Dify多图片输入处理：高效生成分析报告指南

要在Dify工作流中实现多张图片的批量接收，并驱动大模型根据图像内容自动生成结构化分析报告，必须突破默认的单图限制，主动开启多模态解析链路，并确保下游模型能同时处理多个图像特征。否则系统只会提取首张图片，甚至直接报错。

操作前需确认三个关键配置：工作流类型必须选Workflow，启用多模态输入并配置File list字段，同时关闭Document Extractor的“Extract text only”开关，再通过{{#each $input.img_list}}模板语法遍历多图描述，最终接入Qwen-VL模型生成结构化报告。以下逐步拆解具体实施方法。

搭建支持多图输入的工作流

进入Dify Studio，选择Create from blank创建空白工作流。关键步骤：必须选择Workflow类型，切勿选Chatflow。Chatflow不解析文件内容体，上传的多张图片仅保留文件名称，下游节点无法获取实际图像数据。

工作流创建完成后，立即点击画布空白区域，进入全局设置。在“Input Schema”中勾选【Enable multi-modal input】。若跳过此步，所有Image/File字段将被视为普通字符串处理，payload中缺少binary_data字段，后续流程全部失效。

多图输入节点的配置方案

方案一：单节点支持批量上传（适用于同场景多图分析）
从左侧面板拖入User Input节点，点击配置，添加字段，字段类型选择File list，变量名设置为img_list（全小写+下划线，禁止包含空格）。标签名称填写“上传多张图片”，允许上传类型选Both，支持文件类型仅勾选Image，最大上传数量设为20（Dify平台硬性限制）。

方案二：使用多个独立Image字段（适合分类明确的图文组合场景）
添加两个Image类型字段，变量名分别命名为front_img和back_img，标签设为“正面图”和“背面图”。注意运行时这两个字段会生成独立的{{$input.front_img}}和{{$input.back_img}}路径，无法通过{{$input.img_list.0}}索引访问。

重要提示：若变量名采用FrontImg或front-img格式，下游LLM节点将无法识别{{$input.front_img}}引用，导致undefined error。变量名必须使用全小写字母加下划线命名。

文档提取器接入与多图解析开启

第一步：拖入Document Extractor节点，输入参数选择img_list（对应File list字段），或分别连接front_img和back_img（需使用两个提取节点）。

第二步：在Document Extractor配置面板中，关闭“Extract text only”开关。该开关默认启用，极易被忽略——开启后所有图片仅经过OCR或ASR管道，Qwen-VL等视觉模型无法获取原始像素数据，导致物体识别、布局分析、跨图比对等核心功能失效。

第三步：确认输出变量类型。当输入为File list时，Document Extractor输出格式为array[string]，每个元素对应单张图像的结构化描述文本。该数组可直接传递给多模态大模型节点。

多模态大模型连接与报告生成

拖入Multimodal LLM节点，模型选择Qwen-VL-7B或Qwen-VL-14B（需确认平台已部署）。在Prompt模板中采用以下结构：

“你是一名专业图像分析师。请基于以下{{#each $input.img_list}}第{{$index + 1}}张图：{{this}} {{/each}}内容，按照「对象识别→异常检测→关联推理」的三段式结构生成中文分析报告，总字数控制在800字以内。”

注意：禁止使用{{#each $input.img_list}}嵌套另一个{{#each}}，Dify模板引擎不支持双重循环。必须通过单个{{#each}}一次性展开所有图像描述文本，让LLM自行分图理解。

最后连接Text Output节点，将LLM的输出直接返回给用户，至此完整链路配置完成。