0基础用Dify搭建写小说AI工作流：10分钟跑通教程

Dify作为近两年快速迭代的开源LLM应用开发平台，让没有编程基础的人也能通过可视化拖拽搭建AI应用。本文根据B站UP主的实操演示，整理出一套从安装到跑通「写小说工作流」的完整路径，帮助零基础用户在十分钟内上手。

安装Dify：本地部署还是云平台？

Dify是开源项目，源码托管在GitHub上。打开项目仓库后能看到版本标签已经积累到一百七十多个，目前最新为17.1，演示中使用的是17.0版本。

这里有个容易被忽略的细节：不同版本之间差异较大，主要体现在插件兼容性上。如果你装的新版本碰到某个插件无法加载，往往就是版本兼容问题导致的。因此选版本时不必盲目追新，稳定可用更重要。

下载方式很简单，在release页面直接点击下载压缩包，解压后即可安装运行。对于不想折腾本地环境的用户，Dify还提供了云平台，注册登录就能直接使用，省去部署步骤。

从去年到今年，Dify的主页面也有明显变化，和早期的1.7、1.9版本界面不同，还新增了当下较火的「Scale」相关功能，包括Markdown文档、模板等，感兴趣的用户可以进一步研究。

配置模型：接入API Key

搭工作流之前，必须先配好模型，否则后续节点无法调用。

在设置里找到「模型供应商」，这里能看到大量可接入的模型，它们本质上都是以插件形式存在。你可以下载本地部署方案（如Ollama），点一下即可安装；也可以直接接入在线模型的API。

接入在线模型的操作是添加API Key：填入模型名称和从服务商处获取的API Key即可完成配置。这一步是整个流程的基础，模型没配好，后面的节点跑不起来。

Ollama 是一款开源的本地大模型运行工具，允许用户在自己的电脑上离线运行各类开源语言模型（如 Llama、Mistral、Qwen 等），无需联网也无需向第三方服务商付费。它通过封装模型权重与推理引擎，将复杂的本地部署流程简化为一条命令。在 Dify 中以插件形式集成 Ollama，意味着你可以把本地运行的模型作为工作流的推理后端，数据不出本机，适合对隐私敏感或网络受限的场景。代价是本地硬件（尤其是显存）需要满足所选模型的最低要求，通常 7B 参数量的模型在 8GB 显存的消费级显卡上可以流畅运行。

搭建工作流：从模板到空白应用

Dify创建应用有三种方式：创建空白、导入文件、从模板选择。

对新手来说，从模板入手是最快的路径。比如选择「文本翻译」模板并点击使用，系统会自动生成一套完整的节点结构，你只需要把其中的模型替换成自己配好的即可直接运行。

如果要搭建对话类应用，演示中推荐使用Chatflow。普通工作流是「输入一次、回答一次」的单次执行模式，而Chatflow更适合做成多轮对话流，也是目前实际使用最多的类型。

创建后，Dify会自动生成基础节点，其中包含一个「用户输入」节点，默认带有一个文本类型的查询变量（query）。在输入节点里还可以添加更多变量，支持文本、文件等多种类型。

工作流（Workflow） 与 Chatflow 的核心区别在于是否维护对话历史。普通工作流每次调用都是无状态的独立执行，适合「给定输入 → 产出固定格式输出」的批处理任务，例如文档翻译、数据提取。Chatflow 则在每轮交互后自动将上下文追加到消息历史，模型能够「记住」前几轮的内容，适合需要多轮澄清或累积信息的对话场景。选择错误类型时，最直观的问题是：用普通工作流做聊天机器人，模型每次都会「忘掉」上一轮说了什么，导致对话体验割裂。

定义角色与提示词：让AI会写小说

工作流的核心在于中间的大模型处理节点，这里决定了AI扮演什么角色、如何回答。

在系统提示词中可以定义角色设定，比如「你是一个拥有二十年经验的专业小作家」。角色设定越具体，输出风格越可控。

接着添加一条用户消息变量：用英文输入法输入斜杠「/」，会弹出可选变量列表，选择之前的用户输入变量query即可，这样用户在对话框里输入的内容就会被传递给模型。

还可以在提示词里加入约束条件，例如「限制字数一千字」，让输出更符合预期。演示中用「牛奶、炒面、老王迟到」等关键词让AI生成科幻小说，模型（演示使用DeepSeek^广告 V4）会先展示思考过程，再逐节点输出结果。

提示词（Prompt） 分为系统提示词（System Prompt）和用户消息两部分。系统提示词在对话开始前就传递给模型，用于锁定角色、语气、输出格式和约束规则，整个对话期间始终生效；用户消息则代表每一轮的动态输入。在 Dify 的节点编辑器中，系统提示词写在「System」区域，用户消息写在「User」区域，通过 / 斜杠引用变量可以将前置节点或用户输入的动态内容注入到提示词中。合理分离「不变的角色设定」与「每次变化的用户需求」，是让工作流稳定产出可控输出的关键设计原则。

测试与调试：每个节点都能单独验证

Dify工作流的一个实用特性是每个节点都可以单独测试。从用户输入到大模型处理再到最终输出，数据在节点间如何传递都清晰可见，便于定位问题。

运行后，模型会按流程逐步生成内容，最终在输出节点呈现完整的小说文本。整个流程跑通后，就得到了一个最基础的「写小说AI应用」。

小结

这套流程的价值不在于它能写出多惊艳的小说，而在于它完整演示了Dify的核心逻辑：配置模型 → 选择应用类型 → 搭建节点 → 定义提示词 → 测试输出。

掌握这条主线后，你完全可以把「写小说」替换成客服问答、文案生成、翻译助手等各种场景。对零基础用户而言，Dify把AI应用开发的门槛降到了「会拖拽、会填提示词」的程度，这正是开源低代码平台最有吸引力的地方。