用Dify工作流5分钟搭建多分支AI客服，含完整配置和演示

qq_39325964

88人浏览 · 2026-04-07 20:30:00

qq_39325964 · 2026-04-07 20:30:00 发布

文章简介：本文手把手教你在Dify中用工作流搭建一个多分支AI客服系统，实现意图识别、知识库检索、工单创建、投诉处理等功能。附完整配置和演示，适合想快速上手Dify工作流的开发者。
标签：Dify、工作流、AI客服、LLM

前言

最近开始深入学习各种AI工作流工具。在尝试了Coze、Dify、n8n之后，我发现Dify的工作流功能最强大，也最适合做复杂业务逻辑的编排。

在实际学习中，我发现网上关于Dify工作流的中文教程要么太基础（只会搭一个简单对话），要么太理论（看完不知道咋用）。所以我决定把自己学习的过程整理成一篇文章，手把手教大家用Dify搭一个实用的多分支AI客服系统。

这篇文章能解决什么问题？

传统的客服机器人只能做简单的FAQ问答，无法区分用户意图，更无法处理投诉、售后等复杂场景。通过本文，你将学会：

如何用LLM做意图识别，自动区分咨询、售后、投诉三类问题
如何在工作流中实现条件分支，让不同问题走不同的处理流程
如何集成知识库，让AI能基于私有数据回答问题
如何调用外部API，用httpbin.org模拟工单创建和Webhook通知

读完这篇你能得到什么？

一个完整可运行的多分支AI客服Demo
Dify工作流的核心使用技巧

前置知识：需要了解Dify的基本使用，知道如何创建应用和拖拽节点。

一、Dify工作流简介

Dify是一个开源的LLM应用开发平台，其工作流功能支持通过拖拽节点的方式构建复杂的AI业务流程。

什么是工作流？

工作流是一种可视化的流程编排工具，通过将不同的功能节点连接起来，形成完整的业务流程。就像搭积木一样，把各种功能的"积木块"拼在一起，就能实现复杂的AI应用。

工作流能做什么？

意图识别与分类：用LLM自动分析用户输入，判断用户意图
条件分支路由：根据不同条件，让流程走不同的分支
知识库检索：从私有知识库中查找相关信息
HTTP API调用：与外部系统集成，实现工单创建、消息通知等功能
多轮对话处理：支持上下文记忆，实现更自然的对话体验

为什么选择Dify？

开源可控：代码开源，支持私有化部署，数据安全有保障
可视化编排：拖拽式操作，所见即所得，无需写代码
节点丰富：内置LLM、知识库、HTTP请求、条件分支等多种节点
社区活跃：文档完善，社区活跃，学习资源丰富
模型多样：支持OpenAI、DeepSeek、Claude等多种大模型

二、项目需求

客服场景的痛点

传统客服机器人功能单一，只能回答预设的FAQ问题，无法应对复杂多变的用户需求：

无法区分意图：把所有问题都当作一般咨询处理
无法分级处理：咨询、售后、投诉混在一起，容易升级矛盾
无法对接业务系统：无法创建工单、触发业务流程
用户体验差：用户需要反复描述问题，效率低下

需要实现的功能

本文要搭建一个多分支智能客服系统，实现以下功能：

自动意图识别：用LLM分析用户问题，自动判断是咨询、售后还是投诉
智能分流：根据识别结果，走不同的处理流程
知识库问答：咨询类问题从知识库检索答案，专业准确
工单自动创建：售后类问题自动创建工单，流转到相应部门
紧急投诉预警：投诉类问题标记紧急，触发Webhook通知

预期效果

用户输入问题 → LLM识别意图 →
├── 咨询类 → 知识库检索 → 返回答案
├── 售后类 → 创建工单（HTTP请求） → 返回处理结果
└── 投诉类 → 标记紧急（Webhook） → 返回安抚话术

说明：由于没有真实工单系统，我使用 httpbin.org 这个免费的HTTP测试服务来模拟工单创建和Webhook通知。

三、环境准备

Dify版本：1.11.x
Linux环境：CentOS Stream 9
Docker版本：29.2.1
LLM模型: DeepSeek

四、开始搭建

4.1 创建工作流

在这里插入图片描述

4.2 添加用户输入节点

在这里插入图片描述

4.3 添加LLM节点（意图识别）

在这里插入图片描述

系统提示词：
	你是一个客服意图分类器。请分析用户消息，将意图分类为以下三类之一：
    - 咨询：询问产品信息、服务内容、价格等
    - 售后：申请退货、换货、维修等售后需求
    - 投诉：表达不满、投诉服务质量等

    只输出一个词：咨询、售后、或投诉，不要输出其他内容。
    
用户提示词：
	用户消息：{{#1775445545478.user_message#}}