手把手教你用 Dify 搭建“一键生成调研报告”工作流

——输入一个主题，自动搜索、抓取、让 AI 写报告

不用写复杂代码，全是拖拽和填配置。跟着这篇做，你也能搭出来。

---

一、准备工作：先搞定三个服务的 API Key

Dify 工作流需要调用三个外部服务：大模型、搜索、网页抓取。提前注册好拿到 Key，后面才不会卡住。

1. 大模型 —— 我用的是 DeepSeek

去 DeepSeek 官网 注册，在「API Keys」里生成一个 Key，复制下来。
然后在 Dify 里：设置 → 模型供应商 → OpenAI-API-compatible，填上 Key，模型名写 deepseek-chat。

如果后面测试总超时，可以把模型换成 Dify 内置的 gpt-4o-mini（需要绑一张信用卡，但非常稳，花钱极少）。

2. 搜索工具 —— Google Search（底层是 SerpAPI）

Dify 自带的 Google Search 工具实际上调用的是 SerpAPI 的服务。

• 去 SerpAPI 官网 注册，免费版每月 100 次搜索，够测试用。
• 登录后拿到你的 API Key。
• 在 Dify 里点「工具」→ 搜索 google → 选择 Google Search 工具 → 添加，然后填入 API Key。

3. 网页抓取工具 —— Firecrawl

去 Firecrawl 官网 注册，拿到 API Key。
在 Dify 工具里搜索 firecrawl 并添加，API URL 填 https://api.firecrawl.dev，再填上 Key。

Firecrawl 抓取网页时，记得把「等待时间」设成 5000 毫秒（5 秒），不然页面还没加载完，抓到的全是导航栏。

---

二、开始搭建工作流

新建一个 Workflow，按顺序往下拖节点。

节点1：开始节点（Start）

这个是默认就有的，不用拖。
我们定义一个输入变量，名字叫 target，类型选「文本」。
运行时会弹出一个输入框，用户填什么主题，后面就按这个主题去搜索和写报告。

---

节点2：搜索节点（Google Search）

从左侧「工具」里拖一个 Google Search 节点到画布。

• 如果之前没授权，节点上会有「去授权」按钮，点一下把第一步拿到的 SerpAPI Key 填进去。
• 在节点的「输入」框里，按 / 键唤起变量菜单，选择 target。
• 点击「运行测试」，输入一个主题比如「中美AI发展现状」，应该能看到返回的搜索结果（标题、链接、摘要片段）。

这一步成功，说明你的 Google 搜索 Key 没问题。

---

节点3：代码执行节点 —— 提取链接列表

搜索节点返回的数据结构比较深，有用的结果藏在 json[0]['organic_results'] 里。
我们需要用一段极简的 Python 代码把这层数据「提」出来。

拖一个「代码执行」节点（Code），语言选 Python3，写入：

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

• 输入变量：json 选上一个 Google Search 节点的 json 输出。
• 输出变量名写 result，类型一定要选 Array[Object]。

点击测试，你会看到输出是一个数组，里面每个对象都有 link、title、snippet。
这一步就是把我们后续要用的链接单独拿出来了。

---

节点4：迭代节点 —— 循环处理每一个链接

现在我们有大约 10 个链接，要对每个链接单独做「抓取网页 → AI 提炼摘要」。
这就要用到 迭代节点（相当于编程里的 for 循环）。

拖一个「迭代」节点（Iteration），输入数组选上一步代码节点的 result。
迭代节点下面会出现一个「循环体」区域，我们要在里面放两个节点。

4.1 在循环体里放「网页抓取」节点（Firecrawl）

拖一个 Firecrawl 节点到循环体内。

• 要抓取的 URL：点击输入框，按 / 键，选择 item.link（item 代表当前循环里的单个搜索结果）。
• 「等待时间（毫秒）」填 5000（重要！否则抓不到正文）。
• 输出变量里，我们主要用到 text（抓到的网页纯文本内容）。

4.2 再放大模型节点 —— 让 AI 提炼摘要

拖一个大模型节点到循环体内，跟在 Firecrawl 节点后面。

• 模型选择：如果 DeepSeek 容易超时，就换成 Dify 内置的 gpt-4o-mini。
• 系统提示词：

  只输出用户需要的内容，不要添加额外说明。
  

• 用户提示词：

  基于以下文本总结与 {{target}} 相关的核心内容，如果与 {{target}} 无关则输出空字符串。
  

  其中 {{target}} 选开始节点的 target，「文本」选 Firecrawl 输出的 text。

测试迭代节点：可以先只跑一个链接，看看大模型能不能输出一段 100~200 字的摘要。

---

节点5：参数提取节点 —— 自动生成报告大纲

迭代完所有链接后，你手里有 10 段摘要（可能有的为空）。
接下来需要一个「报告大纲」，比如：引言、产业概述、专利对比、政策建议、结论等。

拖一个「参数提取」节点（Parameter Extractor）。

• 模型任选一个（建议用 gpt-4o-mini）。
• 在「提取参数」里添加一个字段：
  • 名称：subtitles
  • 类型：Array[string]
  • 描述：报告大纲的一级标题数组
• 提示词：

  根据上述资料，提取一份关于 {{target}} 的综述大纲的一级标题，放在 subtitles 数组中。
  

  输入变量暂时留空（后面再连）。

---

节点6：合并所有摘要（代码执行节点）

参数提取节点需要一个「所有摘要合并后的长文本」作为输入。
所以我们要先把迭代节点输出的 10 段摘要拼成一个字符串。

拖一个「代码执行」节点，写：

def main(arg1: list) -> dict:
    result = ""
    for i in arg1:
        result += i
    return { "result": result }

• 输入变量 arg1 选 第一个迭代节点 的输出（这个输出是一个列表，每个元素是一段摘要）。
• 输出变量 result 就是合并后的长文本。

然后把 参数提取节点 的输入变量改成这个代码节点的 result。
测试参数提取节点，你应该会得到一个数组，例如：
["引言","中美人工智能产业概述","专利与技术创新比较","政策环境与治理挑战","结论"]

---

节点7：第二个迭代节点 —— 按大纲章节写内容

有了大纲数组，我们就可以遍历每个章节标题，让 AI 写出该章节的具体内容。

拖第二个「迭代」节点，输入数组选参数提取节点的 subtitles。
循环体里再放一个大模型节点。

• 用户提示词：

  根据参考资料 {{all_summaries}}，完成章节 {{item}} 的内容撰写，要求详细、有数据支撑。
  

  其中：
  • {{all_summaries}} 选刚才合并摘要的代码节点的 result
  • {{item}} 是当前循环的章节标题

测试一下：让这个迭代节点先跑一个章节（比如「引言」），看看能不能写出几百字的段落。

---

节点8：合并所有章节内容（又一个代码执行节点）

第二个迭代跑完后，输出是一个数组，每个元素是一个章节的内容。
我们需要把它们拼成一份完整的报告。

拖一个「代码执行」节点，用和节点6完全一样的代码：

def main(arg1: list) -> dict:
    result = ""
    for i in arg1:
        result += i
    return { "result": result }

输入变量选第二个迭代节点的输出，输出变量 result 就是完整的报告文本。

---

节点9：结束节点（End）

拖一个「结束」节点，输出变量选上一个代码执行节点的 result。
运行后，在 Dify 的右侧面板里就能看到生成的完整调研报告。你可以直接复制出来用。

---

三、常见踩坑点和解决办法

坑1：大模型一直超时

Dify 免费版服务器在国外，调用 DeepSeek 经常超时。
解决：在大模型节点里把模型换成 Dify 内置的 gpt-4o-mini。虽然要绑信用卡，但费用极低，一个工作流跑下来可能不到 1 毛钱。

坑2：Firecrawl 只抓到导航栏，没有正文

默认等待时间为 0 毫秒，页面还没加载完就抓了。
解决：在 Firecrawl 节点里把「等待时间」改成 5000 毫秒。

坑3：参数提取节点返回的数组是空的

检查两点：

1. 输入文本（合并后的摘要）不是空的。
2. 提示词写清楚「放在 subtitles 数组中」，并且类型写对了 Array[string]。

坑4：迭代节点报错「输入不是数组」

检查：上一个代码执行节点的输出变量类型是否选成了 Array[Object]，并且返回的确实是 Python 列表。

---

四、最终效果

全部配置好后，你只需要：

1. 在开始节点输入一个主题（比如「新能源汽车行业现状」）
2. 点击运行
3. 等 2~5 分钟

Dify 会自动完成：

• Google 搜索 → 抓取 10 个网页 → AI 提炼每个网页摘要
• 自动生成报告大纲 → 按大纲逐章写作 → 合并成完整报告
• 在右侧面板显示出来，你可以直接复制或保存。

---

五、写在最后

作为 Python 小白，我第一次跑通这个工作流的时候，还是挺有成就感的。
可视化工作流的好处就是，你不用从头写几百行代码，只要理解「数据怎么从一个节点流到另一个节点」，就能搭建出很实用的自动化工具。

如果你照着这篇博客做，卡在了某一步，记得检查：

• API Key 有没有填错
• 等待时间有没有设够
• 大模型节点里的提示词是不是抄对了

祝你一次运行成功。