怎样去权重高的网站做外链百度关键词查询

一、概述

本篇介绍如何在工作流中使用结构化输出字段作为判断依据，实现前后节点联动控制。通过执行 LLM 节点输出结构化 JSON，并使用其中的字段驱动后续判断节点执行不同路径，开发人员将掌握结构化字段在工作流中的引用方式与分支控制技巧。

二、环境准备

• macOS 系统
• Dify 平台已部署并可访问

三、在 Dify 中创建工作流

1. 新建工作流应用

• 登录 Dify 后台
• 点击「工作室」
• 点击「创建空白应用」
• 填写应用信息：
  • 应用名称：结构化字段判断控制示例
  • 应用类型：工作流
  • 模型：glm-4-flash

2. 配置开始节点并添加输入变量

• 点击「开始」节点
• 添加一个输入变量：
  • 名称：mood_description
  • 描述：情绪描述
  • 类型：段落（Paragraph）
• 保存节点配置

3. 添加执行 LLM 节点（结构化输出情绪类型）

• 添加执行 LLM 节点
• 配置提示词：

请根据以下用户描述，判断当前情绪类型。
描述内容：{{mood_description}}请输出以下结构：
{"mood_type": "积极" 或 "消极"
}注意：只输出标准 JSON，不加说明、不加代码块。

• 启用结构化输出，并设置 Schema：

{"type": "object","properties": {"mood_type": {"type": "string","enum": ["积极", "消极"]}},"required": ["mood_type"]
}

4. 添加判断节点（基于结构化字段）

• 添加「判断」节点
• 条件判断：
  • 如果 mood_type 等于 “积极” → True 分支
  • 否则 → False 分支

5. 各分支配置

True 分支：积极回应

• 添加执行 LLM 节点：

你当前的情绪很积极，继续保持！

False 分支：安慰回应

• 添加执行 LLM 节点：

感受到你的情绪有些低落，希望你能早日恢复好心情。

6. 添加结束节点

• 将两个分支连接到同一个结束节点
• 输出字段统一为：text

7. 发布

• 点击「发布」，完成工作流部署

四、测试工作流效果

• 输入示例：

  • 今天顺利完成了所有目标，感觉特别满足！
  • 输出：你当前的情绪很积极，继续保持！

  

• 输入示例：

  • 整个人状态很糟糕，不想做任何事。
  • 输出：感受到你的情绪有些低落，希望你能早日恢复好心情。

  

五、总结

通过本案例，掌握了：

• 执行 LLM 节点的结构化输出配置方法
• 如何引用结构字段进行判断分支
• 将结构化结果驱动流程逻辑

本案例为结构化信息控制流程提供了可实践范式，为后续多字段控制、数据验证与自动分类处理打下基础。