在dify中，节点是工作流的重要组成部分

节点

• 开始：所有工作流应用的基础，提供了之后各个节点以及应用运行所需的初始信息，如用户输入的文本、上传的文件等。

• LLM（大语言模型）：该节点可以调用大语言模型，处理和分析用户在 “起始” 节点中输入的数据（包括自然语言、上传的文件或图片），并产生有意义的响应。

• 知识检索：能从知识库中寻找与用户问题相关的内容，这些内容可以被下一步的 LLM 节点用作参考上下文。

• Agent：该节点在 Chatflow/Workflow 中负责自主调用工具的功能。它通过集成各种 Agent 推理策略，使LLM能够在运行时动态选择并执行工具，实现多步推理。

• 直接回复：可以在文本编辑器中自由定义回复格式，包括自定义一段固定的文本内容、使用前置步骤中的输出变量作为回复内容、或者将自定义文本与变量组合后回复。

问题理解

• 问题分类器：通过预设的分类规则，能够根据用户输入，利用 LLM 进行推理并匹配相应的类别，生成分类结果，为后续节点提供更精准的信息。

逻辑

• 条件分支：该节点可以根据设定的 If/else/elif 条件将 Chatflow / Workflow 的流程切分为多个分支。

• 迭代：可以对数组中的每个元素执行相同的操作，并产生所有结果，可以视为批量任务处理器。通常，迭代节点会配合数组变量使用。

• 循环：用于执行依赖前一轮结果的重复任务，直到满足退出条件或达到最大循环次数。

转换

• 代码执行：支持 Python / NodeJS 代码的运行，用于在工作流程中进行数据转换。它可以简化你的工作流程，适合进行算术运算、JSON 变换、文本处理等操作。

• 模板转换：可以在工作流中实现灵活且轻量的数据转换，适用于处理文本、转换JSON 等。例如，将前面步骤的变量进行格式化和合并，创造出单一的文本输出，非常适合将多个数据源的信息汇总成一个特定格式，以满足后续步骤的需求。

• 变量聚合器：通过变量聚合，可以将问题分类或条件分支等的多路输出整合为单一输出，供下游节点使用和操作，极大地简化了数据流的管理。

• 文档提取器：LLM 无法直接读取或理解文档内容，因此需要借助文档提取器节点来解析用户上传的文档，将文件中的信息转换为文本，再传给 LLM 进行处理。

• 变量赋值：用户可以利用变量赋值节点将对话上下文、上传的文件、用户输入的偏好信息等变量写入会话变量，供后续对话参考。

• 参数提取器：这个节点利用 LLM 从自然语言中推理和提取结构化参数，以供后续工具调用或 HTTP 请求使用。

工具

• HTTP请求：该节点允许通过 HTTP 协议向服务器发送请求，适用于获取外部数据、webhook、生成图片、下载文件等操作。你可以向指定的网络地址发送定制化的 HTTP 请求，实现与各种外部服务的互动。

• 列表操作：能够对文件的各种属性（如格式类型、文件名、大小等）进行筛选和提取，将不同格式的文件送到相应的处理节点，实现精准的文件流程控制。

工具

工具节点对工作流提供了强劲的外部功能支持，可分为三个类别：

• 插件：插件可以通过官方Marketplace、Github和本地插件三种方式进行安装。

• 自定义：自定义工具可以通过 OpenAPI/Swagger 标准格式导入或创建，也可以在dify市场中进行安装。

• 工作流：用户可以设计一个工作流，将其发布为工具。