Dify工作流节点篇（中）

深入探索Dify工作流的六大核心节点

在Dify工作流中，数据处理与转换是绕不开的核心环节。今天我们就来逐一拆解六个关键节点：模板转换、文档提取器、列表操作、变量聚合、变量赋值、参数提取。每一个都承担着特定的数据操作职责，组合使用就能构建出灵活高效的工作流。

模板转换（Template）

模板转换节点基于Jinja2模板语言，能对数据进行灵活的合并、转换和格式化。简单来说，它可以把来自多个前置节点的变量拼接到一起，输出一个单一的文本结果。比如，前置节点分别输出了文章的标题和正文，通过这个节点就能组合成一篇完整的文章再输出给用户。另一个常见场景是，从知识库检索出的信息，经过模板转换可以整理成Markdown格式，便于后续处理或展示。

文档提取器（Document Extractor）

LLM自身无法直接读取文档内容，这是很多人的困惑。文档提取器就负责解决这个问题——它把用户上传的文档（如TXT、Markdown、PDF、HTML、DOCX）解析成纯文本，然后交给LLM处理。注意，图片、音频、视频这类非文档文件，它处理不了。

这个节点结构简单：输入变量只接受文件格式，可以是单个文件（File）或多个文件（Array[File]）；输出变量固定命名为text，输入单个文件时输出string，输入多个文件时输出array[string]。理解了这一点，后续下游节点的处理就顺畅多了。

列表操作（List Operation）

当用户同时上传了多种类型的文件——比如一个音频、一个视频、一个Word文档和一张图片——所有文件会被存到同一个Array[File]变量里。但LLM通常只能处理单一类型的输入（比如纯文本或图片），这时候就需要列表操作节点出场了。

这个节点可以对数组变量进行过滤、排序和截取。例如，按文件类型（图片、文档）、文件名或文件大小设过滤条件，把不同格式的文件分拣到不同的处理流程中。排序支持升序和降序，配合取前N项或取第N项的功能，能精确控制输出。输出变量包括result（整个过滤结果数组）、first_record（首元素）和last_record（尾元素），灵活满足下游节点的不同需求。

变量聚合（Variable Aggregator）

在多分支工作流中，不同分支可能会输出相同用途的变量，如果每个分支都单独定义下游节点，既冗余又难维护。变量聚合节点就是用来统一这些分支结果的——无论哪个分支被执行，最终都能通过一个变量引用。它要求聚合的变量类型必须一致（比如都是String或都是Number），否则无法连线。结合条件分支使用时，两个LLM的输出可以聚合到一个直接回复节点，大大简化流程结构。开启聚合分组后，还能支持多组不同类型变量的同时聚合。

变量赋值（Variable Assigner）

顾名思义，这个节点用来给会话变量赋值。会话变量可以在整个对话过程中持续引用，变量赋值节点就是“写入”它的入口。你可以把工作流中的上下文信息、用户上传的文件、偏好的设置等，通过这个节点写入会话变量，让后续的对话能够参考这些历史信息。这在构建有记忆的对话应用时特别实用。

参数提取（Parameter Extractor）

很多工具和外部API的输入要求是结构化参数，而用户的输入往往是自然语言。参数提取节点利用LLM的推理能力，从自然语言中提取出符合要求的参数结构，方便后续的工具调用或HTTP请求。比如，需要调用一个需要JSON格式参数的搜索工具，用户只说“帮我找北京的天气”，参数提取器就能自动解析出“城市：北京，意图：天气查询”的结构化数据。此外，工作流内部某些节点（如迭代节点）要求输入为数组格式，这个节点也能轻松完成转换。