Dify-o1[CN]｜多步任务拆解推理工作流

该工作流按描述是“使用常规大语言模型模拟 o1 的思维链，具备更强的推理能力”。从节点看，它把用户问题拆成多个子任务，逐个执行后再合并归纳，形成分步推理式回答，适合需要多步分析的问答场景。

• 输入：用户问题（具体变量名待核验）。
• 输出：归纳后的最终答案文本。
• 中间产物：任务步骤列表、每步执行结果（step_answer）。

节点中标注的模型均为 deepseek-chat（provider: deepseek）。解析结果未列出环境变量，是否需在 Dify 中预先配置 DeepSeek 供应商凭据待核验；国内可用性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/Dify-o1%5BCN%5D_1.0.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。

• 希望在不更换模型的情况下改善复杂问答质量的 Dify 用户
• 需要可拆解多步任务流程的开发者
• 想研究“拆解—执行—归纳”编排方式的学习者

1. 开始：接收用户问题。
2. 任务拆解（LLM，deepseek-chat）：把问题拆成步骤。
3. 任务提取（参数提取器，deepseek-chat）：结构化抽取任务列表。
4. 迭代任务 → 迭代内部循环：
   • 解析任务（代码节点，输入 step）
   • 执行任务（LLM，deepseek-chat）
   • 合并结果（模板转换，输入 step_answer）
5. 归纳答案（LLM，deepseek-chat）：汇总各步骤结果生成最终回答。
6. 直接回复：返回给用户。

共 11 个节点、8 条连线，模式为高级对话，版本 0.1.2。

1. 在 Dify 导入 DSL 文件。
2. 确认已配置 DeepSeek 模型供应商，否则替换为本地可用模型。
3. 检查代码节点与模板转换节点的输入变量是否与上游一致。
4. 用简单问题调试，观察迭代次数与耗时。
5. 按需调整拆解提示词后再发布。

• 本次未读取、未导入、未执行配置，功能与提示词细节待核验。
• 迭代会产生多次模型调用，耗时与费用可能上升（具体待核验）。
• 子任务拆解质量依赖提示词，效果未经实测。
• 仓库未声明许可，转载与再分发权限待核验；本文为原创介绍与来源链接，不声称允许复制分发。