#1. 常用控制与处理节点

说明：用户输入、触发器、LLM、知识检索、直接回复、输出、Agent、问题分类器等核心节点已在第三部分详细介绍，此处不再重复。以下补充介绍工作流（Workflow）与聊天流（Chatflow）中常用的控制、处理与集成类节点。

#条件分支（IF/ELSE）节点

条件分支节点根据设定的条件表达式进行判断，将流程导向不同的分支路径。支持 IF / ELIF / ELSE 多分支结构，可添加多个条件并设置逻辑关系（AND / OR）。

主要参数：

• 条件列表：一个或多个判断条件，每个条件包含变量选择、比较运算符和比较值。支持的运算符包括：等于、不等于、包含/不包含、开头是/结尾是、大于、小于、为空/不为空等。

• 逻辑关系：当有多个条件时，条件之间的逻辑关系，AND（全部满足）或 OR（满足任一）。

• IF 路径：条件满足时执行。

• ELIF 路径（可选）：IF 不满足时按顺序检查的额外条件，可添加多个。

• ELSE 路径：所有条件均不满足时走此路径。

配置示例：根据对话轮次分流

条件：sys.dialogue_count 等于 1
IF 分支 → LLM 节点
ELSE 分支 → LLM 2 节点

#循环节点

循环节点反复执行内部处理流程，直到满足退出条件或达到最大循环次数。与迭代节点不同，循环节点的每一轮可以基于上一轮的结果继续处理，适合逐步优化或迭代改进的场景。

主要参数：

• 循环变量：在循环体内跨轮次传递的变量，每一轮都可读取和更新。
• 循环终止条件：满足条件时退出循环，也可通过循环内的「退出循环」节点主动终止。
• 最大循环次数：无论是否满足终止条件，到达此次数后强制退出（默认 10 次）。

配置示例：生成随机数直到满足条件

循环变量：result（初始值：100）
最大循环次数：50
循环体：
  代码执行 → 生成 1-100 随机整数
  条件判断 → 小于 50 时退出循环
循环终止条件：result < 50

#人工介入节点

人工介入节点会在工作流的关键点暂停执行，向指定人员发送一个可自定义的请求表单。接收人可以在表单里审核信息、填写输入，并从预设的几个决策中做出选择，这个选择决定了工作流接下来怎么走。通过在关键环节嵌入人工判断，在自动化效率与人工监督之间取得平衡。

主要参数：

一个人工介入节点由四部分配置组成——发送方式、表单内容、用户动作、超时策略，分别对应"请求怎么送达""接收人看到什么""接收人能做哪些决策""等多久、没人回怎么办"。

1. 发送方式

选择请求送达接收人的渠道，目前支持两种：

• Web 应用：把请求表单直接展示给 WebApp 的终端用户。注意，由触发器启动的工作流不支持这种方式。（此外，外部客户端可以通过 Service API 驱动 WebApp 表单的整个生命周期，适合做后端集成。）
• 邮件：把带请求链接的邮件发给指定的工作区成员、外部邮箱地址，或工作区全体成员。任何拿到链接的人都能响应，无需 Dify 账户。 无论用哪种方式，请求都会在收到第一个响应后立即关闭。

2. 表单内容

表单是接收人真正看到并与之交互的部分，可从以下三个方面自定义：

• 用 Markdown 排版结构：用标题、列表、加粗、链接等 Markdown 元素把信息呈现清楚。
• 用变量显示动态数据：通过 {{变量名}} 引用上游节点的动态内容，比如待审核的 AI 生成文本，或他人在上游人工介入节点上传的待审文件。在 Web 应用方式下，表单本身会直接展示给终端用户，表单里引用的变量值也会直接显示出来，因此无需在人工介入节点之前再加直接回复或输出节点。
• 用表单字段收集输入：在表单里加入输入字段，向接收人收集不同类型的输入，每个字段都会成为下游可用的变量。例如在博客审核工作流里，可以把接收人的反馈传给下游 LLM 节点用于修订。字段类型有三种： | 字段类型 | 说明 | | ----------------- | ------------------------------------------------------------ | | 段落 | 文本输入。可以留空，也可以预填变量（如待优化的 LLM 输出）或静态文本（示例或默认值）供接收人编辑。无最大长度限制，但过长的输入可能超出下游 LLM 的上下文窗口。 | | 下拉选项 | 从选项列表里单选。选项可以手动定义，也可以引用上游某个 array[string] 变量、把其中的值作为选项。 | | 单文件 / 文件列表 | 单个或多个文件上传。单文件上限：图片 10 MB、文档及其他文件 15 MB、音频 50 MB、视频 100 MB；文件列表字段最多 10 个文件。 |

说明：三种字段里只有"段落"是选填，"下拉选项""单文件""文件列表"都是必填。所有必填字段填完之前，表单的动作按钮点不了。

接收人响应后，填好所有值的表单内容可作为 __rendered_content 变量供下游使用。其中文件字段的值以纯文本占位符呈现：单文件为 [file]，文件列表为 [N files]。

提示：推理模型除了最终答案，还会输出思维过程。引用 text 输出变量时默认两者都会显示；如果只想显示答案，可在对应的 LLM 节点上开启「启用推理标签分离」。

3. 用户动作

定义接收人可以点击的决策按钮，每个按钮把工作流路由到不同的执行路径。比如 Post（批准）分支通往触发内容发布的节点，Regenerate（重新生成）分支则绕回 LLM 节点去修改内容。

每个按钮都有一个显示标题和一个动作 ID。按钮被点击时，它的 ID 会作为 __action_id、标题（按钮文本）会作为 __action_value 供下游使用。

提示：用预设的按钮样式在视觉上区分不同动作，比如给 Approve 这类关键动作用醒目样式，给次要选项用淡一些的样式。

4. 超时策略

设定请求保持开启的最长时间，默认 3 天。如果超时前没有接收人响应，工作流会沿节点的"超时"分支继续，可以把这个分支接到后备路径上，比如发通知或重试。如果没有连接超时分支，工作流就直接结束。

示例：内容审核工作流

下面用一个内容审核工作流串起整个流程。它根据发起者输入的 topic（主题）和 language（语言）起草一篇博客文章，把草稿通过邮件发给审核人，再根据审核人的选择决定最终输出。

整个节点围绕审核人应该能完成的三件事来设计：

• 查看 AI 生成的草稿：在表单里引用上游 LLM 节点的 text 变量，让渲染后的表单直接显示草稿。
• 按需编辑草稿：在表单里加一个段落输入字段 edits，预填同一个 text 变量，让审核人以草稿为起点就地修改。（博客文章通常较长，用表单以 Markdown 渲染来呈现草稿，阅读体验比段落输入框更好；内容较短时，单独用一个预填的段落字段就能让接收人同时阅读和编辑。）
• 提供反馈交给 AI 修订：在表单里加一个段落输入字段 feedback 收集反馈，然后接两个下游 LLM 节点——先由 Regenerate 节点根据原始草稿 text 和反馈 feedback 生成修订稿，再由 Check Revision 节点对照 feedback 检查修订稿是否落实了反馈，检查后的结果作为最终输出流向下游。 审核人在收到的表单里，根据判断填相应的段落字段（或留空），再点对应的动作按钮。每个动作连到不同的输出：

按钮 1：Approve      → 输出上游 LLM 的原始草稿
按钮 2：Apply Edit   → 输出段落字段 edits，即审核人编辑过的内容
按钮 3：Regenerate   → 输出经下游 LLM 节点处理过的修订稿

三个 LLM 节点的提示词可参考：

【Generate Draft】
System: Write a marketing blog post around the given topic in the specified language.
User:   Topic: {{#user_input.topic#}}
        Language: {{#user_input.language#}}
 
【Regenerate】
System: Regenerate the draft based on user feedback.
User:   Draft: {{#generate_draft.text#}}
        User Feedback: {{#human_input.feedback#}}
 
【Check Revision】
System: Check whether the draft below addresses the user's feedback.
        Return the draft unchanged if it does; revise it to address the feedback if it doesn't.
User:   User Feedback: {{#human_input.feedback#}}
        Regenerated Draft: {{#regenerate.text#}}

#代码执行节点

代码执行节点允许运行自定义的 Python 或 JavaScript 代码，适用于数据格式转换、数学计算、字符串处理、JSON 解析等场景。代码在安全沙箱中运行，不允许访问文件系统或发起网络请求。

主要参数：

• 输入变量：从上游节点引入需要处理的数据，在代码中通过变量名直接引用。需在输入变量面板中声明变量名。
• 编程语言：Python 3 或 JavaScript。
• 代码：自定义代码逻辑。Python 需定义 main() 函数并返回字典；JavaScript 同理。
• 输出变量：声明代码返回的字段名称和类型，供下游节点引用。需与 return 中的 key 一致。
• 外部依赖：Python 支持 numpy、pandas 等；JavaScript 支持 lodash、moment 等。

从 HTTP 响应中提取 JSON 字段示例：

def main(http_response: str) -> dict:
    import json
    data = json.loads(http_response)
    return {
        "result": data["data"]["name"]
    }

#HTTP 请求节点

HTTP 请求节点用于连接外部 API 和 Web 服务，支持获取数据、发送 Webhook、上传文件等操作。支持所有标准 HTTP 方法，可通过变量动态构建请求的各个部分。

主要参数：

• 请求方法：GET / POST / PUT / PATCH / DELETE / HEAD。

• URL：请求目标地址，支持通过 {{变量名}} 动态插入变量。

• 请求头：自定义 HTTP 请求头，如 Content-Type、Authorization 等。

• 查询参数：URL 中的 Query 参数。

• 请求体：POST/PUT 等方法的请求体，支持 JSON、Form-data、Raw Text、Binary（文件上传）。

• 认证方式：无认证、API Key（Basic / Bearer / Custom）。
• 超时设置：请求超时时间。
• 失败重试：自动重试失败请求，可配置次数和间隔。

输出变量：body（响应体）、status_code（HTTP 状态码）、headers（响应头）、files（响应中的文件）。

配置示例：获取 YouTube RSS 数据

#工具节点

工具节点可在工作流中调用 Dify 内置工具、自定义工具、子工作流或 MCP 协议接入的外部服务。每个工具有预定义的输入参数和输出格式。

主要参数：

• 工具选择：从可用工具列表中选择。工具分三类——内置工具、自定义工具、子工作流。
• 工具参数：根据所选工具定义填写输入参数，支持引用上游变量。

#迭代节点

迭代节点用于遍历一个数组（列表），对其中的每一个元素执行同一段内部子流程，并把每次的结果收集成一个新数组输出。适合「对一批数据逐条做相同处理」的场景，例如对文章列表逐篇生成摘要、对多条反馈逐条做情感分析。

主要参数：

• 输入（迭代对象）：一个数组类型的变量，节点会逐个元素地执行内部流程。
• 迭代内部流程：在节点内部编排要对每个元素执行的节点（如 LLM、代码执行等）。内部可通过 item（当前元素）和 index（当前序号）引用本轮数据。
• 输出：内部流程每轮产出的结果汇总成的数组，供下游节点使用。
• 并行模式（可选）：支持并行处理多个元素以缩短总耗时，可设置并行上限。

与循环（Loop）节点的区别：迭代是「对已知列表的每个元素各跑一次，彼此独立」；循环是「反复执行直到满足退出条件，且每轮可基于上一轮结果继续」。批量处理选迭代，逐步逼近/收敛选循环。

#变量聚合器节点

变量聚合器用于把多个分支的输出汇聚成同一个输出变量，供下游节点统一引用。典型用途：条件分支 / 问题分类器 / 多个触发器分出多条路径后，各分支的结果需要接到同一个后续节点时，用它把这些互斥分支「合流」，避免在每条分支上重复搭建相同的下游节点。

主要参数：

• 聚合变量组：依次添加来自各分支的变量。运行时哪条分支被执行，聚合器就输出那条分支对应的值。
• 输出：聚合后的单一变量（可含多组），下游只需引用这一个变量即可。

常与「迭代」配合：迭代内部若有多条分支，也可用它先合流再输出。

#模板转换节点

模板转换节点使用 Jinja2 模板语法，把一个或多个变量拼装、格式化成一段文本输出，常用于把多个节点的结果整理成结构化的最终文案（如 Markdown 报告）。相比「直接回复」节点，它不负责对用户输出，而是产出一个文本变量供下游继续使用（因此在工作流 / Chatflow 中都可用）。

主要参数：

• 输入变量：在模板中要引用的变量，需先在输入面板声明。
• 模板（Template）：Jinja2 模板文本，用 {{ 变量名 }} 插值，支持 {% for %}、{% if %} 等逻辑，可循环展开列表、按条件输出。
• 输出：渲染后的字符串变量 output。

示例（把三段文案整合为一份 Markdown）：

## 微信公众号文案
{{ 公众号文案 }}

## 小红书文案
{{ 小红书文案 }}

#参数提取器节点

参数提取器借助 LLM，从一段自然语言中抽取出结构化参数（如从「帮我查下北京明天的天气」中提取出 city=北京、date=明天），供后续的工具节点、HTTP 请求节点等使用。它相当于「自然语言 → 结构化字段」的桥梁。

主要参数：

• 输入变量：要从中抽取信息的文本（如用户输入）。
• 模型：负责理解与抽取的 LLM。
• 提取参数列表：逐个定义要抽取的字段，包含字段名、类型、是否必填、描述（描述越清楚，抽取越准）。
• 指令（可选）：补充抽取规则或边界说明。
• 输出：抽取出的各字段变量，以及是否成功等状态。

#文档提取器节点

用户输入节点只接收文件、并不解析内容。文档提取器节点负责把上传的文档（PDF、Word、TXT、Markdown 等）解析为纯文本，输出给 LLM 等下游节点理解使用。

主要参数：

• 输入变量：来自用户输入节点的「单文件」或「文件列表」变量。
• 输出：提取出的文本内容（text）；对文件列表则输出文本数组。

图片类文件应改用具备视觉能力的 LLM 节点处理；CSV / JSON 等结构化文件可用代码节点解析。

#列表操作节点

列表操作节点用于对数组做筛选、排序、截取（取前 N 项）、按条件提取等处理。常接在「文件列表」之后，例如把混合上传的文件按类型（图片 / 文档）拆分，再分别送入不同处理分支。

主要参数：

• 输入变量：一个数组变量。
• 操作：过滤（按条件保留）、排序（升/降序）、截取（取前 N 个）等。
• 输出：处理后的数组。

#变量赋值节点

变量赋值节点用于给会话变量（Conversation Variables）等可写变量赋值，是 Chatflow 中实现「跨轮次记忆 / 状态保持」的关键。例如把用户首次指定的语言偏好写入会话变量，后续每轮都读取它来决定回复语言。

主要参数：

• 目标变量：要写入的会话变量（或循环变量）。
• 来源 / 赋值方式：设置写入的值或来源变量。

会话变量（Conversation Variables）是 Chatflow 专有的一类可读写变量，在整段对话生命周期内持续存在，可用于记录用户偏好、累积的清单等；配合变量赋值节点读写。建议在第二部分「核心概念」或第三部分中补充这一概念，因为它是理解 Chatflow 状态管理的基础。