workflow_generator.yml

# Dify Workflow Generator - Meta Workflow
# 这是一个"生成工作流的工作流"，导入 Dify 后可通过对话生成其他工作流
# DSL Version: 0.5.0

app:
  name: Dify工作流生成器
  mode: advanced-chat
  icon: 🤖
  description: 通过自然语言描述，自动生成可导入的 Dify 工作流 YAML
  use_icon_as_answer_icon: false

workflow:
  # ========== 节点定义 ==========
  nodes:
    # ---- 开始节点 ----
    - id: start
      type: start
      title: 开始
      position:
        x: 80
        y: 300
      data:
        variables:
          - name: requirement
            type: string
            description: 描述你想要创建的工作流（如：一个翻译工作流，输入文本和目标语言）
            required: true
          - name: workflow_name
            type: string
            description: 工作流名称（可选，默认自动生成）
            required: false

    # ---- 意图分析节点 ----
    - id: intent_analysis
      type: llm
      title: 意图分析
      position:
        x: 300
        y: 300
      data:
        model:
          provider: anthropic
          name: claude-3-5-sonnet-20241022
          mode: chat
          completion_params:
            temperature: 0.3
            max_tokens: 2000
        prompt_template:
          - role: system
            text: |
              你是 Dify 工作流分析专家。分析用户的需求，提取关键信息。

              输出格式（JSON）：
              {
                "workflow_type": "工作流类型",
                "input_variables": ["输入变量列表"],
                "output_format": "输出格式",
                "key_nodes": ["需要的节点类型"],
                "complexity": "simple|medium|complex"
              }
          - role: user
            text: |
              分析以下工作流需求：

              {{#start.requirement#}}

              工作流名称：{{#start.workflow_name#}}

              请分析并返回 JSON 格式的分析结果。
        variables:
          - name: start.requirement
            value_selector: ["start", "requirement"]
          - name: start.workflow_name
            value_selector: ["start", "workflow_name"]

    # ---- 架构设计节点 ----
    - id: architecture_design
      type: llm
      title: 架构设计
      position:
        x: 550
        y: 200
      data:
        model:
          provider: anthropic
          name: claude-3-5-sonnet-20241022
          mode: chat
          completion_params:
            temperature: 0.4
            max_tokens: 4000
        prompt_template:
          - role: system
            text: |
              你是 Dify 工作流架构师。根据分析结果设计工作流的整体结构。

              设计内容：
              1. 节点类型和数量
              2. 节点连接关系
              3. 变量传递路径
              4. 错误处理策略

              输出格式：
              - 架构概述
              - 节点清单（类型、ID、功能）
              - 数据流描述
          - role: user
            text: |
              基于以下分析结果设计工作流架构：

              {{#intent_analysis.text#}}

              原始需求：{{#start.requirement#}}

              请提供详细的架构设计。
        variables:
          - name: intent_analysis.text
            value_selector: ["intent_analysis", "text"]
          - name: start.requirement
            value_selector: ["start", "requirement"]

    # ---- 节点实现节点 ----
    - id: node_implementation
      type: llm
      title: 节点实现
      position:
        x: 550
        y: 400
      data:
        model:
          provider: anthropic
          name: claude-3-5-sonnet-20241022
          mode: chat
          completion_params:
            temperature: 0.3
            max_tokens: 6000
        prompt_template:
          - role: system
            text: |
              你是 Dify 工作流实现专家。根据架构设计生成完整的 DSL YAML。

              必须遵循的规则：
              1. 使用有效的 Dify DSL 0.5.0 格式
              2. 所有节点必须有唯一的 ID
              3. 使用正确的变量引用格式 {{#node_id.variable_name#}}
              4. 包含所有必需字段（position, data 等）
              5. 确保节点连接顺序合理

              输出格式：
              直接输出完整的 YAML（从 app: 开始），不要添加 markdown 代码块标记。
          - role: user
            text: |
              根据以下架构设计生成完整的 Dify 工作流 YAML：

              架构设计：
              {{#architecture_design.text#}}

              原始需求：
              {{#start.requirement#}}

              工作流名称：{{#start.workflow_name#}}

              请生成完整的、可直接导入 Dify 的 YAML 文件内容。
        variables:
          - name: architecture_design.text
            value_selector: ["architecture_design", "text"]
          - name: intent_analysis.text
            value_selector: ["intent_analysis", "text"]
          - name: start.requirement
            value_selector: ["start", "requirement"]
          - name: start.workflow_name
            value_selector: ["start", "workflow_name"]

    # ---- DSL 验证节点 ----
    - id: dsl_validation
      type: llm
      title: DSL验证
      position:
        x: 800
        y: 300
      data:
        model:
          provider: anthropic
          name: claude-3-5-sonnet-20241022
          mode: chat
          completion_params:
            temperature: 0.2
            max_tokens: 4000
        prompt_template:
          - role: system
            text: |
              你是 Dify DSL 验证专家。检查并修复 YAML 中的问题。

              检查项：
              1. YAML 语法正确性
              2. 所有节点 ID 唯一
              3. 变量引用格式正确
              4. 必需的节点字段完整
              5. 节点连接逻辑合理

              修复原则：
              - 保留原始设计意图
              - 只修复语法/格式问题
              - 不要改变功能逻辑

              输出格式：
              直接输出修复后的完整 YAML（从 app: 开始）。
          - role: user
            text: |
              验证并修复以下 DSL：

              {{#node_implementation.text#}}

              请检查问题并返回修复后的 YAML。
        variables:
          - name: node_implementation.text
            value_selector: ["node_implementation", "text"]

    # ---- 格式清理节点 ----
    - id: yaml_cleanup
      type: code
      title: YAML清理
      position:
        x: 1050
        y: 300
      data:
        code_language: python3
        code: |
          import re

          def main(yaml_text: str) -> dict:
              # 提取 YAML 内容（移除可能的 markdown 代码块）
              text = yaml_text.strip()
              
              # 移除 markdown 代码块标记
              if text.startswith('```yaml'):
                  text = text[7:]
              elif text.startswith('```yml'):
                  text = text[6:]
              elif text.startswith('```'):
                  text = text[3:]
              
              if text.endswith('```'):
                  text = text[:-3]
              
              text = text.strip()
              
              # 确保以 app: 开头
              if not text.startswith('app:'):
                  # 尝试找到 app: 的位置
                  match = re.search(r'\napp:', text)
                  if match:
                      text = text[match.start() + 1:]
              
              return {
                  "clean_yaml": text,
                  "ready_for_export": text.startswith('app:') or text.startswith('workflow:')
              }
        inputs:
          - name: yaml_text
            value_selector: ["dsl_validation", "text"]
        outputs:
          - name: clean_yaml
            type: string
          - name: ready_for_export
            type: boolean

    # ---- 文档生成节点 ----
    - id: doc_generation
      type: llm
      title: 生成文档
      position:
        x: 800
        y: 500
      data:
        model:
          provider: anthropic
          name: claude-3-5-sonnet-20241022
          mode: chat
          completion_params:
            temperature: 0.5
            max_tokens: 3000
        prompt_template:
          - role: system
            text: |
              你是技术文档编写专家。为生成的工作流编写使用说明。

              文档内容：
              1. 工作流功能概述
              2. 输入参数说明
              3. 使用步骤
              4. 示例输入
              5. 注意事项

              输出格式：Markdown
          - role: user
            text: |
              为以下工作流生成文档：

              原始需求：{{#start.requirement#}}

              意图分析：{{#intent_analysis.text#}}

              请提供简洁明了的使用文档。
        variables:
          - name: start.requirement
            value_selector: ["start", "requirement"]
          - name: intent_analysis.text
            value_selector: ["intent_analysis", "text"]

    # ---- 最终输出节点 ----
    - id: final_output
      type: template
      title: 最终输出
      position:
        x: 1300
        y: 300
      data:
        template: |
          # 生成的工作流

          ## 使用说明
          {{#doc_generation.text#}}

          ---

          ## 导出的 YAML（可直接复制到 Dify）

          ```yaml
          {{#yaml_cleanup.clean_yaml#}}
          ```

          ---

          ## 导入步骤
          1. 复制上方 YAML 内容
          2. 在 Dify 中选择 "导入 DSL 文件"
          3. 粘贴 YAML 内容
          4. 点击确认导入

          **状态**: {{#yaml_cleanup.ready_for_export??生成成功:可导入✅:需要检查⚠️#}}
        variables:
          - name: doc_generation.text
            value_selector: ["doc_generation", "text"]
          - name: yaml_cleanup.clean_yaml
            value_selector: ["yaml_cleanup", "clean_yaml"]
          - name: yaml_cleanup.ready_for_export
            value_selector: ["yaml_cleanup", "ready_for_export"]

    # ---- 结束节点 ----
    - id: end
      type: end
      title: 结束
      position:
        x: 1550
        y: 300
      data:
        outputs:
          - name: generated_workflow
            value_selector: ["yaml_cleanup", "clean_yaml"]
            description: 生成的工作流 YAML
          - name: documentation
            value_selector: ["doc_generation", "text"]
            description: 使用文档
          - name: export_ready
            value_selector: ["yaml_cleanup", "ready_for_export"]
            description: 是否可导出

  # ========== 节点连接 ==========
  edges:
    - id: start_to_intent
      source: start
      target: intent_analysis
      type: direct

    - id: intent_to_arch
      source: intent_analysis
      target: architecture_design
      type: direct

    - id: intent_to_impl
      source: intent_analysis
      target: node_implementation
      type: direct

    - id: arch_to_impl
      source: architecture_design
      target: node_implementation
      type: direct

    - id: impl_to_validation
      source: node_implementation
      target: dsl_validation
      type: direct

    - id: validation_to_cleanup
      source: dsl_validation
      target: yaml_cleanup
      type: direct

    - id: cleanup_to_output
      source: yaml_cleanup
      target: final_output
      type: direct

    - id: impl_to_doc
      source: node_implementation
      target: doc_generation
      type: direct

    - id: intent_to_doc
      source: intent_analysis
      target: doc_generation
      type: direct

    - id: doc_to_output
      source: doc_generation
      target: final_output
      type: direct

    - id: output_to_end
      source: final_output
      target: end
      type: direct

  environment_variables: []
  conversation_variables: []