玩转大模型（三）：Coze 与 Dify 十个真实工作流案例，同一业务两种实现的差异全记录

💡第三天全是实战：一批商户经营场景的 AI 案例，同一个业务在 Coze 和 Dify 上各做一遍。

看教程时最容易产生一种错觉——“节点连起来不就完了”。真自己搭就会撞上：Excel 到底怎么进工作流、批处理的外层输出为什么配不了、同步运行为什么 180 秒必挂、迭代节点为什么单独测试就报错。

这篇不做案例罗列，重点放在两件事：同一业务在两个平台上的实现差异，以及那些课件里明确写出来的坑。

1. 十个案例，四类业务

这批案例覆盖一个商户日常经营的四类需求：

其中"客服对话记录分析"和"商品评论分析"是同一业务在两个平台各实现一遍，差异最有参考价值。

1.1 一条完整的 PPT 生成链路长什么样

以 Coze 的"一键生成行业调研 PPT"为例，节点顺序是：

开始(theme,style) → 文本处理(拼"XX行业发展现状") → getToutiaoNews(插件) → 代码(抽 URL) → 批处理[LinkReaderPlugin 读正文] → 大模型(生成大纲 JSON) → get_themes(iSlide 取主题) → 代码(取模板 id) → generate_presentation → download_presentation → 结束(输出 ppt_link)

大模型节点用的是DeepSeek-R1/250528，responseFormat=2（强制 JSON 输出）。提示词里给了sections → contents → items → title/subtitle的四层嵌套示例——下游是程序，所以输出格式必须是硬约束，不能靠"请输出 JSON"这种软要求。

代码节点在 Coze 里的写法是统一签名，这类细节教程经常不写：

asyncdefmain(args:Args)->Output:params=args.params url_list=[i['url']foriinparams["input"]]ret:Output={"url_list":url_list}returnret

Dify 侧则是def main(...) -> dict，返回值的键名就是输出变量名：

defmain(json:list)->dict:return{"result":json[0]['organic_results']}

两套签名不通用，从 Coze 迁到 Dify 时代码节点必须重写。

2. 同一业务，两个平台的真实差异

这是第三天最值钱的部分。以"客服对话记录分析"为例，两边都是Excel → 拆行 → 三路并行 LLM（问题分类 / 内容总结 / 情感分析）→ 聚合，但实现路径完全不同：

最关键的一条差异是结构化输出。Dify 可以把"情感分析"的返回声明成 schema：

{"type":"object","properties":{"rank":{"type":"string"},"reason":{"type":"string"}}}

下游代码节点直接取.structured_output.rank，不用正则解析文本。Coze 只能靠提示词约束 + 代码节点兜底，所以课程在 Dify 版的分类提示词里额外加了一句：“请严格按格式输出，必须包含 product、content、experience 三项”——有 schema 时这句话甚至可以省掉。

Q1：Excel/CSV 到底怎么进工作流？

两边思路不同。Coze 是链接驱动：用户上传文件给 Agent，Agent 转成在线 URL 传给工作流，所以开头必须做合法性校验：

# 校验输入是否为 csv 链接ret:Output={"is_csv":'.csv'inparams["url"]}

再用选择器分流，非 csv 走"请正确上传.csv格式文件"。Dify 是变量驱动：开始节点直接声明type=file或type=document，配文档提取器节点。但 Dify 的文档提取器输出不稳定——课件原话是"有时是字符串，有时是只有一个元素的字符串数组"，所以还得加一层归一化代码：

defmain(text_arr:list):text=text_arr[0]ifisinstance(text_arr,list)elsetext_arrreturn{"result":text}

Q2：为什么商品评论分析在 Dify 上要用 Chatflow？

课件给的理由很具体：Dify 的 Workflow 只能接收一次输入、输出一次，而这个案例要边分析边打印进度提示，只有 Chatflow（advanced-chat）能做到多处answer输出。代价是 Chatflow没有结束节点，而且"对话流不能单独发送文件，必须搭配文字"。

顺带把课程给出的对照表抄全，这个选型判断以后用得上：

四步决策：需要多次输入 → Chatflow；批量处理 → Workflow；结果要分步展示 → Chatflow；需要定时/事件触发 → Workflow。

3. 三个值得抄的设计模式

3.1 分类树：question-classifier 串成级联

Dify 的"客户投诉分类助手"是四级分类树，纯靠问题分类器串起来：

feedback → 一级[用户投诉|设备故障|需要配件补给] → 二级[服务|质量] / [软件|硬件] / [螺丝|钢板|木板] → 总结助手(LLM) → 钉钉群机器人 → 结束

两个细节：分叉必须配多个结束节点（案例里有 结束/结束2/结束3）；总结节点的提示词直接把上游分类结果插进来：

你是一个总结助手，将下面的问题进行总结 一级分类：{{#….class_name#}}，二级分类：{{#….class_name#}}，用户反馈：{{#开始.feedback#}}

3.2 卖点 → 买点：把营销方法论固化成提示词

"商品营销卖点提炼"是这批案例里最复杂的一个，1 个 Agent 路由 5 个工作流：

main_flow → set_product_name_and_desc → selling_point_generation → selling2buying_point → red_book_and_video_script

卖点用三步法：通用性 / 独特性 / 保障性，每步的约束各不相同——通用性要"剔除非通用性卖点（价格优势、一次性活动）“，独特性要"有明确竞争壁垒，如技术专利、独特资源”，保障性关注"风险降低 / 信任证明 / 长期承诺"。统一收尾是"每个卖点 15 字以内"。

买点转化这一步是精髓：买点要从用户视角出发，通过情感化表达、场景化描述，把产品价值延伸到情绪价值层面。课程把情绪拆成五类，用文本处理节点按选择拼提示词：

小红书文案节点的约束硬到夸张，但正是这种硬度才出效果：标题少于 20 字、正文 500~1000 字、标签至少 8 个、语言年轻化用女生口吻、禁用中文句号、避免"最/第一/极限/世界级"等绝对化词、必须命中热词白名单，并给 3 个 few-shot 示例。

3.3 知识库当素材库：检索 + 随机关键词

red_book_and_video_script挂了5 个知识库（抖音热点、微博热点、脚本开头技巧、脚本结尾技巧、高质量营销文案技巧），流程是：

循环[是否继续生成] → 知识库检索(热点) → 选择器(是否用到热点) → 问答(选小红书文案 or 短视频脚本) → 代码节点随机选技巧关键词 → 知识库检索(对应技巧库) → 大模型生成 → 输出

随机选关键词这一步用代码实现（时间戳 + 基础随机数取模），比让模型"随机给一个"稳定得多。把不确定性交给代码、把创造性交给模型，这个分工我认为是这批案例里最值得学的一条。

Coze 的检索方式有三种：向量检索、全文检索、混合检索（推荐，附重排序）——和第二篇 Dify 知识库的结论完全一致，两个平台在检索策略上收敛了。

4. 坑清单：课件里明确写出来的那几条

还有两个易忽略的小技巧：Coze 的 UI 组件状态表达式里，变量前加!表示"非"（!workflow.loading实现"工作流未运行时隐藏"）；工作流必须先发布才能挂给 Agent；发布到商店别人只能体验不能复制，要让人看到编排细节得发布为模板。

最后总结

• 平台差异的本质是"结构化能力"。Dify 有 JSON Schema、有 Chatflow 多处输出、有节点级缓存；Coze 有问答节点做交互、有数据表做持久化、有 UI 组件做低代码前端。做数据批处理选 Dify，做面向用户的轻应用选 Coze。
• 工作流的稳定性来自"把不确定性交给代码"。校验、路由、随机、聚合、重试全部用代码和选择器节点，模型只负责生成。
• 提示词的硬度决定下游能不能自动接。输出格式必须是硬约束（schema 或明确字段清单），字数、禁用词、白名单都要写死。
• 13 条坑里至少 6 条是平台限制而非写法问题（3 分钟同步上限、迭代单测 bug、上游缓存、模型下架、反爬、发布权限）。遇到"怎么改都不对"先怀疑平台。

本系列：第一篇 大模型概述与落地选型 / 第二篇 RAG 与低代码智能体 / 第三篇 工作流案例集（本篇）/ 第四篇 API 调用与私有化部署。

参考资料

[1] Coze 扣子官网
[2] Dify 官网
[3] Dify 插件市场 - GitHub
[4] Firecrawl
[5] 钉钉开放平台 - 自定义机器人
[6] iSlide
[7] DeepSeek 开放平台

本文整理自《尚硅谷大模型智能体线上速成班 V2.0》Day03《低代码智能体开发案例集》课件与工作流导出文件，节点链路、参数与坑均取自课件原文。