLM → 直接回复）。

点击开始节点，在右侧面板中添加变量。

配置变量，然后保存。

添加一个「条件分支」节点。输入端与开始节点相连。

再添加一个「LLM 2」节点。

「条件分支」节点的「IF」和「ELSE」端分别连接「LLM」节点和「LLM 2」节点

点击「LLM」节点，输入提示词，并将开始节点的变量名用{}引用到提示词中。

点击「LLM 2」节点，输入提示词，并将开始节点的变量名和用户最新输入的变量名{}引用到提示词中。

「LLM 2」节点需开启「记忆」功能。

点击「条件」节点，配置条件。当sys.dialogue_count（对话轮次）等于1时，走「LLM」节点，否则走「LLM 2」节点。

将「LLM」节点和「LLM 2」节点与「直接回复」节点相连。

点击「直接回复」节点，将「LLM」节点和「LLM 2」节点的输出添加上去。

点击右上角的「预览」按钮进行对话测试。

测试完后点击「发布」即可。

发布后的应用可以在「探索」界面的左侧边栏使用。

#与聊天助手的区别

#使用技巧

• 设计 Chatflow 前先画好流程图，明确用户的可能路径和分支条件。
• 善用「问题分类器」节点对用户输入进行意图识别，将不同类型的问题路由到不同的处理分支。
• LLM 节点支持开启「记忆」功能，可以保留对话历史上下文。记忆窗口默认为 10 轮，可以根据需要调整。
• 在 LLM 节点的提示词中，可以引用「知识检索」节点的输出作为上下文，实现 RAG 增强。
• 复杂的 Chatflow 建议使用注释节点标注每个分支的用途，方便团队协作和后续维护。

#示例

示例一：电商售后客服 Chatflow

流程设计：
开始（用户输入）
    → 问题分类器（分类为：退换货 / 物流查询 / 产品咨询 / 投诉）
        → 退换货分支：知识检索（退换货政策文档）→ LLM（生成退换货指引）→ 直接回复
        → 物流查询分支：HTTP 请求（查询物流 API）→ LLM（整理物流信息）→ 直接回复
        → 产品咨询分支：知识检索（产品文档）→ LLM（回答产品问题）→ 直接回复
        → 投诉分支：LLM（安抚用户情绪）→ 人工介入 → 直接回复

示例二：智能问诊助手 Chatflow

流程设计：
开始（用户输入症状描述）
    → LLM（提取症状关键词并分类严重程度）
    → 条件分支（判断是否紧急）
        → 紧急：直接回复（建议立即就医 + 120 电话）
        → 非紧急：知识检索（常见症状与科室对照表）
            → LLM（推荐就诊科室和注意事项）
            → 直接回复

示例三：多语言客服路由 Chatflow

流程设计：
开始（用户输入）
    → LLM（检测输入语言：中文/英文/日文/其他）
    → 条件分支（按语言路由）
        → 中文：LLM（中文客服提示词）→ 直接回复
        → 英文：LLM（英文客服提示词）→ 直接回复
        → 日文：LLM（日文客服提示词）→ 直接回复
        → 其他：LLM（默认英文回复 + 提示切换语言）→ 直接回复

示例四：文档 QA 增强型 Chatflow

流程设计：
开始（用户输入）
    → 知识检索（从产品文档知识库中检索相关片段）
    → 条件分支（判断检索结果是否为空）
        → 有检索结果：LLM（基于检索内容回答用户问题，提示词中引用 @知识检索.result）→ 直接回复
        → 无检索结果：LLM（告知用户该问题不在已有资料范围内，提供通用性建议）→ 直接回复

示例五：面试模拟 Chatflow

流程设计：
开始（用户输入目标岗位和简历信息）
    → LLM（根据岗位生成面试问题，每次只问一个问题）
    → 直接回复（输出面试问题）
    ↺ 用户回答后，LLM（评价用户回答，给出改进建议，然后抛出下一个问题）
    → 循环直到完成 5 个问题
    → LLM（生成面试总结报告：评分、优势、改进建议）
    → 直接回复