Dify 工作流编排：从小红书爆款文案到全自动发布

一、为什么是 Dify Workflow，而不是单纯的 Agent 对话？

在企业级自动化场景中，单聊式的 Agent（即简单的 System Prompt 对话框）是非常不靠谱的。因为对话模型具有随机性，你无法控制它在第几步会偏离轨线。要实现稳定的业务自动化，必须将大模型嵌入到具有确定性边界的图执行引擎中，这就是 Dify Workflow 的核心价值。

我们今天以一个典型自媒体矩阵运营为例：从小红书抓取爆款文章、分析套路、重写并利用 Webhook 推送分发。整个工作流在 Dify 中被设计为一条单向流转的图。

二、工作流核心节点设计与关键配置步骤

在 Dify 平台中，我们新建一个“工作流”应用，按顺序编排以下节点：

1. 开始节点（Start Node）

定义输入变量：target_url（目标网页 URL）和 topic_bias（希望重写侧重的风格偏好，如“幽默风格”或“专业测评”）。

2. HTTP 请求节点（HTTP Request）—— 网页内容抓取

AI 无法凭空获取网页内容。我们在这里配置一个 HTTP 节点，调用免登录的爬虫服务（推荐使用 Jina Reader API 或本地爬虫容器）：

• 方法： GET
• URL： https://r.jina.ai/{{sys.query.target_url}}

该节点会返回净化后的 Markdown 纯文本网页内容，变量名设为 raw_html_markdown。

3. LLM 节点 1（分析大纲与情感钩子）

选择模型 Claude-3.5-Sonnet，编写分析 Prompt。注意要避开 AI 腔，采用编辑总监的口吻：

你是一位资深新媒体主编。请仔细阅读输入的爆款文章：
{{raw_html_markdown}}

请执行以下分析：
1. 提取这篇文章最吸引人的 3 个核心痛点（情感共鸣点）。
2. 分析它的文案结构，并输出结构框架（如：痛点抛出 -> 案例佐证 -> 解决方案 -> 行动呼吁）。
3. 统计其高频词汇与 Emoji 使用规律。

请直接输出 JSON 结构，不要有任何客套话和废话。

4. LLM 节点 2（多文案重写生成）

这一步我们用 DeepSeek-R1 模型（利用其深度思考思维链产生更自然的文笔），输入提示词：

你是一家时尚女装独立站的文案主笔。请根据以下大纲与风格要求：
【大纲与套路】: {{llm_node_1_result}}
【风格偏好】: {{sys.query.topic_bias}}

创作一则全新的小红书种草文案。要求：
- 前 3 句必须用反直觉的提问直接抓住眼球，杜绝“开启旅程”、“绝妙体验”这类 AI 常用废话。
- 中间部分用真实生动的生活场景（例如：办公室冷气太足、周五急着下班约会）来带出产品。
- 结尾加上 5 个热门行业标签，并配上自然的 Emoji 隔开段落。

5. Webhook 推送节点

配置一个 HTTP POST 请求，将生成的文案 {{llm_node_2_result}} 以 JSON 格式推送到 Make.com（或本地 Node.js 接收端），触发后续的矩阵发布脚本。

三、实战避坑：解决 Scraper 节点被防爬拦截

在实际跑流程时，如果直接抓取小红书或微信文章，很容易遭遇 Web Scraper 节点报错，返回 403 Forbidden。为了保障生产环境稳定性，我们引入了动态代理与渲染池。我们搭建了本地的 Puppeteer-Renderer 容器，将 HTTP 节点的 URL 改为请求内网的渲染池，由 Puppeteer 模拟真实浏览器行为执行 JavaScript 后，再将完整的 HTML 解析回给 Dify。对于企业落地来说，这种高可靠的边缘容错设计才是工程落地的基石。

// 典型实现逻辑 / Code outline
// 如需获取该场景下完整可运行的代码库与技术顾问指导，请联系我们
console.log("Loading module: $Dify/Coze 教程...");
console.log("Configuring agent pipeline: $Dify 工作流编排：从小红书爆款文案到全自动发布...");
console.log("Dependencies active. Pipeline initializing...");
// TODO: Custom code hooks for wolaizuo solutions.

* 本文为“我来做”动手开发实战教程。如果您不想亲自编写代码，或者需要更深入的企业系统（ERP/CRM）对接与私有化部署，欢迎点击下方按钮预约我们的免费诊断服务。