Workflow -- 一次返回结果
Chatflow -- 支持多次对话，多次返回结果

---

更直观的理解

• Chatflow：用户主动发问，AI 像人一样“聊回去”，过程中能记住之前说了什么。
• Workflow：更像一个数据处理管道，给它输入，它跑完逻辑返回结果，每次请求都是“失忆”的。

选择建议

• 需要与用户多轮对话、记住上下文 → 选 Chatflow
• 需要批量处理数据、API 集成、无人值守自动化 → 选 Workflow

两者可以配合使用，例如 Workflow 做后台数据处理，再由 Chatflow 提供给用户查询入口。

注意点：ECharts(需要CSV)，需要LLM 整理数据格式，deepseek-chat 模型对 ECharts 所需的数据处理比较有好，不要直接选用推理模型，费token效果还不好

推理在工具里面应用效果不是很好， 在自己开发大模型的时候，推理比较准确(Langgraph、LangChain、MCP、SpringAI、Embedding...) AI大模型知识体系
比如：我只让大模型给我回复什么内容，赋值到什么样的变量里，自己控制节点A->B->C,A输出的内容，要在B节点用变量来接受，比如 Dify — Chatflow - 数据库智能查询

创建工作流

创建工作流

添加变量

添加文档提取器
 

 

添加大模型

将文件里的数据进行格式整理

<span style="color:#333333"><span style="background-color:#ffffff"><code class="language-undefined">将{{上下文}}中的数据整理成csv格式并输出，只需要输出结果，不需要输出额外解释内容。
</code></span></span>

 

选择 deepseek-chat 模型，有助于输入图标

添加代码执行
 

<span style="color:#333333"><span style="background-color:#ffffff"><code class="language-python"><span style="color:#0000ff">import</span> csv
<span style="color:#0000ff">import</span> json
<span style="color:#0000ff">from</span> collections <span style="color:#0000ff">import</span> defaultdict

<span style="color:#0000ff">def</span> <span style="color:#a31515">main</span>(csv_string):
    <span style="color:#008000"># 解析 CSV 数据</span>
    lines = csv_string.strip().split(<span style="color:#a31515">'\n'</span>)
    reader = csv.reader(lines)
    headers = <span style="color:#0000ff">next</span>(reader)
    data = [row <span style="color:#0000ff">for</span> row <span style="color:#0000ff">in</span> reader]

    <span style="color:#008000"># 提取列名</span></code></span></span>