「Mac畅玩AIGC与多模态26」开发篇22 - 多项兴趣格式化建议输出工作流示例

一、概述

本篇以结构化兴趣内容处理为目标，设计了一个简化版工作流：开发人员通过 LLM 提取用户兴趣关键词，并由同一个 LLM 节点直接生成整段建议内容，避免循环或迭代配置复杂度，适用于兴趣建议、内容归纳等轻量场景。

二、环境准备

• macOS 系统
• Dify 平台已部署并可访问

三、在 Dify 中创建工作流

1. 新建工作流应用

• 登录 Dify 后台
• 点击「工作室」
• 点击「创建空白应用」
• 填写应用信息：
  • 应用名称：简化兴趣建议输出示例
  • 应用类型：工作流
  • 模型：glm-4-flash

2. 配置开始节点并添加输入变量

• 输入字段如下：
  • hobby_paragraph（段落）：请用户填写多个兴趣（如：“我喜欢看电影、听音乐、打羽毛球”）
• 保存配置

3. 添加执行 LLM 节点（统一提取与输出）

• 提示词内容：

以下是用户的兴趣描述：{{hobby_paragraph}}请按照以下步骤完成任务：
1. 提取出用户兴趣关键词列表。
2. 针对每个兴趣，写一句个性化建议。
3. 将所有建议合并为一段自然、流畅、鼓励性强的中文文本。输出格式为普通段落文本，不使用列表、不标编号。

• 输出字段名：text

4. 添加结束节点

• 输出字段选择：text

5. 发布

• 点击「发布」完成部署

四、测试工作流效果

输入：

我喜欢绘画、慢跑、写诗和制作咖啡。

输出：

你对绘画的热情能让生活充满色彩，慢跑带来能量与节奏，诗歌体现你的内在感性，而手冲咖啡，是你对细节的极致追求。

五、总结

通过本案例，掌握了：

• 使用单个 LLM 节点完成关键词提取与多项建议输出
• 利用提示词构造实现批量内容的结构化整合
• 避免使用循环/迭代节点实现轻量清单生成逻辑

本案例适用于快速实现用户兴趣推荐、批量建议归纳、场景感知输出等中小型内容合成任务，为后续引入结构数组与循环节点打好语义表达基础。