别再自己搭 Prompt 了Awesome-Dify-Workflow 免费开源40 个 Dify 工作流模板一键部署【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-WorkflowAwesome-Dify-Workflow 是一个免费开源项目把 40 多个可以直接导入的 Dify 工作流模板打包在一起覆盖翻译、数据分析、聊天机器人、内容创作等高频场景。它解决的核心问题很简单你不需要从零搭 Prompt也不需要懂节点编排复制一个文件你的 AI 自动化流程就能跑起来。先讲个故事那个半夜还在拼 Prompt 的倒霉蛋我认识一个做运营的朋友姑且叫他小林。小林每天的工作大概是这样的早上把产品文案翻成英文发海外渠道中午整理一堆 Excel 数据做成周报图表下午还要回客服消息晚上再赶一篇小红书笔记。听起来全是用 AI 就能搞定的活对不对但小林的实际操作是——每个任务都打开一个 AI 对话框重新输入一遍要求帮我翻译要专业一点帮我分析一下这份数据帮我起个标题。结果呢翻译出来的英文带着一股机翻味数据分析全凭感觉起标题一次一个样。更要命的是他每次换一个任务就得把提示词从头再调一遍调着调着凌晨两点了。你是不是也经历过这种时刻不是 AI 不好用是你每次都从零开始。后来有人甩给他一个链接说你把这些模板直接导入 Dify上面那些活大部分都能自动化。小林半信半疑地试了一下第一周就真香了。今天咱们要聊的就是让小林真香的那个项目。这个仓库到底给了咱们什么一句话说清楚Awesome-Dify-Workflow 是一个装满成品工作流的免费开源仓库。它把 Dify 里最常见的流程做成了一个个 YAML 文件专业术语叫 DSL你不需要自己设计先做什么、再做什么、每个环节用什么提示词——别人已经把这条路走通了你只管开车。具体点说仓库里现在有这些货分类你能拿到的模板典型例子翻译五六套不同策略的翻译流程中译英三步翻译、全书翻译、宝玉英译中优化版数据分析数据清洗、查询、出图表一条龙数据分析、chart_demo、matplotlib 画图聊天机器人带记忆、带意图判断、带工具调用simple-kimi、记忆测试、Agent 工具调用内容创作标题、仿写、卡片、春联标题党创作、文章仿写、Text to Card、春联生成器效率工具搜索、JSON 修复、SEO、地图搜索大师、json-repair、SEO Slug、MCP-amap学习演示完整可跑的项目示例完蛋我被LLM包围了、旅行 Demo、图文知识库这些模板基本都免费而且还在持续补充中。对新手来说最大的价值不是省了几个模板文件而是省掉了试错的过程哪个节点该放前面、提示词怎么写才稳、参数怎么调才不报错——这些坑别人已经替你踩完了。10 分钟跑通第一个工作流照着 4 步做别被工作流节点DSL这些词吓到实际操作比你想象的简单得多。从 0 到跑通基本就四步。第一步准备一个 Dify 账号和模型先去 Dify 官网注册一个账号或者本地用 Docker 部署一套两者都行然后在设置 → 模型供应商里把你手头的模型 API Key 填进去。DeepSeek、GPT、Claude、通义千问……支持什么就配什么配一个能用的就行。这一步卡住的人最多但其实只要把 Key 粘进去、点保存就完成了。第二步把项目克隆到本地打开终端执行git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow等它下载完你会在本地看到一个DSL文件夹里面整整齐齐躺着 40 多个.yml文件——每一个都是一条完整的工作流。第三步导入一个 YAML 文件回到 Dify 平台新建一个工作流选择导入 DSL然后把刚才克隆下来的文件选进去比如先挑最简单的simple-kimi.yml一个迷你版 Kimi 聊天机器人。第四步跑起来先别急着改导入之后直接点运行输入一句话试试。能跑通你就已经完成了从 0 到 1最关键的一步。这时候忍住别改任何东西先看效果再谈优化。对了导入时记得用Dify 0.13.0 及以上版本如果用到 Agent 节点Dify 1.0 的新功能就尽量用最新版不然某些模板会提示版本不支持。真实效果怎么样这两个场景最值得先试翻译从凑合能看到直接能用翻译是很多人入坑 Dify 的第一站因为痛点太真实了。以前你要翻一篇技术文档自己写的提示词翻出来的东西总带着一股机翻味得自己再改两遍。仓库里的中译英.yml用的是业内公认很稳的三步策略直译 → 反思 → 意译。先忠实翻译再让模型自己检查哪里翻得不到位最后结合语境润色成自然表达。如果你更在意省钱还有DuckDuckGo翻译LLM二次翻译.yml第一步用免费的传统翻译引擎打底再让大模型做二次润色Token 花得少质量也不差。另外像全书翻译.yml这种会自动把长文本切开、一段段翻再拼回完整结构适合拿来啃整本书、整篇论文。以前翻译一小时改稿半小时。现在把文本粘进去几分钟出稿质量还稳定。这就是工作流自动化的意义——把不确定的感觉变成稳定的流程。数据分析从求人写代码到对话出图表第二个特别值得说的场景是数据分析。很多非技术同学拿到 Excel 想做个趋势图第一反应是求程序员帮忙或者硬着头皮学 Python。这个仓库里的数据分析.7z给了另一条路它包含完整的流程文件和配套服务可以根据你的需求查数据库、生成解读、直接输出图表。想换个维度看数据改一句话重新跑一遍就行。另外还有matplotlib.yml用 Python 画图后直接渲染在回复里、chart_demo.yml渲染 ECharts 图表、File_read.yml让沙盒读取并解析你上传的 CSV 文件。以前想分析数据先攒一周勇气学代码。现在对话里描述需求图表自己出来。省下的不只是时间还有求人帮忙时的那份尴尬。新手最容易踩的 5 个坑帮你先绕开导入模板这条路90% 的人会栽在下面几个地方。提前知道了能省一大截时间1. 版本太老导入失败或节点报错模板用到的特性并行、表单、Agent 节点是不同版本陆续支持的。老版本会提示格式不支持或者跑起来缺功能。对策导入前把 Dify 升到 0.13.0 以上能用最新版就用最新版。2. 模型没配好一运行就报错最常见的一种报错是模型未配置或供应商 key 无效。别急着怀疑模板先回模型供应商页面检查 Key 是否填对、额度是否用完了。3. 沙盒里装不上第三方库如果你用了数据分析、matplotlib 这类模板官方沙盒对 pandas、numpy、matplotlib 的限制比较多经常报operation not permitted。解决办法项目作者专门做了一个替代版沙盒 dify-sandbox-py换上去这些依赖就能正常跑README 里有详细说明。4. 传字符串提示超限节点之间传数据偶尔会报超出长度限制。这是环境变量的事去.env里把CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH调大比如改成 1000000重启容器就好。5. 拿来就用完全不看说明有的模板依赖外部服务搜索大师需要自己搭 SearXNGMCP-amap需要去高德申请一个免费 Key春联生成器需要电脑里装了对应字体。用之前花 30 秒看一眼每个文件在 README 里的描述和来源能省掉一大堆莫名其妙的问题。记住一个原则模板是别人的答案不是你的终点。先跑通再按自己的需求微调提示词和参数这才是最舒服的节奏。今天就能做的第一步行动清单看完这篇文章你不需要背下任何东西只需要做三件事克隆仓库把 40 多个模板拿到手地址再贴一次https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow注册 Dify、配好一个模型 Key这是全部准备工作的 90%导入simple-kimi.yml或春联生成器.yml先体验一次导入即用的快乐。跑通第一个之后你大概率会忍不住想把翻译、数据分析、内容创作这些模板全试一遍——那就对了这就是这个仓库存在的意义让 AI 自动化真正变成拿来就能用的东西而不是停留在收藏夹里的教程。最好的学习方式永远是动手。现在就打开终端把那行git clone命令复制进去。十分钟后你会拥有第一个属于自己的 AI 自动化工作流。 别让 Prompt 再折磨你了去试试吧。【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 别再自己搭 Prompt 了：Awesome-Dify-Workflow 免费开源，40+ 个 Dify 工作流模板一键部署
别再自己搭 Prompt 了Awesome-Dify-Workflow 免费开源40 个 Dify 工作流模板一键部署【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-WorkflowAwesome-Dify-Workflow 是一个免费开源项目把 40 多个可以直接导入的 Dify 工作流模板打包在一起覆盖翻译、数据分析、聊天机器人、内容创作等高频场景。它解决的核心问题很简单你不需要从零搭 Prompt也不需要懂节点编排复制一个文件你的 AI 自动化流程就能跑起来。先讲个故事那个半夜还在拼 Prompt 的倒霉蛋我认识一个做运营的朋友姑且叫他小林。小林每天的工作大概是这样的早上把产品文案翻成英文发海外渠道中午整理一堆 Excel 数据做成周报图表下午还要回客服消息晚上再赶一篇小红书笔记。听起来全是用 AI 就能搞定的活对不对但小林的实际操作是——每个任务都打开一个 AI 对话框重新输入一遍要求帮我翻译要专业一点帮我分析一下这份数据帮我起个标题。结果呢翻译出来的英文带着一股机翻味数据分析全凭感觉起标题一次一个样。更要命的是他每次换一个任务就得把提示词从头再调一遍调着调着凌晨两点了。你是不是也经历过这种时刻不是 AI 不好用是你每次都从零开始。后来有人甩给他一个链接说你把这些模板直接导入 Dify上面那些活大部分都能自动化。小林半信半疑地试了一下第一周就真香了。今天咱们要聊的就是让小林真香的那个项目。这个仓库到底给了咱们什么一句话说清楚Awesome-Dify-Workflow 是一个装满成品工作流的免费开源仓库。它把 Dify 里最常见的流程做成了一个个 YAML 文件专业术语叫 DSL你不需要自己设计先做什么、再做什么、每个环节用什么提示词——别人已经把这条路走通了你只管开车。具体点说仓库里现在有这些货分类你能拿到的模板典型例子翻译五六套不同策略的翻译流程中译英三步翻译、全书翻译、宝玉英译中优化版数据分析数据清洗、查询、出图表一条龙数据分析、chart_demo、matplotlib 画图聊天机器人带记忆、带意图判断、带工具调用simple-kimi、记忆测试、Agent 工具调用内容创作标题、仿写、卡片、春联标题党创作、文章仿写、Text to Card、春联生成器效率工具搜索、JSON 修复、SEO、地图搜索大师、json-repair、SEO Slug、MCP-amap学习演示完整可跑的项目示例完蛋我被LLM包围了、旅行 Demo、图文知识库这些模板基本都免费而且还在持续补充中。对新手来说最大的价值不是省了几个模板文件而是省掉了试错的过程哪个节点该放前面、提示词怎么写才稳、参数怎么调才不报错——这些坑别人已经替你踩完了。10 分钟跑通第一个工作流照着 4 步做别被工作流节点DSL这些词吓到实际操作比你想象的简单得多。从 0 到跑通基本就四步。第一步准备一个 Dify 账号和模型先去 Dify 官网注册一个账号或者本地用 Docker 部署一套两者都行然后在设置 → 模型供应商里把你手头的模型 API Key 填进去。DeepSeek、GPT、Claude、通义千问……支持什么就配什么配一个能用的就行。这一步卡住的人最多但其实只要把 Key 粘进去、点保存就完成了。第二步把项目克隆到本地打开终端执行git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow等它下载完你会在本地看到一个DSL文件夹里面整整齐齐躺着 40 多个.yml文件——每一个都是一条完整的工作流。第三步导入一个 YAML 文件回到 Dify 平台新建一个工作流选择导入 DSL然后把刚才克隆下来的文件选进去比如先挑最简单的simple-kimi.yml一个迷你版 Kimi 聊天机器人。第四步跑起来先别急着改导入之后直接点运行输入一句话试试。能跑通你就已经完成了从 0 到 1最关键的一步。这时候忍住别改任何东西先看效果再谈优化。对了导入时记得用Dify 0.13.0 及以上版本如果用到 Agent 节点Dify 1.0 的新功能就尽量用最新版不然某些模板会提示版本不支持。真实效果怎么样这两个场景最值得先试翻译从凑合能看到直接能用翻译是很多人入坑 Dify 的第一站因为痛点太真实了。以前你要翻一篇技术文档自己写的提示词翻出来的东西总带着一股机翻味得自己再改两遍。仓库里的中译英.yml用的是业内公认很稳的三步策略直译 → 反思 → 意译。先忠实翻译再让模型自己检查哪里翻得不到位最后结合语境润色成自然表达。如果你更在意省钱还有DuckDuckGo翻译LLM二次翻译.yml第一步用免费的传统翻译引擎打底再让大模型做二次润色Token 花得少质量也不差。另外像全书翻译.yml这种会自动把长文本切开、一段段翻再拼回完整结构适合拿来啃整本书、整篇论文。以前翻译一小时改稿半小时。现在把文本粘进去几分钟出稿质量还稳定。这就是工作流自动化的意义——把不确定的感觉变成稳定的流程。数据分析从求人写代码到对话出图表第二个特别值得说的场景是数据分析。很多非技术同学拿到 Excel 想做个趋势图第一反应是求程序员帮忙或者硬着头皮学 Python。这个仓库里的数据分析.7z给了另一条路它包含完整的流程文件和配套服务可以根据你的需求查数据库、生成解读、直接输出图表。想换个维度看数据改一句话重新跑一遍就行。另外还有matplotlib.yml用 Python 画图后直接渲染在回复里、chart_demo.yml渲染 ECharts 图表、File_read.yml让沙盒读取并解析你上传的 CSV 文件。以前想分析数据先攒一周勇气学代码。现在对话里描述需求图表自己出来。省下的不只是时间还有求人帮忙时的那份尴尬。新手最容易踩的 5 个坑帮你先绕开导入模板这条路90% 的人会栽在下面几个地方。提前知道了能省一大截时间1. 版本太老导入失败或节点报错模板用到的特性并行、表单、Agent 节点是不同版本陆续支持的。老版本会提示格式不支持或者跑起来缺功能。对策导入前把 Dify 升到 0.13.0 以上能用最新版就用最新版。2. 模型没配好一运行就报错最常见的一种报错是模型未配置或供应商 key 无效。别急着怀疑模板先回模型供应商页面检查 Key 是否填对、额度是否用完了。3. 沙盒里装不上第三方库如果你用了数据分析、matplotlib 这类模板官方沙盒对 pandas、numpy、matplotlib 的限制比较多经常报operation not permitted。解决办法项目作者专门做了一个替代版沙盒 dify-sandbox-py换上去这些依赖就能正常跑README 里有详细说明。4. 传字符串提示超限节点之间传数据偶尔会报超出长度限制。这是环境变量的事去.env里把CODE_MAX_STRING_LENGTH和TEMPLATE_TRANSFORM_MAX_LENGTH调大比如改成 1000000重启容器就好。5. 拿来就用完全不看说明有的模板依赖外部服务搜索大师需要自己搭 SearXNGMCP-amap需要去高德申请一个免费 Key春联生成器需要电脑里装了对应字体。用之前花 30 秒看一眼每个文件在 README 里的描述和来源能省掉一大堆莫名其妙的问题。记住一个原则模板是别人的答案不是你的终点。先跑通再按自己的需求微调提示词和参数这才是最舒服的节奏。今天就能做的第一步行动清单看完这篇文章你不需要背下任何东西只需要做三件事克隆仓库把 40 多个模板拿到手地址再贴一次https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow注册 Dify、配好一个模型 Key这是全部准备工作的 90%导入simple-kimi.yml或春联生成器.yml先体验一次导入即用的快乐。跑通第一个之后你大概率会忍不住想把翻译、数据分析、内容创作这些模板全试一遍——那就对了这就是这个仓库存在的意义让 AI 自动化真正变成拿来就能用的东西而不是停留在收藏夹里的教程。最好的学习方式永远是动手。现在就打开终端把那行git clone命令复制进去。十分钟后你会拥有第一个属于自己的 AI 自动化工作流。 别让 Prompt 再折磨你了去试试吧。【免费下载链接】Awesome-Dify-Workflow分享一些好用的 Dify DSL 工作流程自用、学习两相宜。 Sharing some Dify workflows.项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考