手把手教你用 Dify 搭建一个教程自动化生成工作流

大家好，我是北平牧哥。

过去我们想学习一门技术时，需要在网上找教程来看。有许多教程网站会提供各种教程供人学习。在 AI 时代，我们可以借助大语言模型来帮我们生成任何你想学习的教程。

在这篇文章里，我将手把手教你用 Dify 来打造一个自动化教程生成工具。

我们的目标是只要输入一个你想学习的技术（例如：Python, MongoDB ），AI 工作流就能帮你产出一套完整的教学课程。

那么我们开始吧！

设计思路

我们总体的设计思路是：

1. 用户提供教程的名称后，首先生成课程大纲。
2. 把课程大纲进行结构化转换后，拆分成更细章节。
3. 迭代每一个章节，生成章节对应的课程内容。
4. 整合内容，输出完整教程。

关于工作流

工作流（ Workflow ）是一系列有序的任务、活动或者步骤，被设计用来完成特定的业务流程或者工作流程。通过将复杂任务拆分成较小的子任务(节点) ，降低了系统的复杂度。它可以把上述的设计思路具象化为一系列节点，从而实现我们的目标。

操作步骤

开始

工作流都是由从“开始”节点开始执行，在这里可以配置用户输入的变量。我们的例子中，需要配置的是用户需要的教程名称。

生成课程大纲

这一步需要使用 LLM 大模型进行生成，所以需要添加一个 LLM 模块。Dify 提供了一些免费的配额使用，这里我使用的是 o1-mini-2024-09-12 。

大模型生成内容质量的关键是提示词的设计，下图中的提示词可以作为一个参考。它要求大模型生成一个课程提纲，并且以 JSON 格式输出。

下面是其他可以使用的大模型列表

下图是一个生成结果示例

数据结构化转换

尽管是以 JSON 输出，大模型输出的并不是 JSON 对象而是 markdown 格式文本，并且前后带有json ... 这样的 md 标识符。所以需要进行结构化处理。可以选择 Dify 的模板转换，我这里是用 [代码执行] 节点去处理，原因是模板转换需要用 Jina 编写解析模板，增加了学习曲线。而用代码则只要正则表达式处理一下就可以拿到 json 文本，再简单处理一下就可以了。

经过这一步就把 LLM 返回的结构转换成按照小节为单位的数组，下一步就可以对每个小节进行迭代生成教程文章了。

迭代生成教程文章

这一步我们要加一个 [迭代] 节点，它可以把上一步输入的数组逐项代入进行操作。先看下整体迭代。

迭代器需要指定一个输入和一个输出变量，均为数组格式。

在 [转 OBJECT ] 节点里，我们需要把迭代传入的 item 对象做一下拆解转换，这样后续的工作流节点里才能更清晰地使用每一个变量，而不是只能拿到 item Object 。

转换后输出 chapter, subtitle, title 三个变量。

生成文章

又要用到 LLM 了，同样也是配置提示词。这里就用到前面转换的变量了，通过把章节标题(title)和子标题(subtitle)带入进提示词，就可以迭代执行 LLM 生成文章内容。

输出

迭代完成后，添加 [结束] 节点，添加要输出的变量即可。

以上就是整个工作流的核心流程，但输出的只是一个结构化数据，如果想使用还需要后续一些简单处理，这里不再赘述。整体流程执行过程如下：

当然你也可以用这个思路建一个 Chat 流程，以对话的方式直接输出。

总结

你已经学会了如何使用 Dify 创建一个自动化教程生成工具。借助大语言模型的强大能力，我们可以高效地生成完整的教学内容，从大纲到每一章的具体细节，整个过程完全自动化。希望这个工具能够帮助你更轻松地创建高质量的教学资源，提升学习与分享的效率。