Dify智能体协同项目报告批量生成工厂

📝 协同项目报告批量生成工厂

该工作流是一个用于自动化批量生成系列技术报告的复杂生产线。其核心功能是，在接收项目相关的技术文档（如前端、后端分析和数据库结构文件）后，结合一份预设的团队成员分工列表，为团队中的每一位成员生成一份完整且内容侧重不同的个人项目报告，最终将这些报告保存为独立的 Markdown 文件。

数据准备：获取项目核心资料

工作流启动后，会首先通过一系列“HTTP 请求”节点，从一个本地服务中获取预先准备好的核心项目资料。这通常包括：

• 前端分析文档 (frontend.md): 对项目前端部分的详细说明。
• 后端分析文档 (backend.md): 对项目后端接口和逻辑的详细说明。
• 数据库结构文件 (sql.txt): 包含项目所有数据表结构的 SQL 代码。

这些文件构成了整个报告生成过程的知识基础。

第一阶段：迭代生成通用章节

在获取资料后，工作流进入第一个“迭代”循环，此阶段的目标是撰写报告中所有成员都相同的部分：

1. 循环撰写：工作流会遍历一个预设的“章节任务”列表（包含摘要、实训概述、需求分析等章节的详细撰写要求）。
2. LLM 撰写通用内容：在每次循环中，一个作为“报告撰写专家”的大语言模型（LLM）会根据当前任务的要求，结合第一步获取的项目资料，撰写对应章节的详细内容。
3. 自动生成数据库设计：其中一个专门的 LLM 节点会读取 sql.txt 文件，自动分析并生成报告中的数据库设计部分，包括 E-R 图（以 Mermaid 代码形式）和所有数据表的结构。
4. 保存并复制模板：所有通用章节被写入一个基础报告文件 file.md 中。随后，工作流会调用一个服务，将这个基础报告文件复制多份（例如5份），为每个团队成员准备一个初始模板。

第二阶段：迭代生成个性化章节

这是实现“批量产出”的核心。工作流进入第二个、更复杂的“迭代”循环，这次它遍历的是一份预设的“团队分工”列表：

• 为每位成员生成报告：对于列表中的每一项任务分配（例如“成员A负责前端登录、注册；成员B负责后端订单接口”），工作流会执行以下操作：
  1. 智能路由判断：通过“条件分支”节点，判断当前成员负责的是“前端”、“后端”还是“管理端”等工作。
  2. 定向内容生成：根据判断结果，工作流会调用不同的 LLM，并喂给它相应的项目资料（如判断为前端任务，就提供前端分析文档），让 LLM 专门撰写与该成员任务相关的“系统实现”和“系统测试”等个性化章节。
  3. 长文本处理：工作流内建了代码节点，用于处理 LLM 生成的超长文本，通过转义、分割、合并等操作，确保内容能被后续节点正确处理。
  4. 保存个人报告：最终，每个成员的通用章节和个性化章节会被整合，并保存为一个以其序号命名的独立文件（如 file_1.md, file_2.md…）。

输出最终结果

在为所有成员生成并保存完独立的报告文件后，工作流会在对话框返回“完成”作为结束标志。

主要特点

• 批量与个性化的完美结合：通过“先生成共性模板，再循环注入个性化内容”的模式，高效地解决了团队报告中既有统一要求又有个人差异的痛点。
• 双重迭代的复杂流程：运用了两个嵌套或连续的“迭代”节点，分别处理章节和成员，是 Dify 平台构建超复杂自动化流程的顶级范例。
• 面向开发场景的自动化：整个流程以技术文档和分工列表为输入，以生成结构化的技术报告为输出，是为软件开发团队量身定制的文档自动化解决方案。
• 高度服务化与模块化：严重依赖外部 HTTP 服务来存取文件，展现了一种将 Dify 作为中央编排器，调度多个微服务协同工作的先进架构思想。

重要提示

这是一个高度复杂的后端自动化流程。它的运行强依赖于一个在本地运行的、提供了多个特定接口（如 /convert-to-text, /save-text, /duplicate-file）的后端服务。最终产出物是保存在该服务所在服务器上的一系列文件，而非直接在聊天窗口中显示。

非常适合需要为团队项目批量产出结构类似但内容各有侧重的技术报告、实训报告或项目总结的开发团队、教育机构或项目管理办公室。