【经验分享】Dify工作流中生成的内容写为文件导出

慢热型网友.

已于 2025-05-07 09:05:13 修改

阅读量2.5k

点赞数 31

分类专栏： Large Language Model 文章标签：经验分享

于 2025-04-16 10:59:26 首次发布

本文链接：https://blog.csdn.net/pdsu_Zhe/article/details/147266787

版权

Large Language Model 专栏收录该内容

10 篇文章

订阅专栏

文章目录

问题
原因分析
- 1、沙箱环境的限制
- 2、功能设计的侧重点
思路
步骤
结果
- 运行
- 查看文件生成
至此，问题解决

问题

最近在研究利用多智能体进行实体关系抽取，所以想到了用Dify的工作流来做，工作流是搭建好了，但是发现这些生成的内容好像无法导出到本地或者线上导出。
在这里插入图片描述

在这里插入图片描述

原因分析

1、沙箱环境的限制

Dify 的代码执行环境是基于沙箱（Sandbox）的，这种环境是为了确保代码执行的安全性和隔离性。沙箱环境限制了代码对本地文件系统和外部网络的直接访问，因此无法直接将生成的内容导出到本地或线上存储。沙箱环境中代码的执行和资源访问受到严格控制，例如临时文件的创建和删除都在沙箱内部完成。

2、功能设计的侧重点

Dify 的工作流界面主要是为了方便用户直接查看和使用生成的内容，而不是进行复杂的数据处理。这种设计使得用户可以快速获得所需信息，但同时也限制了数据导出的灵活性。

思路

那么在查了一些博主的方案后，发现是代码在docker部署下的sandbox容器目录中临时运行的，那么有了下面的思路：

在工作流中添加代码节点，将生成内容写入到sandbox的临时环境下
在宿主机建立与镜像位置的映射，将沙箱文件映射到宿主机，免于进入docker镜像查看

步骤

操作系统：ubuntu 18.04
dify版本：1.1.3
部署方式：docker compose 部署

1、在sandbox容器和本地中创建存放文件的目录

1.1 sandbox

在启动dify时候可以看到有一个Container 名字为 docker-sandbox-1 这个就是我们的代码执行节点的运行目录。
在这里插入图片描述
如果容器正在运行，可以使用 docker exec 命令进入容器的 shell 环境。可以运行以下命令：

docker exec -it docker-sandbox-1 /bin/bash

进入容器后找到如下目录，并执行以下操作：

#进入目录
cd /var/sandbox/sandbox-python/tmp/

# 创建一个file的目录 可以自定义 
mkdir file

# 给予此文件夹可写入权限 个人建议给于整个目录权限
cd /var
chmod -R 777 *

在这里插入图片描述

1.2 本地

#进入本地目录
cd /dify/docker/volumes/sandbox/

# 创建一个file的目录 可以自定义 
mkdir file

# 给予此文件夹可写入权限 个人建议给于整个目录权限
chmod -R 777 *

2、建立宿主机映射

在dify的docker目录下，打开docker-compose.yaml文件，找到以下内容，在volumes下加一行

# ./volumes/sandbox/file 是宿主机目录下的地址
# /var/sandbox/sandbox-python/tmp/file:rw 是容器中的地址 赋予读写权限
- ./volumes/sandbox/file:/var/sandbox/sandbox-python/tmp/file:rw

# The DifySandbox
  sandbox:
    image: langgenius/dify-sandbox:0.2.11
    restart: always
    environment:
      # The DifySandbox configurations
      # Make sure you are changing this key for your deployment with a strong key.
      # You can generate a strong key using `openssl rand -base64 42`.
      API_KEY: ${SANDBOX_API_KEY:-dify-sandbox}
      GIN_MODE: ${SANDBOX_GIN_MODE:-release}
      WORKER_TIMEOUT: ${SANDBOX_WORKER_TIMEOUT:-15}
      ENABLE_NETWORK: ${SANDBOX_ENABLE_NETWORK:-true}
      HTTP_PROXY: ${SANDBOX_HTTP_PROXY:-http://ssrf_proxy:3128}
      HTTPS_PROXY: ${SANDBOX_HTTPS_PROXY:-http://ssrf_proxy:3128}
      SANDBOX_PORT: ${SANDBOX_PORT:-8194}
    volumes:
      - ./volumes/sandbox/dependencies:/dependencies
      - ./volumes/sandbox/conf:/conf
      - ./volumes/sandbox/file:/var/sandbox/sandbox-python/tmp/file:rw
    healthcheck:
      test: [ 'CMD', 'curl', '-f', 'http://localhost:8194/health' ]
    networks:
      - ssrf_proxy_network

在这里插入图片描述

至此，准备工作已完成，接下来就是在Dify进行操作

3、在dify中创建工作流

工作室-创建空白应用-选择工作流
在这里插入图片描述

在这里插入图片描述

在这里创建了四个节点，开始、结束、大模型回答节点以及代码执行节点
在这里插入图片描述

4、各节点设计

开始、结束节点就不介绍了，简单介绍中间两个节点

LLM节点

此节点的作用主要是调用大模型生成回答。
在这里插入图片描述

文件导出代码节点

在这里传入了两个参数，一个是上个节点大模型生成的text回答，一个是方便导出文件辨别加入了user_id（系统自动生成）。
在这里插入图片描述

代码如下：
文件路径为临时代码执行位置，在sandbox的docker容器中，后面展示如何进入该位置

import os
import json

def main(arg1: list, user_id: str) -> dict:
    # 定义文件路径
    file_path = f'/tmp/file/{user_id}_response.json'
    # 获取目录路径
    directory = os.path.dirname(file_path)
    # 如果目录不存在，则创建目录
    if not os.path.exists(directory):
        os.makedirs(directory)
    
    # 将 JSON 对象序列化为字符串
    json_str = json.dumps(arg1, ensure_ascii=False, indent=4)
    
    # 打开文件并写入内容
    with open(file_path, 'w', encoding='utf-8') as f:
        f.write(json_str)
    
    # 返回结果
    return {
        "result": f'文件生成完毕：{file_path}'
    }