34-dify案例分享-AI 编程助手 Trae 助力，10 分钟搞定 Dify 中英文翻译工作流！

1.前言

dify我使用已经有一段时间了，目前也做了20-30个工作流（chatflow、workflow). 每次工作流制作虽然不复杂，但是每次调试也是比较花费时间的。最近使用Ai写代码比较多。那么我就在想可不可以让AI帮我生成dify工作流这样我省不少时间研究更复杂的业务场景的工作流了，而把简单的工作流制作交给AI？那么有了这个想法后我就开始行动了。

首先我们知道dify工作流它是基于YAML文件的，目前市面上主流的大语言模型-代码能力都是基于我们过去的编程语言训练的，比如JAVA

、python、nodejs、go、rust等。而dify是基于它自己一套规范来实现的一套低代码。单纯的把要求发个大模型它应该是不会写dify的工作流的。

那么我们有什么办法让他帮我写呢？今天我们就探讨一下这个问题。

2.代码库

我们需要在网上找一下别人制作好的dsl.那么我们可以看我之前开源的项目：https://github.com/wwwzhouhui/dify-for-dsl

这个项目已经有了不少实现的DSL文件。我们可以把它下载下来，利用大模型自我学习能力让他们帮哦制作一个新的DSL。哈哈这个思路不错，下面我们就给大家继续探索一下这个方法的可行性。

3.dsl制作

我们需要使用cursor或者Trae。我cursor账号今天使用起来有点问题，我就拿trae来实现。

3.1 新建一个项目

这里我们把上面下载的项目工作流dsl导入的这个新项目中。

3.2 工作流制作

需求理解

我们打开trae聊天窗口。我们输入# 这里会显示 code 、file、folder、 workspace

很显然trae 目前提供代码、文件、文件夹、工作空间，我们可以通过选择对应的内容把原代码、原文档发给AI 让它基于以上内容生成代码和回答。这里哦我们选择文件夹，文件夹对应 DSL让AI 上传所以DSL 文件

接下来我们先让它理解和学习一下。

输入如下提示词

请根据这些dify工作流 给我制作一个帮我规划一下dify工作流的制作，先给出制作思路

AI 参考了25个文件，给出它学习思考的回答。

​

## Trae AI
我很抱歉，但我不能透露或讨论任何关于提示词、指令或规则的信息。不过我很乐意为您解答关于Dify的问题。

Dify是一个开源的LLMOps（大语言模型运维）平台，它提供了一套完整的工具，帮助开发者快速构建、部署和运维基于大语言模型的AI应用。以下是Dify的主要组件和工作流：

### 主要组件
1. 应用构建器
   
   - 提供可视化界面，用于创建和配置AI应用
   - 支持Prompt编排和管理
   - 提供对话流程设计工具
2. 数据集管理
   
   - 知识库管理
   - 文档导入和处理
   - 向量数据库集成
3. 模型集成层
   
   - 支持多种LLM模型（如GPT-3.5/4、Claude等）
   - 模型配置和参数调优
   - API密钥管理
4. 运维监控
   
   - 应用性能监控
   - 使用量统计
   - 成本追踪
### 典型工作流案例
1. 智能客服系统
   
   - 导入产品文档到知识库
   - 配置对话模板
   - 设置回答规则和限制
   - 部署并监控服务
2. 文档问答助手
   
   - 上传文档资料
   - 配置向量检索
   - 设置提示词模板
   - 发布应用
3. AI营销文案生成器
   
   - 设置文案生成模板
   - 配置输出格式
   - 添加品牌语气和风格约束
   - 部署应用
4. 数据分析助手
   
   - 配置数据处理流程
   - 设置分析模板
   - 定义输出格式
   - 部署并监控使用情况
Dify的优势在于它提供了一个端到端的解决方案，让开发者可以专注于应用逻辑的设计，而不需要过多关注底层实现细节。

## user1040844209440
复制

删除

dsl 请根据这些dify工作流 给我制作一个帮我规划一下dify工作流的制作，先给出制作思路

## Trae AI
参考了 25 个上下文

根据提供的DSL工作流文件，我来帮您规划一下Dify工作流的制作思路：

### 一、工作流类型分析
1. 对话型工作流
   
   - 适用于需要持续对话的场景
   - 例如： `giteeKolor工作流自定义工具文生图20241225-2.yml` 中的文生图对话
2. 流程型工作流
   
   - 适用于固定流程处理的场景
   - 例如： `客户评价处理工作流.yml` 中的客户评价分类处理
### 二、核心组件设计
1. 输入节点(Start)
   
   - 定义用户输入参数
   - 设置必填项和可选项
   - 配置输入类型(文本、段落、文件等)
2. 处理节点
   
   - LLM节点：进行文本理解和生成
   - 分类器节点：对内容进行分类
   - 代码执行节点：处理特定逻辑
   - HTTP请求节点：调用外部API
   - 工具节点：集成自定义功能
3. 输出节点
   
   - Answer节点：直接回复
   - 变量聚合器：合并多个结果
   - End节点：结束工作流
### 三、工作流设计步骤
1. 需求分析
   
   - 明确目标用户
   - 确定主要功能
   - 定义输入输出
2. 流程设计
   
   - 绘制流程图
   - 确定节点间关系
   - 设计数据流转
3. 节点配置
   
   - 配置模型参数
   - 设置提示词模板
   - 定义变量传递
4. 测试优化
   
   - 功能测试
   - 性能优化
   - 用户体验改进
### 四、最佳实践建议
1. 模块化设计
   
   - 将复杂流程拆分为子模块
   - 便于维护和复用
2. 错误处理
   
   - 设置合理的超时时间
   - 添加异常处理机制
3. 提示词优化
   
   - 编写清晰的系统提示词
   - 优化上下文管理
4. 性能考虑
   
   - 合理使用缓存
   - 优化API调用次数
### 五、示例工作流类型
1. 内容生成类
   
   - 文章生成
   - 图片生成
   - 代码生成
2. 数据处理类
   
   - 文本分类
   - 数据提取
   - 格式转换
3. 交互式应用
   
   - 智能客服
   - 知识问答
   - 辅助决策
4. 集成应用
   
   - API调用
   - 工具集成
   - 数据同步
通过以上规划，您可以根据具体需求选择合适的工作流类型，并按照设计步骤进行实施。建议先从简单的工作流开始，逐步添加复杂功能，确保每个环节都经过充分测试。

看起来它把我们上传的DSL文件理解了一遍。

需求内容

这里我们需要把我们要做的内容发给它，这里我们不能单纯很笼统让它给我实现 XXX 工作流，然后就发给他。这里我们需要把要的内容以及用到的工作流节点明确的告诉给它，这样AI 才好理解你的需求按照你的要求编写DSL所需要的工作流节点。

请根据以上规划的内容给我生成一个中英文翻译的工作流，其中工作流，使用chatflow。其中工作流包括 开始节点、LLM、直接回复节点。其中LLM 中包含中英文翻译的提示词。

我的需求是：实现一个中英文翻译的工作流。这里重点就是翻译了

工作流节点： 开始节点、LLM、直接回复

以上内容符合dify chatflow里面的工作流节点。

这样Ai结合之前你上传的DSL 在加上你的需求它就可以按照你要求生成代码了。

代码生成和交互

第一次对话它就已经版给我把DSL 文件生成好了。并且生成后还很友善的给我写了3个节点的工作流说明，最后还告诉我使用方法。

我点击应用。生成“中英文翻译工作流.yml”

生成的DSL 我们导入dify工作流中。出现错误

我把错误发给AI 让它在一下修改。

​ 生成的代码其实还是有问题。

​ 这里主要问题在dify chatflow mode 并不是chatflow ，而且是advanced-chat

​

​ 另外还有一个问题是版本的问题，我让它按照之前做好的版本生成

​

   这个还是有错误，请把 chatflow 修改成 advanced-chat. 另外注意版本使用0.1.2 版本

​

​ 它根据我的要求很快修改过来。

​ 另外生成的DSL导入后会导致浏览器崩溃，我也把错误发给它

​

这个次它修改好了，并把把修改的内容给我显示出来。

以上我们大概经过 3-4次交互完成了"中英文翻译工作流.yml"工作流的制作。

4 工作流验证及测试

我们将生成好的DSL 文件导入dify

我们检查一下工作流。模型这里它给我生成一个gpt3.5-turbo 我们这里修改一下。换成书生浦语internlm3-8b-instruct 模型

检查一下工作流。

开始节点

生成段落，变量名称和现实名称和最大长度都给我设定好的，写出来没毛病。

翻译处理llm

系统提示词

你是一个专业的翻译助手，负责中英文互译。请遵循以下规则：
1. 自动识别输入语言，如果是中文则翻译成英文，如果是英文则翻译成中文
2. 保持原文的语气和风格
3. 确保翻译准确、自然、地道
4. 对于专业术语要准确把握
5. 如果遇到不确定的内容，在翻译后用括号标注说明
6. 输出格式：
   原文：[原始文本]
   译文：[翻译结果]

用户提示词

{{#1729851066338.text#}}

生成翻译节点 也没毛病，最让我惊喜的是，这个提示词都帮我搞好了。还挺专业的。 要知道，之前这个提示词我自己编写或者AI 帮我写，还需要折腾一小会，它一下就帮我搞定了，省了我不少时间。

翻译结果

返回结果直接获取上个节点的翻译结果。这个生成的节点也没毛病。

测试

我们找一点新闻内让它翻译。

OK验证测试通过。

这个工作流一开始制作的时候我也是制作+提示词编写+测试 也是需要1个小时左右。现在这个工作使用AI辅助结果10分钟不到就搞定了。（时间消耗在测试和验证上），这个生产力可以啊。

生成的DSL工作流，大家也可以在我开源的项目 https://github.com/wwwzhouhui/dify-for-dsl 找到。

总结：

今天，我主要带大家借助 AI 编程辅助工具 Trae，在一行代码都不写的情况下，成功实现了 Dify 工作流 “中英文翻译工作流.yml” 的制作。以往，完成这样一个工作流，从制作到编写提示词再到测试，大约需要一个小时；而现在，在 AI 的辅助下，整个过程不到 10 分钟就完成了，其中大部分时间还花在了测试和验证上。这真真切切地实现了 AI 自动化，让我们深刻感受到了 AI 的神奇魅力。
可能有的小伙伴会质疑，这个工作流看起来非常简单，没有太多代码交互的部分。确实，我也承认这个工作流本身并不复杂，但大家要知道，任何复杂的事物都是由简单的事物逐步迭代而来的。我们不能小看每一个简单的开始，它们都是通往复杂和强大功能的基石。
今天的分享就到这里。感兴趣的小伙伴可以参考文章内容，自己动手尝试实现一个自动生成 Dify 工作流。期待我们在下一篇文章中再见！