玩转大模型三Coze 与 Dify 十个真实工作流案例同一业务两种实现的差异全记录第三天全是实战一批商户经营场景的 AI 案例同一个业务在 Coze 和 Dify 上各做一遍。看教程时最容易产生一种错觉——“节点连起来不就完了”。真自己搭就会撞上Excel 到底怎么进工作流、批处理的外层输出为什么配不了、同步运行为什么 180 秒必挂、迭代节点为什么单独测试就报错。这篇不做案例罗列重点放在两件事同一业务在两个平台上的实现差异以及那些课件里明确写出来的坑。1. 十个案例四类业务这批案例覆盖一个商户日常经营的四类需求业务域案例平台核心能力内容产出一键生成行业调研 PPTCoze联网检索 JSON 大纲 iSlide 模板生成一键生成行业调研报告Dify搜索 抓取 迭代撰写 邮件投递营销物料复刻爆款视频Coze链接解析 → 分镜 → 文生图 → 图生视频产品营销海报生成Coze生图/改图 叠图 数据表持久化商品营销卖点提炼Coze1 Agent 5 工作流 5 知识库经营数据客服对话记录分析Coze / DifyExcel 解析 批处理三路并行 LLM商品评论分析Coze / DifyCSV 解析 四维分析 报告输出企业内部流转客户投诉分类助手Dify 钉钉四级问题分类 群机器人推送其中客服对话记录分析和商品评论分析是同一业务在两个平台各实现一遍差异最有参考价值。1.1 一条完整的 PPT 生成链路长什么样以 Coze 的一键生成行业调研 PPT为例节点顺序是开始(theme,style) → 文本处理(拼XX行业发展现状) → getToutiaoNews(插件) → 代码(抽 URL) → 批处理[LinkReaderPlugin 读正文] → 大模型(生成大纲 JSON) → get_themes(iSlide 取主题) → 代码(取模板 id) → generate_presentation → download_presentation → 结束(输出 ppt_link)大模型节点用的是DeepSeek-R1/250528responseFormat2强制 JSON 输出。提示词里给了sections → contents → items → title/subtitle的四层嵌套示例——下游是程序所以输出格式必须是硬约束不能靠请输出 JSON这种软要求。代码节点在 Coze 里的写法是统一签名这类细节教程经常不写asyncdefmain(args:Args)-Output:paramsargs.params url_list[i[url]foriinparams[input]]ret:Output{url_list:url_list}returnretDify 侧则是def main(...) - dict返回值的键名就是输出变量名defmain(json:list)-dict:return{result:json[0][organic_results]}两套签名不通用从 Coze 迁到 Dify 时代码节点必须重写。2. 同一业务两个平台的真实差异这是第三天最值钱的部分。以客服对话记录分析为例两边都是Excel → 拆行 → 三路并行 LLM问题分类 / 内容总结 / 情感分析→ 聚合但实现路径完全不同维度CozeDify文件入口readExcel插件传在线链接Agent 会把上传文件转成 URL开始节点直接收file变量工具excel2json批量处理批处理节点体内扇出迭代节点parallel_nums可设 1~10输出约束大模型节点responseFormat2或靠提示词硬约束structured_output_enabledJSON Schema下游取值解析文本直接引用…structured_output变量中间态提示输出节点“请稍等~正在智能分析评论ing”answer直接回复节点只有 Chatflow 支持多处输出交互收集输入问答节点选项回答可做分支路由变量赋值无对等节点靠 question-classifier / parameter-extractor数据持久化应用内数据表SQL自定义节点本批案例未涉及表存储变量写法{{theme}}、{{String1}}{{#节点ID.字段#}}输入/唤起变量菜单最关键的一条差异是结构化输出。Dify 可以把情感分析的返回声明成 schema{type:object,properties:{rank:{type:string},reason:{type:string}}}下游代码节点直接取.structured_output.rank不用正则解析文本。Coze 只能靠提示词约束 代码节点兜底所以课程在 Dify 版的分类提示词里额外加了一句“请严格按格式输出必须包含 product、content、experience 三项”——有 schema 时这句话甚至可以省掉。Q1Excel/CSV 到底怎么进工作流两边思路不同。Coze 是链接驱动用户上传文件给 AgentAgent 转成在线 URL 传给工作流所以开头必须做合法性校验# 校验输入是否为 csv 链接ret:Output{is_csv:.csvinparams[url]}再用选择器分流非 csv 走请正确上传.csv格式文件。Dify 是变量驱动开始节点直接声明typefile或typedocument配文档提取器节点。但 Dify 的文档提取器输出不稳定——课件原话是有时是字符串有时是只有一个元素的字符串数组所以还得加一层归一化代码defmain(text_arr:list):texttext_arr[0]ifisinstance(text_arr,list)elsetext_arrreturn{result:text}Q2为什么商品评论分析在 Dify 上要用 Chatflow课件给的理由很具体Dify 的 Workflow 只能接收一次输入、输出一次而这个案例要边分析边打印进度提示只有 Chatflowadvanced-chat能做到多处answer输出。代价是 Chatflow没有结束节点而且对话流不能单独发送文件必须搭配文字。顺带把课程给出的对照表抄全这个选型判断以后用得上特性Chatflow 对话流Workflow 工作流核心目标实时交互、自然语言对话批量处理与自动化交互模式多轮对话可追问单次执行上下文记忆支持sys.conversation_id不支持无状态输出方式流式、多处输出执行完一次性返回触发机制用户实时输入定时任务、API 事件、文件上传典型场景客服咨询、教育问诊、创意协作报表生成、数据清洗、批量 API 调用四步决策需要多次输入 → Chatflow批量处理 → Workflow结果要分步展示 → Chatflow需要定时/事件触发 → Workflow。3. 三个值得抄的设计模式3.1 分类树question-classifier 串成级联Dify 的客户投诉分类助手是四级分类树纯靠问题分类器串起来feedback → 一级[用户投诉|设备故障|需要配件补给] → 二级[服务|质量] / [软件|硬件] / [螺丝|钢板|木板] → 总结助手(LLM) → 钉钉群机器人 → 结束两个细节分叉必须配多个结束节点案例里有 结束/结束2/结束3总结节点的提示词直接把上游分类结果插进来你是一个总结助手将下面的问题进行总结 一级分类{{#….class_name#}}二级分类{{#….class_name#}}用户反馈{{#开始.feedback#}}3.2 卖点 → 买点把营销方法论固化成提示词商品营销卖点提炼是这批案例里最复杂的一个1 个 Agent 路由 5 个工作流main_flow → set_product_name_and_desc → selling_point_generation → selling2buying_point → red_book_and_video_script卖点用三步法通用性 / 独特性 / 保障性每步的约束各不相同——通用性要剔除非通用性卖点价格优势、一次性活动“独特性要有明确竞争壁垒如技术专利、独特资源”保障性关注风险降低 / 信任证明 / 长期承诺。统一收尾是每个卖点 15 字以内。买点转化这一步是精髓买点要从用户视角出发通过情感化表达、场景化描述把产品价值延伸到情绪价值层面。课程把情绪拆成五类用文本处理节点按选择拼提示词情绪点触发词痛点迫切性、亟待解决、恐惧爽点满足感、即时反馈、明显效果、成就感痒点从众、稀缺、社交驱动、向往兴奋点意外惊喜、独特体验、创新体验安全点安全感、信任感、可靠小红书文案节点的约束硬到夸张但正是这种硬度才出效果标题少于 20 字、正文 500~1000 字、标签至少 8 个、语言年轻化用女生口吻、禁用中文句号、避免最/第一/极限/世界级等绝对化词、必须命中热词白名单并给 3 个 few-shot 示例。3.3 知识库当素材库检索 随机关键词red_book_and_video_script挂了5 个知识库抖音热点、微博热点、脚本开头技巧、脚本结尾技巧、高质量营销文案技巧流程是循环[是否继续生成] → 知识库检索(热点) → 选择器(是否用到热点) → 问答(选小红书文案 or 短视频脚本) → 代码节点随机选技巧关键词 → 知识库检索(对应技巧库) → 大模型生成 → 输出随机选关键词这一步用代码实现时间戳 基础随机数取模比让模型随机给一个稳定得多。把不确定性交给代码、把创造性交给模型这个分工我认为是这批案例里最值得学的一条。Coze 的检索方式有三种向量检索、全文检索、混合检索推荐附重排序——和第二篇 Dify 知识库的结论完全一致两个平台在检索策略上收敛了。4. 坑清单课件里明确写出来的那几条#坑现象 / 解法1Coze 同步运行 3 分钟上限复刻爆款视频必超 180s 失败只有智能体调用工作流才能设异步异步上限 24h异步并发过大还会code:429限流2文生图节点偶发超时加选择器判断是否成功失败走第二个完全相同的生图节点再用变量聚合汇到下游3批处理/迭代外层输出配不了必须先把体内节点配完才能配外层输出。Coze 和 Dify 都有这个限制课程两处都专门标注4Dify 迭代节点单独测试必报错课件判定为平台 bug每个 item 本是 dict但单节点测试时变量被转成字符串无法传对象只能整体运行5Dify 上游输出会缓存上游节点跑成功后输出被缓存下游单独运行时自动取上游输出作为输入。缓存按节点组织可查看可删除——调试结果不对先怀疑缓存6Coze 转义地狱readExcel输出是带转义的字符串批处理里要先input.replace(\\\\\, )再json.loads7BOT_USER_INPUT是保留变量Coze 里要求用户输入变量名必须用它否则可能赋不进工作流入参它也不会出现在 Agent 调用日志的arguments里8子工作流传参要求字段名对齐从数据表product_list取数填参数时开始节点参数名必须与数据表字段名一致name/description9Dify 在线版调国内模型失败率高服务器在国外DeepSeek 官方 API 实测多次超时课程最终统一切到内置gpt-4o-miniOpenAI 兼容供应商URL 结尾必须带/v110Coze 模型会被下架轮换课件写明DeepSeek-V3-0324、豆包·1.5·Pro·32k等会失效“替换功能类似的模型即可”11抖音链接解析常被反爬LinkReaderPlugin对抖音链接频繁失败只能多试或换来源12钉钉机器人 ACCESS TOKEN 只填值要填 Webhook 里access_token后面那串不是整条 URL且必须是自己是管理员的组织内的群13Agent 上下文被失败任务污染多次失败后上下文混乱课程的做法是删掉智能体重建而不是继续改还有两个易忽略的小技巧Coze 的 UI 组件状态表达式里变量前加!表示非!workflow.loading实现工作流未运行时隐藏工作流必须先发布才能挂给 Agent发布到商店别人只能体验不能复制要让人看到编排细节得发布为模板。最后总结平台差异的本质是结构化能力。Dify 有 JSON Schema、有 Chatflow 多处输出、有节点级缓存Coze 有问答节点做交互、有数据表做持久化、有 UI 组件做低代码前端。做数据批处理选 Dify做面向用户的轻应用选 Coze。工作流的稳定性来自把不确定性交给代码。校验、路由、随机、聚合、重试全部用代码和选择器节点模型只负责生成。提示词的硬度决定下游能不能自动接。输出格式必须是硬约束schema 或明确字段清单字数、禁用词、白名单都要写死。13 条坑里至少 6 条是平台限制而非写法问题3 分钟同步上限、迭代单测 bug、上游缓存、模型下架、反爬、发布权限。遇到怎么改都不对先怀疑平台。本系列第一篇 大模型概述与落地选型 / 第二篇 RAG 与低代码智能体 / 第三篇 工作流案例集本篇/ 第四篇 API 调用与私有化部署。参考资料[1] Coze 扣子官网[2] Dify 官网[3] Dify 插件市场 - GitHub[4] Firecrawl[5] 钉钉开放平台 - 自定义机器人[6] iSlide[7] DeepSeek 开放平台本文整理自《尚硅谷大模型智能体线上速成班 V2.0》Day03《低代码智能体开发案例集》课件与工作流导出文件节点链路、参数与坑均取自课件原文。