a.打开官网：https://cloud.dify.ai/signin
b.利用账号登录,选gmail，github账号都可以
Dify 事情流分为两种类型：
Chatflow：面向对话类情景，包括客户做事、语义搜索、以及其他须要在构建相应时进行多步逻辑的对话式运用程序。以客户做事为例：通过将 LLM 集成到您的客户做事系统中，您可以自动化回答常见问题，减轻支持团队的事情包袱。LLM 可以理解客户查询的高下文和意图，并实时天生有帮助且准确的回答。Workflow：面向自动化和批处理情景，适宜高质量翻译、数据剖析、内容天生、电子邮件自动化等运用程序。二、实现过程事情流逻辑：根据学生输入的各科目的分数，进行评分。如果语文和数学两门成绩都在99以上，则评为‘顶级学霸’（代码实行），如果语文和数学两门成绩都在80分以上，则评为“精良学生”（代码实行），否则评为“还需连续努力”（代码实行）。
1、选择事情室-选择空缺运用
这里我选择事情流的运用类型，名称设置为：Q老师评分，描述设置为：评分小助手。
2、编排事情流
事情流便是一个流程图，包含开始节点、中间处理节点、结束节点，开始节点一样平常须要有输入字段，结束节点一样平常是一个分支的结束，是输出结果，须要有输出变量，中间节点一样平常是处理的逻辑。
开始节点：
中间条件分支节点：
中间代码实行节点：
结束节点：
完全的事情流编排如下：
3、调试
点击运行-输入变量值-点击开始运行：
可以看出输出了总分和评价：
可以看一下输入和输出的详情：
可以点击一下追踪，看到实行的这条分支每个节点的输入输出情形：
4、发布
点击发布：
事情流可以发布为工具，作为agent运用的工具。同时也可以直接运行（批量运行）或者通过发布API的形式供应做事。
输入分数，点击运行：
实行结果符合预期：
三、小结
事情流利过将繁芜的任务分解成较小的步骤（节点）降落系统繁芜度，减少了对提示词技能和模型推理能力的依赖，提高了 LLM 运用面向繁芜任务的性能，提升了系统的可阐明性、稳定性和容错性。
作者简介： 读研期间揭橥6篇SCI数据算法干系论文，目前在某研究院从事数据算法干系研究事情，结合自身科研实践经历持续分享关于Python、数据剖析、特色工程、机器学习、深度学习、人工智能系列根本知识与案例。关注gzh：数据杂坛，获取数据和源码学习更多内容。
原文链接：
【Python大措辞模型系列】一文教你利用dify云版本开拓一个AI事情流（完全教程）