如何在Dify中处理多图片输入并生成分析报告

要在Dify工作流里真正接收用户上传的多张图片，并让大模型基于图像内容自动生成结构化分析报告，就必须绕开默认的单图限制、显式启用多模态解析链路，还得保证下游模型能同时消费多个图像特征——否则系统只会取第一张图，或者干脆报错。

先明确一个前提：

，同时关闭Document Extractor的“Extract text only”开关，然后用{{#each $input.img_list}}调用多图描述，最终接入Qwen-VL生成结构化报告。下面拆开来说具体怎么做。

创建支持多图输入的工作流

进入Dify Studio → 点击Create from blank → 关键一步：

，不能选Chatflow。Chatflow不解析文件内容体，上传的多图只会保留文件名，后续节点完全收不到图像数据。

创建工作流后，立刻点击画布空白处 → 打开全局设置 → 在“Input Schema”中勾选【Enable multi-modal input】。这一步如果跳过，所有Image/File字段都会被当作普通字符串处理，payload里根本没有binary_data字段，后面就全废了。

配置多图输入节点

方法一：单节点支持多图上传（推荐用于同场景批量分析）
从左侧拖入User Input节点 → 点击配置 → 添加字段 → 字段类型选

→ 变量名设为img_list（全小写+下划线，不能含空格）→ 标签名写“上传多张图片” → 允许上传类型选Both → 支持文件类型只勾选Image → 最多上传数量设为20（Dify的硬性上限）。

方法二：多个独立Image字段（适用于分类明确的图文组合）
添加两个Image类型字段：变量名分别为front_img和back_img，标签写“正面图”“背面图”。注意这两个字段在运行时会生成两个独立的{{$input.front_img}}和{{$input.back_img}}路径，不能用{{$input.img_list.0}}索引访问。

接入文档提取器并开启多图解析

第一步：拖入Document Extractor节点 → 输入参数选择img_list（对应File list字段）或分别连front_img和back_img（需要两个Extract节点）。

第二步：在Document Extractor配置中，关闭“Extract text only”开关。

——一旦开启，所有图片仅走OCR或ASR流水线，Qwen-VL等视觉模型收不到原始像素输入，无法做物体识别、布局分析、跨图比对等核心任务。

第三步：确认输出变量类型。当输入是File list时，Document Extractor输出为array[string]，每一项是单张图的结构化描述文本。这个数组可以直接传给多模态大模型节点。

连接多模态大模型生成报告

拖入Multimodal LLM节点 → 模型选Qwen-VL-7B或Qwen-VL-14B（需平台已部署）→ 在Prompt模板中使用如下结构：

“你是一名专业图像分析师。请基于以下{{#each $input.img_list}}第{{$index + 1}}张图：{{this}} {{/each}}内容，按「对象识别→异常检测→关联推理」三段式生成中文分析报告，总字数不超过800字。”

注意：不要用{{#each $input.img_list}}嵌套{{#each}}，Dify模板引擎不支持双重循环。必须用一个{{#each}}一次性展开全部图像描述文本，再由LLM自行分图理解。

最后连接一个Text Output节点，把LLM输出直接返回给用户。这样整个链路就通了。