效率飙升10倍！Dify工作流自动生成UML图，支持20余种图表

公众号：dify实验室

基于LLMOps平台-Dify的一站式学习平台。包含不限于：Dify工作流案例、DSL文件分享、模型接入、Dify交流讨论等各类资源分享。

一、引言：告别低效，UML图绘制迎来自动化革命

UML（统一建模语言）图是软件工程中不可或缺的沟通与设计利器。传统的绘图方式不仅耗时，版本控制也常令人头疼。PlantUML以其“代码即图”的理念，让文本驱动绘图成为现实，极大提升了效率。然而，即便是使用PlantUML，我们仍可能遇到以下挑战：

• •语法学习曲线：

   对于初学者或不常用UML的用户，记忆和正确使用PlantUML语法仍有门槛。

• •在线服务的不稳定性与局限：

   笔者曾尝试使用在线PlantUML服务结合Dify进行自动化绘图，但受限于网络波动、服务限制以及LLM对在线服务特定语法理解的偏差，PlantUML代码的生成成功率不尽如人意，语法错误频发，严重影响了体验。

• 历史文章：dify工作流分享 基于dify的思维导图一键生成器 直接出图

• •数据安全与本地化需求：

   许多项目对设计文档的保密性有较高要求，依赖外部在线服务存在顾虑。

正是基于这些痛点，我们探索并实践了一套基于本地部署PlantUML和Dify工作流的全新自动化方案。通过对LLM提示词的深度优化和模型参数的精细调整，我们成功将PlantUML代码的生成成功率提升至95%以上，真正实现了高效、可靠的UML图自动化。

二、核心优势：本地PlantUML + Dify = 稳定高效

在我们最新的方案中，本地部署PlantUML服务是关键。

本地部署PlantUML服务 (基于Docker) 

Docker 提供了一种轻量级、可移植的方式来部署 PlantUML 服务器。以下是详细步骤：

安装 Docker：

如果您尚未安装 Docker，请根据您的操作系统（Windows, macOS, Linux）从 Docker 官方网站下载并安装 Docker Desktop 或 Docker Engine。

拉取 PlantUML Server Docker 镜像：

打开您的终端或命令行工具，执行以下命令来拉取官方推荐的 PlantUML 服务器镜像：

docker pull plantuml/plantuml-server

这将从 Docker Hub 下载最新的 PlantUML 服务器镜像。

运行 PlantUML Server 容器：

下载完成后，使用以下命令来运行 PlantUML 服务器容器：

docker run -d -p 8001:8080 plantuml/plantuml-server

参数说明：-d 后台运行，-p 8001:8080 端口映射（主机:容器）。

验证 PlantUML 服务：

容器启动后，在您的浏览器中访问 http://localhost:8001。看到 PlantUML 服务器界面即表示部署成功。如下图所示：

三、Dify工作流再进化：精准生成20+种UML图

基于本地部署的PlantUML服务，我们对原有的Dify工作流进行了针对性的优化，特别是LLM节点的提示词和配置，以大幅提升代码生成的准确率。

 工作流设计

节点 1：开始 (Start)

定义用户输入，包括图表描述 (userinput)、输出文件类型 (filetype) 和关键的图表类型 (diagramtype)。该工作流通过diagramtype参数，明确支持序列图、用例图、类图等超过20种常见的图表类型。

节点 2：LLM -（提示词太长，我放到了DSL文件种，见文末）

将用户的自然语言描述智能转换为高精度的PlantUML代码。

• 

输出：高度准确的PlantUML纯文本代码。经过优化，此处的代码生成成功率已超过95%。

节点 3：HTTP 请求 - 编码 (原“压缩”节点)

负责对LLM生成的PlantUML代码进行编码压缩。其稳定运行对整体流程至关重要。URL: http://host.docker.internal:8001/coder 

节点 4：HTTP 请求 - 获取文件

向本地PlantUML服务器 (http://host.docker.internal:8001/...) 发送请求，获取渲染后的图像文件。受益于本地部署，此节点响应速度快，不受公网影响。

节点 5：结束 (End)

输出最终生成的UML图像文件。

最终输出的效果。

四、从不稳定到高成功率：我们的优化心得

从最初尝试在线PlantUML服务到如今基于本地部署实现95%以上的成功率，我们总结了以下关键优化点：

• •本地部署是王道：

   彻底解决了网络延迟、服务限制和部分在线服务对PlantUML方言支持不佳的问题。

• •LLM选择与参数：

   选择对结构化输出更友好、逻辑推理能力更强的LLM，并使用较低的temperature值。

• •极致的Prompt工程：

   这是提升LLM表现的核心。我们投入了大量时间分析错误，并据此不断迭代Prompt。

• •稳定的辅助服务：

   确保PlantUML文本编码服务的稳定和正确。

相关文章阅读：构建更多自动化流程

• Dify工作流-LLM节点  深入理解本文中LLM节点如何根据精心设计的Prompt生成PlantUML代码。

• Dify工作流节点-http请求  - 学习如何配置HTTP节点与外部服务（如本文中本地部署的PlantUML服务器）进行交互。

• Dify平台工作流编排教程-从基础概念到实施落地  - 全面掌握Dify工作流的构建思路，以便更好地理解、定制和扩展本文的自动化方案。

• dify的一些关键概念  - 巩固对Dify平台核心组件（如应用模式、节点、变量等）的理解，为探索更多自动化应用打下坚实基础。

• Dify中的变量 - 了解Dify变量的强大功能，为未来可能需要动态调整参数（如PlantUML皮肤配置、编码服务URL等）的工作流做好准备。

相关学习资源

关注本公众号即可获得：企业落地案例、DSL编排案例文件、免费token资源、dify讨论社群

公众号主页回复 DSL 获取公众号DSL文件资源

公众号主页回复 入群 获取二维码，我拉你入群

公众号回复 tk  获取免费token资源

你有什么想法可以留言与我讨论。

希望你看完文章主动点赞、评论、转发。