القائمة
专为Dify工作流案例分享设计的公众号文章生成器,遵循小灰灰公众号写作规范,自动生成包含前言、工作流制作、总结的完整Dify案例文章,配有详细的节点配置、插件安装步骤、代码示例,并支持自动生成图片上传到腾讯云COS图床
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Generate professional GitHub project README.md with standard structure including project intro, features, installation, usage, documentation, FAQ, contact info, donation, statistics, roadmap, and license. Auto-detects project type and tech stack.
Wan 2.7 创意方案生成器。根据用户提供的起点（具体物品、抽象概念或生活场景），生成至少 10 个具有明显差异化、画面感强且可直接用于 Wan 2.7 生图的创意方案。Use when user asks for 创意方案、生图创意、Wan 2.7 prompt创意、创意引擎、画面创意、灵感创意、海报创意、视觉创意、海报点子、设计灵感、给我点创意想法、帮我想想画面、十个创意。TRIGGER: 用户提供具体物品（如咖啡杯）、抽象概念（如高效能、放松）或生活场景（如灵感迸发）作为创意起点时。
抓取 GitHub Trending 当前前 5 个开源项目，先把摘要字段翻译成中文，再生成低信息密度中文简报和 Wan 2.7 海报 prompt。支持 10 种视觉风格选择。Use when user asks for GitHub trending、Top 5、开源日报、中文热门项目海报、Wan 2.7 poster、今天有什么热门项目、热门开源、做个开源海报、trending 榜单、开源信息图。Default workflow: 3 步引导式流程。
深度解析链接/文档/代码，生成导师级教学笔记 + Wan 2.7 知识海报。 Use when user asks to: 学习、分析、解读、整理、吸收、读懂 任何文档或代码 Trigger keywords: 学习、分析、知识卡片、知识海报、解读文档、整理笔记、知识库、存入知识库 支持 PDF/Word/Markdown/代码/图片，自动真理锚定验证，国学内容自动水墨风格。 When user provides: URL链接、文件路径、代码文件、图片 → 生成知识卡片 When user says: "生成海报"、"知识海报" → 额外生成 Wan 2.7 信息图
使用 Wan2.7-image 生成公众号封面图、小红书封面图、种草图和海报改版视觉稿，并支持文生视频、静态图转丝滑动态视频、参考图 / 参考视频转视频，以及为视频自动补 Edge TTS 配音与字幕烧录。视频任务兼容 Wan 2.6 与 Wan 2.7 模型，可通过 config.yaml 默认配置或输入 JSON 的 model 字段覆盖。用于把标题、副标题、卖点、品牌色、结构化 JSON、参考图或参考视频转成真实图片或视频输出；当用户提到封面图、头图、配图、种草图、视觉稿、海报重排版、横版改竖版、文生视频、图片转视频、静态图转动态视频、参考图转视频、参考视频转视频、丝滑动态视频、视频配音、字幕烧录、Edge TTS 配音时，必须优先考虑这个技能。支持 Prompt 构建、场景选择、真实 Wan API 调用、PNG / MP4 文件输出与 prompt sidecar 保存。
审查微信公众号文章内容并识别违规风险点。使用场景：当用户写完公众号文章后请求审查、检查是否违规、发布前合规检查、识别诱导分享/欺诈信息/营销推广/版权侵权等违规内容时触发此技能。
| name | xiaohuihui-dify-tech-article |
| description | 专为Dify工作流案例分享设计的公众号文章生成器,遵循小灰灰公众号写作规范,自动生成包含前言、工作流制作、总结的完整Dify案例文章,配有详细的节点配置、插件安装步骤、代码示例,并支持自动生成图片上传到腾讯云COS图床 |
| version | 1.0.0 |
专业的 Dify 工作流案例分享创作助手,完全遵循小灰灰公众号的写作风格和 Dify 特色结构规范。
用小灰灰公众号风格写一篇 Dify [工作流功能] 的案例分享文章
帮我写一篇小灰灰风格的 Dify 案例文章:
- 功能: [工作流实现的功能]
- 涉及插件: [需要安装的插件]
- 核心节点: [主要使用的节点类型]
- 技术栈: [MCP、第三方API等]
生成 Dify 案例文章时,必须包含真实的图片,而非占位符。遵循以下工作流:
根据文章内容,规划需要的图片类型和数量:
✅ Dify 工作流必需图片类型:
❌ 需要实际操作的图片:
图片数量建议:
使用提供的 scripts/upload_to_cos.py 脚本上传图片。
前置要求: 在项目根目录创建 .env 文件,配置腾讯云 COS 信息:
# .env 文件内容
COS_SECRET_ID=your-secret-id
COS_SECRET_KEY=your-secret-key
COS_BUCKET=your-bucket-name
COS_REGION=your-region
上传命令:
# 基础上传(自动生成文件名)
python scripts/upload_to_cos.py /path/to/image.png
# 自定义文件名
python scripts/upload_to_cos.py /path/to/image.png --name workflow-20251122.png
# 静默模式(只输出 URL)
python scripts/upload_to_cos.py /path/to/image.png --quiet
上传成功后,在文章中使用返回的完整 COS URL:
image-YYYYMMDD-HHMMSS.extensionworkflow-20251122.png, plugin-install-20251122.png, node-config-20251122.png介绍相关技术概念或应用场景,说明其重要性。
示例:
RSS(Really Simple Syndication)是一种基于XML的网络内容分发格式,
主要用于将新闻、博客、论坛等频繁更新的内容以订阅的方式提供给用户。
它允许用户通过RSS阅读器在一个界面中跟踪多个网站的更新,
而无需手动访问每个网站。
描述用户痛点或需求,引出本文要解决的问题。
示例:
之前给大家做过一期文生视频的dify工作流的案例,
使用的是智普提供文生视频功能。
之前的这个文生视频效果一般般,用户体验不是太好。
有没有办法实现调用即梦AI实现文生视频功能,而且还免费呢?
引入本文的 Dify 工作流方案,展示效果图。
固定句式:
今天给大家带来一个基于dify工作流的[功能名称]。
下面大家看看一下工作流以及工作流生成[功能]的效果。
生成的效果如下:
那么这样的基于dify工作流的[功能]是如何制作的呢?话不多说,下面开始干活。
插件安装模板:
## [插件名称]安装
我们在dify的插件市场中查找名称"[插件名称]"
搜索到这个插件后,点击"安装"按钮完成插件的安装。
安装完成后,我们可以在已经安装的插件列表中查询到
## [插件名称]授权
插件安装完成后,我们打开[插件名称]点击"授权"按钮
这里[填写授权参数说明],我们点击保存就可以了
MCP Server 部署模板:
## MCP Server 部署
这个工作流核心是一个基于[mcp-server名称]的开源项目。
项目地址: https://github.com/xxx/xxx
我们要使用这个mcp-server功能,所以我们需要把这个项目部署起来。
目前这个项目比较完整支持docker和源码部署。
部署命令:
```bash
# Docker 部署
docker run -d \
--name mcp-server \
-p 8005:8005 \
image:latest
```
部署完成后,访问地址: http://your-server:8005/mcp
开始节点模板:
## 开始
我们首先在工作流平台上创建一个 chatflow/workflow。
创建完成后,我们就可以设置一下开始节点。
这个开始节点需要设置一个[参数名称],用于[参数用途]。
我们这里提供[选项列表]供用户选择。
上面我们就完成了开始节点的配置。
LLM节点模板:
## LLM大语言模型
大语言模型这块我们选择魔搭社区提供的免费[模型名称]模型。
关于这个模型大家可以在魔搭社区广场找到。
目前魔搭社区提供每天2000次的模型调用,个人测试使用基本上是够用了。
系统提示词内容如下:
```
你是一个[角色定义],用户输入[输入描述],
通过[处理方式]生成[输出描述]。
举例:
输入:[示例输入]
输出:[示例输出]
```
模型其他参数:
- 模型: [模型名称]
- 温度: 0.7
- 最大token: 2000
Agent节点模板:
## Agent策略
这个工作流用到Agent策略,如果dify平台上没有安装Agent策略插件的可以先安装一下。
我们可以在插件市场-Agent策略找到这个插件。
插件安装完成后,我们可以在已安装插件上查找到
Agent配置:
- 推理模型: [模型名称]
- MCP工具: [工具名称]
- 最大迭代: 5
代码执行节点模板:
## 代码执行
这个代码执行节点主要是通过代码的方式处理[处理内容]。
输入参数:
- arg1: [参数描述]
- arg2: [参数描述]
输出变量:
- result: [返回描述],返回类型是 string/object
中间处理的代码如下:
```python
import json
def main(arg1: str, arg2: str) -> dict:
# 处理逻辑
result = process_data(arg1, arg2)
return {
"result": result
}
```
HTTP请求节点模板:
## HTTP请求
这里我们需要一个HTTP请求,调用[API名称]接口。
请求配置:
- 方法: POST
- URL: https://api.example.com/v1/generate
- Headers:
```json
{
"Authorization": "Bearer {{auth_token}}",
"Content-Type": "application/json"
}
```
- Body:
```json
{
"prompt": "{{prompt}}",
"model": "gpt-4"
}
```
返回数据格式:
```json
{
"status": "success",
"data": {
"result": "生成的内容"
}
}
```
模板:
## 测试验证
配置完成后,我们点击"运行"按钮测试工作流。
输入测试内容:
[测试输入示例]
查看运行日志:
查看生成结果:
通过对比来看效果不错,基本达到预期。话不多说,是不是很简单?
标准模板 (必须严格遵守):
今天主要带大家了解并实现了基于Dify工作流的[功能全称]完整流程,
该工作流以"[核心技术1 + 核心技术2]"为核心,
结合[应用场景]需求,
通过[节点1]、[节点2]、[节点3]等关键节点,
配合[插件名称]插件和[工具名称]工具,
形成了一套从[起点]到[终点]的完整解决方案。
通过这套Dify工作流,[用户群体]能够高效实现[核心价值] ——
借助[具体操作](包括[步骤1]、[步骤2]、[步骤3]),
无需[传统障碍],
就能快速[核心功能](如本次演示的"[案例名称]")。
无论是[功能1]、[功能2],还是[功能3]、[功能4],
都能通过简单的节点配置完成,
极大[提升维度]。
在实际应用中,该工作流不仅[优势1],还[优势2],
适配性远优于[传统方案];
特别是通过[关键技术点],有效解决了[具体问题]的难题。
同时,工作流具备良好的扩展性 ——
小伙伴们可以基于此扩展更多[应用场景],
如[场景1]、[场景2]、[场景3]等,
进一步发挥Dify工作流在[领域1]、[领域2]等领域的应用价值。
感兴趣的小伙伴可以按照文中提供的步骤进行实践,
根据实际[需求类型]调整[可调整项]。
今天的分享就到这里结束了,我们下一篇文章见。
检查清单:
## 项目资源
**工作流DSL**:
提供工作流的DSL文件供下载导入。
**相关链接**:
- Dify官网: https://dify.ai
- 插件市场: https://marketplace.dify.ai
- 魔搭社区: https://modelscope.cn
**在线体验**:
如果提供了在线体验地址,可以添加。
**附件代码**:
网盘分享: dify-workflow.zip
链接: https://pan.baidu.com/s/xxx 提取码: abcd
#首发于魔搭研习社
工作流相关:
插件相关:
模型相关:
MCP相关:
必用词汇:
时效性标签:
必须使用真实的腾讯云 COS URL:
Dify 特色图片类型:
Python代码:
```python
import json
def main(arg1: str) -> dict:
# 处理逻辑
data = json.loads(arg1)
result = process(data)
return {"result": result}
```
系统提示词:
```
你是一个[角色],用户输入[内容],
生成[结果]。
举例:
输入:[示例]
输出:[示例]
```
HTTP请求:
```json
{
"method": "POST",
"url": "https://api.example.com",
"body": {
"prompt": "{{prompt}}"
}
}
```
工作流DSL:
```yaml
version: "1.0"
nodes:
- id: start
type: start
config:
variables:
- name: query
type: string
```
文本处理类:
图像处理类:
视频处理类:
数据处理类:
集成应用类:
MCP工具类:
自动触发关键词:
参考文档: