llm→o1｜模拟分步推理对话工作流

该工作流名称与描述为“llm→o1 / llm2o1.cn”，说明是用常规大语言模型模拟 o1 式思维链。流程把问题拆成子任务，迭代执行后再归纳答案，让普通对话模型产出更有条理的推理式回答。

• 输入：用户问题（变量名待核验）。
• 输出：归纳后的答案文本。
• 中间数据：任务列表、各步骤答案。

节点标注模型为 gpt-4o 与 gpt-4o-mini（provider: openai）。解析未列出环境变量，是否需预配置 OpenAI 凭据待核验；国内访问与费用请查阅服务商条款。

原始入口：https://github.com/dzh-gitcode/dify-workflows/blob/986a11833b6a13734da85a8250f875e71dcfdd8d/11_Agent%E6%99%BA%E8%83%BD%E4%BD%93/llm2o1.cn.yml

整理来源：https://github.com/dzh-gitcode/dify-workflows

依据来源资料经AI翻译整理，未由本站实测。原始资料许可：未声明，转载与再分发权限待核验；目录许可不代表各产品或文件的使用授权。费用、账号、国内访问与版本兼容条件以原始发布者最新说明为准。

原仓库未声明许可证，并提示文件可能包含API密钥。本站仅提供原创介绍与原始入口，不转载配置文件或密钥。使用前应自行核对许可、检查并替换凭据，勿公开原始密钥。

• 想在 Dify 内提升复杂问题回答条理性的用户
• 需要可复用“拆解—执行—归纳”模板的开发者
• 研究推理增强编排方式的学习者

1. 开始：接收问题输入。
2. 任务拆解（LLM，gpt-4o）：生成步骤。
3. 任务提取（参数提取器，gpt-4o-mini）：抽取结构化任务。
4. 迭代任务：循环内依次进行
   • 解析任务（代码节点，输入 step）
   • 执行任务（LLM，gpt-4o）
   • 合并结果（模板转换，输入 step_answer）
5. 归纳答案（LLM，gpt-4o）：汇总生成最终回复。
6. 直接回复：输出给用户。

共 10 个节点、8 条连线，高级对话模式，版本 0.1.2。

1. 在 Dify 导入 DSL 文件。
2. 确认 OpenAI 供应商已配置，或把模型替换为可用模型。
3. 核对代码节点与模板转换节点的变量引用。
4. 用一两个问题试跑，观察拆解粒度与迭代耗时。
5. 调整提示词后发布。

• 未读取、未导入、未执行配置文件，实际功能与提示词待核验。
• 多轮迭代带来额外调用，费用与延迟可能升高（待核验）。
• 效果依赖模型与提示词，未经实测。
• 仓库未声明许可，转载与再分发权限待核验；本文为原创介绍，配合来源链接使用，不声称允许复制分发。