在构建复杂的AI工作流时我们常常面临一个困境如何让自动化流程在关键时刻“停一停”引入人类的判断和决策无论是内容审核、数据验证还是复杂的业务审批纯自动化的AI有时无法完全替代人类的专业判断。Dify作为领先的Agentic Workflow构建平台在1.15版本中其“人工介入”功能为解决这一痛点提供了优雅的解决方案。本文将手把手带你深入Dify 1.15的“人工介入”功能从核心概念到实战配置再到最佳实践为你构建真正“人机协同”的智能应用提供完整指南。1. 人工介入为何它是AI工作流的关键一环在深入实操之前我们首先要理解“人工介入”在AI工作流中的核心价值。它远不止是一个简单的“暂停”按钮。1.1 从纯自动化到人机协同的范式转变早期的AI应用追求全流程自动化但现实业务场景复杂多变。例如一个自动生成的营销文案可能需要品牌经理的最终审核一个从数据库查询生成的报告可能需要数据专员确认其准确性一个客户服务对话在涉及敏感退款时可能需要转接人工坐席。纯自动化流程在这些场景下显得僵化且存在风险。Dify 1.15的“人工介入”节点正是为了在这些关键决策点搭建一座桥梁。它将工作流的控制权暂时交还给人类操作者待其做出判断、提供输入或进行修改后流程再继续自动化执行。这种模式实现了“自动化效率”与“人类智慧”的最佳结合。1.2 人工介入的核心应用场景理解应用场景能帮助我们更好地设计工作流内容审核与批准AI生成的新闻稿、社交媒体帖子、产品描述在发布前需要人工审核。数据验证与修正从非结构化数据如扫描件、图片中提取的信息需要人工核对关键字段如金额、日期、姓名。复杂决策分支基于AI分析的客户投诉分类对于高风险投诉如涉及法律问题需要人工专员介入处理。创造性工作的迭代AI生成的初步设计方案、代码框架需要设计师或工程师评审并提供反馈AI再基于反馈进行优化。异常处理当工作流运行遇到AI无法处理的异常输入或边界情况时自动触发人工处理流程。1.3 Dify 1.15 中人工介入节点的能力边界在Dify的工作流画布中“人工介入”是一个独立的节点。它的核心能力包括暂停工作流执行到该节点时工作流会暂停并生成一个待处理任务。向指定操作员可以是单个用户、用户组或通过变量指定发送通知。提供一个交互界面操作员可以查看上下文信息、AI的中间结果并进行操作如审批、驳回、修改文本、选择选项等。接收操作员的输入并将这些输入作为变量传递给工作流的后续节点。支持超时与默认操作设置等待时间若超时无人处理可按预设规则自动继续如自动批准或驳回。2. 环境准备与基础概念在开始构建带有人工介入的工作流之前你需要一个可运行的Dify环境。这里我们以本地Docker部署为例这是最快速且隔离的体验方式。2.1 部署Dify确保你的系统已安装Docker和Docker Compose。通过官方仓库快速启动# 克隆Dify的Docker部署仓库请以官方最新文档为准 git clone https://github.com/langgenius/dify.git cd dify/docker # 复制环境变量示例文件并编辑主要配置数据库、Redis等 cp .env.example .env # 使用docker-compose启动所有服务 docker-compose up -d启动后访问http://localhost:3000即可进入Dify控制台。首次进入需要创建管理员账户。2.2 理解Dify工作流的核心构件要使用人工介入你需要对Dify工作流的基础组件有清晰认识变量Variables用于在不同节点间传递数据。分为输入变量工作流开始时的参数。上下文变量节点运行时产生的中间数据。输出变量工作流最终返回的结果。节点Nodes构成工作流的模块如LLM大语言模型、知识库检索、代码执行、HTTP请求等。“人工介入”也是一个特殊节点。边Edges连接节点的箭头代表执行顺序和数据流向。触发器Triggers启动工作流的方式如HTTP API、定时任务、Webhook等。3. 人工介入节点配置详解让我们进入核心环节在Dify工作流编辑器中配置“人工介入”节点。3.1 添加与基础配置在Dify控制台创建一个新的“工作流”应用。从左侧节点库中找到“人工介入”节点将其拖拽到画布中。选中该节点右侧会出现其配置面板。关键配置项如下基础设置节点标题为你的人工介入步骤起个名字如“文案审核”、“数据校验”。操作员指定处理此任务的人。这是核心配置有三种模式指定成员从Dify用户列表中选择一个或多个具体用户。变量通过上游节点输出的变量如{{assigned_reviewer}}来动态指定操作员。这非常适合基于规则的路由例如将不同地区的订单分配给对应的区域经理。所有成员工作空间内的所有成员都会收到通知需谨慎使用。界面与表单配置描述向操作员说明此步骤需要做什么。例如“请审核以下AI生成的产品描述检查是否有事实错误或品牌调性不符之处。”表单定义操作员需要填写或选择的内容。这是接收人工输入的关键。添加字段支持文本输入、下拉选择、单选、多选等类型。变量名为每个字段设置一个变量名如review_comment,approval_status后续节点可以通过{{review_comment}}引用这些值。高级选项超时设置等待时间如30分钟。超时后工作流将根据“超时后”的选项继续。超时后可选继续并可使用默认值填充表单或终止工作流。允许操作员重新分配开启后收到任务的操作员可以将任务转给其他成员。3.2 一个简单的配置示例假设我们构建一个“社交媒体帖子生成与审核”工作流。第一个节点是LLM提示词为“生成一条关于新品咖啡机的推特文案”。第二个节点就是我们刚添加的人工介入节点。操作员指定为你的市场部同事“张三”。描述“请审核AI生成的推特文案并给出修改意见或直接批准。”表单添加两个字段。字段1类型单选标签“审核结果”选项“批准”、“驳回”变量名approval_result。字段2类型文本输入标签“修改意见”变量名revision_notes。第三个节点是条件判断节点根据{{approval_result}}的值决定流程走向。如果等于“批准”则流向HTTP请求节点调用推特发布API。如果等于“驳回”则流向另一个LLM节点提示词为“根据以下意见修改文案{{revision_notes}}”然后可能再次进入审核循环或结束。4. 完整实战案例构建一个带人工校验的智能周报生成器我们将构建一个完整的工作流它每周自动生成项目周报但需要项目经理确认关键数据后才通过邮件发送给团队。4.1 案例需求与设计输入项目名称、本周起止日期。流程数据获取模拟从内部系统如Jira获取本周任务完成列表。报告生成LLM总结任务列表生成格式化的周报草稿。人工介入将周报草稿和关键指标如完成率发送给项目经理审核。项目经理可以修改报告内容并确认是否发送。条件分支如果确认发送则调用邮件服务发送周报如果驳回则结束流程并通知生成者。输出发送成功的确认信息或驳回通知。4.2 分步构建工作流步骤1创建工作流并设置输入变量在Dify中创建新工作流添加两个输入变量project_name(字符串)week_end(字符串格式YYYY-MM-DD)。步骤2模拟数据获取节点由于直接连接Jira需要复杂配置我们先用一个“代码执行”节点模拟数据。选择Python编写以下代码# 模拟从数据库或API获取的任务数据 tasks [ {id: TASK-101, title: 设计登录页面UI, status: 已完成, owner: 张三}, {id: TASK-102, title: 开发用户认证API, status: 进行中, owner: 李四}, {id: TASK-103, title: 编写项目文档, status: 未开始, owner: 王五}, ] output { task_list: tasks, total_tasks: len(tasks), completed_tasks: len([t for t in tasks if t[status] 已完成]) } print(output)此节点的输出将自动成为上下文变量如{{task_list}}。步骤3LLM生成周报草稿添加一个LLM节点。配置模型如GPT-4并编写提示词你是一位专业的项目经理助理。请根据以下任务数据为项目【{{project_name}}】撰写一份简洁的周报截至{{week_end}}。 任务列表{{task_list}} 周报结构应包括 1. 本周概要完成率{{completed_tasks}}/{{total_tasks}} 2. 已完成工作 3. 进行中工作 4. 下周计划 5. 风险与问题 请使用专业、积极的语气。将此节点的输出变量命名为draft_report。步骤4配置人工介入节点这是核心。拖入“人工介入”节点。操作员设置为变量{{project_manager}}。这意味着我们需要在流程开始时或上游节点中定义这个变量。我们可以在工作流开始时增加一个“变量赋值”节点来模拟设置project_manager为”pmcompany.com”。描述“【{{project_name}}】项目周报{{week_end}}已生成草稿请审核内容并确认是否发送给团队。”表单字段1文本输入标签“周报最终版”变量名final_report。关键技巧在“默认值”中填入{{draft_report}}。这样审核者打开时文本框中已经预填了AI生成的草稿可以直接编辑。字段2单选标签“发送决策”选项“确认发送”、“需要修改”变量名send_decision。字段3文本输入标签“修改意见如选择‘需要修改’”变量名modification_feedback非必填。步骤5添加条件分支添加“条件判断”节点。设置条件如果{{send_decision}}等于”确认发送”则进入“是”分支否则进入“否”分支。步骤6配置分支动作“是”分支发送邮件添加“HTTP请求”节点配置你的邮件服务Webhook如SendGrid、阿里云邮件推送。在请求体中引用{{final_report}}作为邮件内容。“否”分支通知生成者可以添加另一个“HTTP请求”节点调用企业微信/Slack等机器人通知周报生成者“周报被PM驳回意见{{modification_feedback}}”。或者更简单地添加一个“文本输出”节点显示驳回信息。步骤7设置输出在流程末尾添加一个“答案”节点根据不同的分支组合输出信息如“周报已发送”或“周报待修改”。4.3 运行与测试保存工作流后点击右上角“发布”。然后在“概览”页使用“测试”功能。输入project_name: “电商平台重构”week_end: “2024-10-27”。点击“运行”。工作流会在“人工介入”节点暂停。此时你需要以操作员我们模拟的pmcompany.com的身份登录Dify。在Dify顶部的“待处理”任务通知中找到并处理这个任务。你可以修改文本选择“确认发送”。处理完成后返回测试界面可以看到工作流继续执行并最终输出结果。5. 高级技巧与最佳实践掌握了基础操作后以下技巧能让你的“人工介入”工作流更强大、更可靠。5.1 动态操作员分配不要硬编码操作员。通过上游节点动态决定谁来处理。示例在“工单分类”LLM节点后根据工单类型输出assignee变量如”tech_support”或”billing_department”。然后在人工介入节点的“操作员”设置中选择变量并填入{{assignee}}。你需要在Dify中提前创建好这些用户组或用户。5.2 为操作员提供充足的上下文人工决策需要信息。除了在“描述”中写清楚更要利用好“表单”的默认值。将上游的关键输出如AI生成的内容、检索到的知识库片段、计算出的数据指标以只读或默认值的形式预填在表单字段中。这样操作员无需来回切换页面就能掌握全部情况。5.3 设置合理的超时与重试机制对于时效性强的任务如订单审核必须设置超时。策略超时时间设置为业务允许的最大等待时间如2小时。在“超时后”选择继续并为表单设置合理的默认值如将审批状态默认设为“驳回”并填入超时原因。这样可以避免工作流无限期挂起阻塞后续流程。5.4 与外部系统集成Dify的人工介入任务通知目前主要在平台内。为了更及时可以在人工介入节点之前添加一个“HTTP请求”节点调用企业IM钉钉、飞书、Slack的机器人Webhook发送一个包含任务链接的通知给操作员。将Dify的“操作员”与你的公司统一账号系统如LDAP对接确保任务能准确分配给对的人。5.5 工作流版本管理与权限当你的工作流应用于生产环境时版本控制在修改工作流前使用Dify的“发布新版本”功能。这样可以在出现问题时快速回滚。权限隔离在Dify的企业版中可以利用团队和权限管理功能严格控制哪些成员可以处理特定工作流中的人工介入任务确保数据安全和职责清晰。6. 常见问题与排查思路在实际使用中你可能会遇到以下问题问题现象可能原因排查与解决思路工作流在人工介入节点一直“运行中”无人收到通知。1. 指定的“操作员”账号不存在或未登录。2. 工作流未成功发布。3. 使用了变量指定操作员但该变量为空或值无效。1. 检查Dify用户列表确认操作员账号状态。2. 确保点击了“发布”按钮并在应用“概览”页测试而非仅在编辑器调试。3. 在人工介入节点前添加“调试”节点打印出用于分配操作员的变量值确保其正确。操作员处理任务后工作流不继续执行。1. 处理任务的操作员账号与触发工作流的账号不同测试界面未自动刷新。2. 工作流后续节点存在配置错误如无效的变量引用。1. 让处理任务的操作员在“待处理”列表中操作。测试时请用同一个浏览器账号触发并处理任务或手动刷新测试结果页面。2. 检查条件判断、HTTP请求等后续节点的配置确认引用的变量名如{{approval_result}}与人工介入节点表单中定义的完全一致。表单中引用的上游变量如{{draft_report}}显示为空白。1. 上游节点未成功运行或未输出该变量。2. 变量名拼写错误。3. 在“默认值”中引用变量时使用了错误的语法。1. 逐一检查上游每个节点的运行状态和输出。2. 仔细核对变量名Dify中变量名区分大小写且不允许有空格。3. 确保在“默认值”框中直接写入{{variable_name}}格式而不是{variable_name}或其他格式。超时设置未生效。1. “超时”和“超时后”配置未保存。2. 系统时间或时区问题Docker部署时常见。1. 确认节点配置已保存并重新发布工作流。2. 检查Dify服务器容器的时区设置确保与业务所在地时区一致。可以在docker-compose.yml中为服务设置环境变量TZAsia/Shanghai。7. 总结让人工智能与人类智慧共舞Dify 1.15的“人工介入”功能将AI工作流从封闭的自动化管道升级为开放的人机协同系统。通过本文的拆解你应该已经掌握了核心概念理解了人工介入在复杂业务场景中的必要性及其作为“决策开关”和“质量阀门”的角色。配置细节从操作员指定、表单设计到超时处理完成了节点配置的完整学习。实战构建跟随“智能周报生成器”案例体验了从设计、配置到测试的端到端流程。进阶技巧学习了动态分配、上下文优化、超时处理等提升生产可用性的方法。排错指南拥有了应对常见问题的排查清单。真正的智能应用不在于完全取代人类而在于如何让机器更高效地处理规则性任务同时将宝贵的、需要创造力和复杂判断的环节无缝地交还给人类。Dify的“人工介入”节点正是实现这一愿景的精巧工具。现在你可以尝试将这一功能应用到你的内容审核、数据清洗、客户服务或内部审批流程中构建出既高效又可靠的下一代AI应用。