Dify 中的上下文变量以及它们与 system、user 变量的关系和配合方式
理解 Dify 中的上下文变量以及它们与 system、user 变量的关系和配合方式，对于构建流畅高效的 AI 应用至关重要。由于搜索结果中的详细信息较多，下面我帮你梳理一下核心概念和常见用法。
Dify 中的“上下文变量”并非特指某一种变量，而是所有能在工作流节点间传递信息和维持状态的变量的统称，这主要包括你提到的 System Variables（系统变量）、User Variables（用户变量），此外通常还包括 Session Variables（会话变量） 和 Environment Variables（环境变量）。它们像血液一样在工作流中流动，携带信息，使应用具备情境感知和记忆能力。
为了让你快速了解这些变量如何协同工作，我用一个表格来汇总它们的核心特点：
| 变量类型 | 前缀/标识 | 作用域与生命周期 | 主要特点与用途 | 常见变量示例或说明 |
|---|---|---|---|---|
| 用户变量 | 自定义命名 | 单次请求内有效 | 存储用户输入的原始数据（文本、数字、文件等），是工作流的起点 | 用户输入的查询文本、上传的文件等 |
| 系统变量 | sys. | 全局只读 | 由系统自动生成，提供运行时的上下文信息 | sys.query (用户当前查询)sys.dialogue_count (对话轮数)sys.conversation_id (会话ID)sys.files (用户上传的文件列表) |
| 环境变量 | 自定义命名 | 全局只读 | 存储敏感配置信息（如 API 密钥、数据库连接串），避免硬编码 | API 密钥、数据库连接字符串等 |
| 会话变量 | 自定义命名 | 在整个 Chatflow 会话期间有效 | 在多轮对话中临时存储特定信息（如用户偏好、历史记录） | 用户语言偏好、对话历史、表单填写进度等 |
🧭 可以看到，上下文变量是一个统称，它涵盖了上述这些在工作流中传递上下文信息的变量。
💡 变量间的配合使用
在实际应用中，这些变量并非孤立存在，而是相互协作，共同构建出智能的应用逻辑。System 变量和 User 变量在其中扮演着基础且重要的角色。
📖 常见场景一：基于知识库的智能问答（RAG）
这是最经典的应用场景之一，涉及系统变量、知识检索输出变量和LLM节点的协作。
用户提问：用户输入问题，如“Dify是什么？”，这会存储在
sys.query（系统变量）中。知识检索：知识检索节点接收
sys.query作为查询输入，从知识库中查找相关内容。LLM生成回答：LLM节点会接收到原始问题
{{sys.query}}和检索到的知识{{knowledge_result}}（或其他你定义的变量），并基于这些上下文信息生成最终回答。提示词中常会包含类似“根据以下知识库内容：{{context}}... 请回答用户的问题：{{query}}...”的指令。
在这个过程中，sys.query（System变量） 提供了用户的原始意图，而知识检索的结果作为上下文传递给LLM，User变量则可能在更前一步作为工作流的触发起点。
💬 常见场景二：多轮对话与状态维护（Chatflow）
此案例展示了会话变量与系统变量、用户变量的配合。
信息提取：用户首轮消息（
sys.query）中可能包含部分信息，如“我想预约挂号”（System变量）。参数提取器节点可以从sys.query中提取出结构化数据，如“意图=挂号”。状态记录：使用变量赋值节点将提取到的信息（如用户后续提供的科室、时间等，这些可能来源于用户的新输入，即新的User变量/System变量）存储到会话变量中（例如
patient_department,appointment_time）。信息复用与流程控制：在后续轮次中，通过
sys.dialogue_count（System变量）判断对话轮次，并读取会话变量中的信息（如已收集的信息、未收集的信息），决定下一步询问什么，逐步补充缺失信息。最终处理：所有必要信息收集完毕后，调用 LLM 或逻辑判断节点完成最终操作（如生成预约确认信息）。
这里，System变量（如 sys.query, sys.dialogue_count） 提供了对话的当前状态和进程信息，User变量是用户每一轮的新输入，而Session变量则负责记住在整个对话过程中收集到的关键信息，从而实现了有状态的连贯对话。
⚠️ 使用变量时要注意
变量引用格式：在 Dify 工作流的节点配置中，通过
{{变量名}}的格式来引用变量。会话变量的写入：会话变量不能直接修改，必须通过“变量赋值”节点来进行写入或更新操作。
清晰命名：为变量起一个易于理解的名字（如
user_query,retrieved_knowledge），提高工作流的可读性和可维护性。作用域意识：清楚不同变量的作用域和生命周期，避免在无效范围试图引用变量。
善用调试工具：充分利用 Dify 工作流编辑器的 “预览” 和 “运行日志” 功能，观察变量的实际值和传递路径，是排查问题的利器。
📚 总结
你可以把 Dify 中的上下文变量理解为一个协作团队：
系统变量 (System Variables) 像团队的观察员，自动告诉你当前发生了什么（用户问了什么、第几轮对话、会话ID等）。
用户变量 (User Variables) 是原材料提供者，提供了需要被处理的原始输入。
会话变量 (Session Variables) 是团队的备忘录，在整个对话期间记录关键信息和状态，避免遗忘。
环境变量 (Environment Variables) 是团队的保险柜，安全地存储着各种密钥和配置。
它们各司其职，相互配合，共同保证了你的 Dify 应用能够智能地理解用户意图、维持对话状态并生成准确的回应。
希望这些解释和示例能帮助你更好地理解 Dify 中的上下文变量以及它们与 system、user 变量的配合使用。