Dify全自动数据分析与图表生成应用构建指南

2026-06-20阅读 0热度 0

自然语言

Dify通过集成文档解析插件与ECharts可视化组件，即可构建一条全自动化的Excel数据分析流水线。核心链路是：上传文件→表格结构提取→LLM意图识别→图表参数结构化抽取→条件验证→动态图表渲染与自然语言解读，全程无需人工介入。

这套方案的本质在于：由Dify自主完成从原始表格解析到智能图表生成的全部环节，过程中既不需要编写代码，也无需手动调整配置参数。你只需上传Excel文件并描述分析需求，后续所有操作由系统接管。

环境搭建与插件部署

登录Dify工作台，进入应用项目编辑界面。在左侧菜单栏找到「插件市场」，检索并安装官方认证的“ECharts图表生成工具”插件。同步安装“文档解析器”插件——该组件专门负责解析Excel、CSV等结构化表格文件。该插件属于必装项，否则LLM无法有效读取表格数据。

安装完成后，返回项目画布，确认左侧组件面板中已出现“ECharts图表”和“文档解析器”两个分类节点。若未显示，请刷新页面或重新检查插件安装状态。

点击「新建应用」，选择「Chatflow」模板，设定应用名称为“Excel智能图表助手”。

在画布上依次添加以下节点：开始节点 → 文档解析器 → LLM节点 → 参数提取器 → 条件分支节点 → ECharts图表节点 → 回复节点。

关键注意事项：文档解析器节点必须紧跟在开始节点之后。因为Dify的文件上传功能默认挂载在开始节点上，跳过此顺序会导致后续分析基于空数据运行，整个流程将失效。

选中“文档解析器”节点，在其右侧配置面板中勾选「启用表格结构识别」和「保留原始行列信息」。

这一设置决定了LLM能否准确理解诸如“第3列对应销售额”“A1:E100是销售明细表”这类空间语义。若未开启结构识别，模型将面对混乱的纯文本拼接，分析结果将严重失真。

随后，将文档解析器的输出字段「content」连接至下一个LLM节点的输入变量。

在LLM节点中，通过系统提示词（System Prompt）明确定义模型角色：

“你是一位资深数据分析师。仅根据用户上传的表格内容及其自然语言请求进行分析。禁止编造数据、禁止猜测缺失字段含义、禁止输出代码或SQL。所有结论必须基于解析器提供的真实字段名称与样例值。”

用户提示词（User Prompt）设置为：“请分析以下数据：{{content}}。用户需求为：{{query}}。请使用中文分点说明关键发现，并以JSON格式输出图表所需参数，字段包含chart_type、title、xaxis、series四个必填项。”

chart_type必须限定为'line'、'bar'或'pie'三者之一，否则ECharts插件将无法正常渲染。

添加「参数提取器」节点，接收LLM节点的输出文本。

在提取规则中填写正则表达式：{(?:[^{}]|(?R))*}（支持嵌套JSON），并勾选「只提取首个匹配块」。

此步骤是整条链路成败的临界点。LLM经常在JSON前后附加解释性文本，例如“以下是您需要的图表参数：{...}。如有其他需求可继续提问。”若不使用正则过滤，ECharts插件会因接收到非法JSON而报错中断。

将提取结果映射为新的变量「chart_config」，供后续节点调用。

在参数提取器后添加「条件分支」节点，设置判断逻辑为：{{chart_config}} != null && Object.keys({{chart_config}}).length > 0。

分支一（真条件）：连接ECharts图表节点 → 回复节点；

分支二（假条件）：连接一个备用LLM节点，提示词为：“图表参数提取失败，请用更明确的语言重述您的可视化需求，例如‘用柱状图展示各地区销售额对比’。” → 回复节点。

此分支绝非装饰性的兜底策略，而是在实际运行中会被高频触发的容错机制。例如用户输入“查看数据趋势”，模型可能默认输出折线图；但如果数据字段全为文本类别，ECharts会静默失败。借助该分支，用户能即时获得可操作的反馈指令，避免面对空白页面的无效等待。

选中ECharts图表节点，在右侧配置面板中将「图表类型」设为动态字段：{{chart_config.chart_type}}；

「标题」设为：{{chart_config.title}}；

「X轴数据」设为：{{chart_config.xaxis}}；

「系列数据」设为：{{chart_config.series}}。

保存配置后，点击右上角的「调试」按钮，上传一份包含“月份”和“销售额”两列的Excel文件，输入“用柱状图展示每月销售额”，即可实时看到渲染完毕的图表与分析文本一同返回。整条流程验证通过后，后续工作仅需根据实际业务需求微调提示词与图表参数。