
20 分钟从文档到成品 PPTDify 工作流自动生成的完整实操笔记【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify周五傍晚六点产品群突然弹出一条消息明天上午十点把上季度的运营数据整理成一份汇报 PPT。你盯着桌上那 30 多页的原始周报和数据表硬做的话排版、提炼、统一风格至少熬到深夜。这次我换了个思路把原始文档丢进 Dify 的知识库再用一条 Dify 工作流把检索—生成—成稿串起来跑完一遍拿到一份结构完整、可以直接进会汇报的演示文稿初稿。它凭什么能把文档变成 PPT这条链路能跑通靠的是三个环节的分工RAG 知识库负责把长文档切成可检索的语义段落并存成向量可视化工作流负责把从库里取料→让大模型写稿→按模板排版编排成一条可复用的流水线LLM 节点负责把取到的片段组织成有目录、有节奏的演示内容。你不用写代码每个环节都有独立节点卡在哪一步、输出长什么样在画布上都能直接看到。把环境跑起来先拿到一个能用的控制台这一步最省事拉下仓库进docker目录起一套容器。git clone https://gitcode.com/GitHub_Trending/di/dify cd dify/docker docker compose up -d等容器全部绿了浏览器打开本机的安装页按向导填邮箱、设密码两分钟拿到管理员账号。做完这一步你应该能看到左侧导航里知识库和工作室两个入口控制台能正常登录、不报 500。把原始文档喂进知识库确认可被检索新建一个知识库比如叫季度运营材料把周报 PDF、数据表导出的文本都上传切分方式选默认的语义分段。跑完索引后点开其中一份文档你应该能看到原文被切成了若干带编号的段落每段几百字、主题相对完整——这就是后面 LLM 取料的粒度段落切得越干净生成时的引用就越准。如果预览里出现大段乱码或整页挤成一团基本是 PDF 解析出了问题先换成文本版重新上传别急着往下走。在画布上接好第一条生成链路新建一个 Workflow 应用从左侧节点面板拖三个节点进画布节点源码散落在 工作流前端组件目录理解结构时可以参考知识检索 → LLM → 直接回复。知识检索节点里选中刚才那个知识库先按默认参数返回 5-8 段不折腾。LLM 节点选一个上下文窗口够大的模型提示词按下面这版写把检索结果用变量插进去。把检索节点的输出接到 LLM 的输入再连到直接回复节点画布上出现第一条完整连线。提示词建议直接抄这版跑通后再改你是演示文稿写作者只根据【素材】生成一份 PPT 大纲和逐页内容 - 封面 目录 4 页正文 1 页总结共 7 页 - 每页给出标题、2-3 条要点、建议图表类型 - 数据必须来自【素材】禁止编造 【素材】{{#knowledge.result#}}点右上角的运行跑完你大概会看到右侧测试面板逐节点显示状态最终输出是一份带页码结构的文稿内容页数和风格基本按提示词走。输出长什么样往哪个方向微调顺利的话产出是 7 页左右的初稿封面点题、目录页给结构、正文页每页 1-2 个核心论点并标注这里放折线图/柱状图、结尾页收口。整体偏商务、语气统一拿来手工进 PPT 软件排版大约十几分钟。微调主要看两处。如果某页要点明显是编的或太泛说明检索没捞到关键段落——把相似度阈值调低、返回段数从 5 提到 8让模型拿到更多上下文如果结构对但页数老失控就在提示词里把页数写成硬约束并要求它先输出目录再逐页展开稳定性会好很多。还能往哪用以及最容易卡在哪同一套链路换个提示词模板输入源不变就能复用到课程讲义、销售材料、项目周报上输入端还能换成网页抓取做到文档还没到我手里初稿已经在跑了。两个卡点提醒一下。一是文档质量扫描件、表格密集的 PDF 提取出来段落会碎建议先转文本或人工粗排一遍再入库这一步最容易卡住但花时间最多二是输出稳定性LLM 偶尔漏页或串页把它约束成先目录后正文的两段式输出问题会小很多。链路跑通之后后面每次要 PPT 的动作就只剩一个把新文档丢进去点运行。【免费下载链接】difyBuild Agentic workflows, RAG pipelines, with rich AI model and tool support on one collaborative workspace. Deploy on cloud, VPC, or self-hosted, so teams move from prototype to production without rebuilding the stack.项目地址: https://gitcode.com/GitHub_Trending/di/dify创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考