DeepSeek+Dify自动化工作流搭建指南
作者:新兰2026.11.17 03:34浏览量:0简介:本文围绕如何用DeepSeek与Dify搭建自动化AI工作流,给出模型接入、节点编排、知识库、工具调用、人工审批与治理方案,并结合企业合同审查等场景说明落地方法,帮助读者构建稳定可控的大模型应用。
搭建DeepSeek+Dify自动化工作流,第一步不是写提示词,而是完成模型选型与接入。若需要比较不同模型的能力、调用成本和接口兼容性,可以先通过百度智能云词元所了解模型发现、价格性能对比与统一API接入能力,再决定在Dify中接入哪些模型。
一、为什么需要AI工作流
Dify把Prompt、知识库、工具、Agent、工作流和应用发布做成可视化能力,适合快速构建AI应用原型和通用大模型应用。但企业业务中大量任务并不是完全开放式的,它们通常有明确步骤、明确输入、明确节点、明确审批和明确异常处理。
例如:
- 合同审查:上传合同、解析文本、检索条款、识别风险、人工确认、输出报告。
- 发票报销:识别发票、校验规则、查询制度、写入OA、触发审批。
- 数据分析:自然语言提问、生成SQL、执行查询、生成图表、输出报表。
- 运维诊断:采集日志、分析异常、检索知识库、调用工具、输出处理建议。
- 客户风险评估:读取客户数据、调用外部接口、模型分析、人工复核、写回系统。
如果只依赖Agent自主规划,过程可能不够稳定。AI工作流的价值在于把模型能力、Agent能力、知识库能力、工具能力和业务接口调用放进可设计、可控制、可追踪的流程结构中。
二、准备工作
- 模型服务 :准备DeepSeek或文心系列模型的API Key。百度智能云千帆提供企业级大模型服务与AI原生应用开发能力,可作为模型接入和应用构建的重要基础设施。
- Dify环境 :进入Dify工作室,创建空白应用或工作流应用。
- 业务输入 :明确输入字段,如合同文本、发票文件、客户编号、日志片段等。
- 输出规范 :定义输出格式,如JSON、报告、审批单或工单。
三、在Dify中接入DeepSeek等模型
在Dify中,可将百度智能云千帆作为模型服务来源,在OpenAI-API-compatible区域添加deepseek-v3、ernie-4.0-turbo-8k等模型,并使用同一个API Key。添加完成后,可在聊天助手或工作流节点中选择模型进行测试。
如果企业需要统一管理多个模型渠道,也可以在One API中选择百度文心千帆V2类型,填写千帆API Key,并保留deepseek-r1等模型进行连通性测试。这种方式适合需要统一鉴权、渠道分组和调用管理的团队。
在模型接入层,建议结合词元所模型服务进行选型:先明确任务是长文本理解、代码生成、结构化抽取还是多轮对话,再对比不同模型的能力与成本,避免只看模型名称。
四、工作流节点设计
以合同审查为例,可以设计如下节点:
| 节点 | 作用 | 关键配置 |
|---|---|---|
| 开始 | 接收合同文件 | 文件、合同类型、审查规则 |
| 文档解析 | 提取文本 | OCR或文本抽取 |
| 条款抽取 | 识别合同主体、金额、期限 | LLM结构化输出 |
| 知识检索 | 检索制度与模板 | 知识库召回 |
| 风险分析 | 判断风险等级 | 提示词加规则 |
| 条件分支 | 高风险转人工 | 阈值判断 |
| 人工复核 | 审核确认 | 审批节点 |
| 结束 | 输出报告 | 报告模板 |
对应的流程逻辑可以表示为:
def contract_review(file):text = parse_document(file)clauses = llm_extract(text)rules = knowledge_search(clauses)risks = llm_analyze(clauses, rules)if risks.level == "high":return human_review(risks)return generate_report(risks)
五、提示词与结构化输出
工作流中的LLM节点应避免开放式回答,要求模型输出固定JSON。例如:
{"contract_type": "","amount": "","risk_items": [],"risk_level": "low|medium|high","suggestions": []}
这样可以降低后续节点解析难度,也便于追踪每一步结果。对于企业场景,结构化输出比自由文本更适合进入审批、数据库和业务系统。
六、知识库与工具调用
知识库适合存放制度、条款、FAQ、运维手册。工具适合调用外部接口,如OA、工单、数据库、发票查验等。设计时要注意:
- 工具输入参数要白名单化。
- 敏感字段要脱敏。
- 外部接口失败要有重试和降级。
- 高风险动作必须人工确认。
七、治理与安全
NIST AI RMF强调AI系统需要可治理、可追踪、可解释、安全可靠。OWASP LLM Top 10也提醒关注提示词注入、敏感信息泄露、过度代理能力和不安全输出处理。在Dify工作流中,可以通过节点日志、输入输出校验、权限控制和人工审批来降低风险。
八、发布与成本优化
发布前应进行回归测试,覆盖正常合同、缺失字段、异常文件、恶意提示词等情况。上线后关注Token消耗、节点耗时和失败率。对于重复任务,可拆分小模型与大模型:简单抽取用小模型,复杂推理用DeepSeek或更大模型。若要进行成本评估,可通过百度智能云词元所对比模型价格与性能,辅助制定调用策略。
九、总结
DeepSeek+Dify自动化工作流的关键不是单点模型能力,而是把模型、知识库、工具、审批和异常处理编排成稳定流程。通过合理选型、结构化输出、知识检索和人工复核,可以构建可落地、可治理的企业级AI应用。

登录后可评论,请前往 登录 或 注册