Dify 实战指南：从 Docker 部署到 AI 应用开发，自动化测试全流程解析

好多可乐

357人浏览 · 2026-07-17 22:32:38

好多可乐 · 2026-07-17 22:32:38 发布

文章目录

一、下载桌面版docker

brew install --cask docker

二、修改docker配置文件

进入docker-点击设置-改完以后点击apply
在这里插入图片描述

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "registry-mirrors": [
    "https://mirror.aliyuncs.com",
    "https://mirror.baidubce.com",
    "https://docker.m.daocloud.io"
  ]
}

三、下载dify并配置

# 克隆国内镜像仓库
git clone https://gitee.com/langgenius/dify.git
# 进入项目文件夹
cd dify
# 切换到稳定版 
git checkout 1.13.3
# 配置dify源代码
cd docker
# 重命名
mv docker docker-dify-1.13.3
# 复制环境模板生成可配置文件
cp .env.example .env
# 启动dify（第一次用时）
docker compose up -d
# 后续直接docker -desktop即可启动dify

四、dify的启动和配置

http://localhost/install

第一次启动要设置这些
主页面
配置大模型
- 点击右上角的图标-设置-模型供应商-选择ollama-点击安装-添加api秘钥(模型名称选择你自己已有的ollama模型

五、用dify创建应用

1、聊天机器人

1、在首页点击创建空白应用
2、点击新手适用-聊天助手
3、写提示词，选择模型
4、配置项调整：我们重点关注我圈出来的
5、配置完点击发布，我们就可以开始正式聊天啦~ 你可以嵌入网站或者通过接口调用，官网都有详细的文档~

2、agent

你还可以创建一个agent，区别在于agent里面可以调用工具，只要你添加了，使用过程中会直接进行调用

在这里插入图片描述

3、工作流

实战：自动生成测试用例

我们还可以添加工作流，这个类似于做任务，做完就结束，不能聊天。如果要反复问的话，就选chatflow，我们先来新建工作流吧

1、新建工作流-输入名称和描述-点击创建
2、选择用户输入
3、点击用户输入，因为我们这边是要添加prd之类的，所以我们选择变量为添加文件，其他的按照图片来吧，点击保存
4、点击用户输入旁边那个➕号来新建文档提取器（支持word，excel之类的），这边输入变量选择doc
5、点击文档编辑器的➕号，选择新增LLM，选择模型，然后改下配置参数
6、接着再写提示词，给一个现成的吧

# 角色：软件测试工程师
## 目标：
根据用户输入的原始软件需求，梳理出核心的测试点

## 工作流：
1. 分析软件的功能需求，深入挖掘原始需求中的显示需求和隐式需求点。
2. 针对每个需求点，设计正向的测试点，包括各种有效的输入和有效边界，确保能覆盖各种满足业务需求的场景。
3. 针对每个需求点，设计反向测试点，包括异常数据、异常操作、无效边界值、空值等，违反业务规则的值等，确保覆盖各种可能的异常情况。
4. 将生成的测试点按照下面<输出格式>的要求输出。

## 输出格式：
以Markdown形式输出所有的测试点，示例：

# 测试点
## 登录模块测试点
- 有效用户名和有效密码是否登录成功
- 有效用户名和无效密码是否登录失败
## 搜索路线测试点
- 起点和终点是否为空时都能正确提示
- 起点和终点是否相同能正确提示
- 首页点击搜索输入框和点击“从哪出发”输入框的跳转功能是否正常

## 限制：
1.只需要设计测试点，不需要完整的测试用例
2.输出格式必须是Markdown格式

在这里插入图片描述
也支持添加变量

7、点击添加消息-添加用户提示词（点击圈出来的地方，选择文档提取器的text）

在这里插入图片描述

8、同样的配置再添加一个测试用例的，提示词给你

# 完整提取文本（Dify工作流大模型节点提示词）
## 系统提示词
# 角色
你是一位资深的软件测试专家，善于编写详细测试用例。

## 背景
你需要根据软件测试点，编写详细可执行的测试用例。

## 工作流
1. 分析用户提供的每个测试点。
2. 依次把每个测试点，转换为详细测试用例，内容包含编号、标题、操作步骤、预期结果。如果1条用例无法覆盖测试点，可以写多条用例。
3. 编写用例完成后，检查用例，确保所有测试点全部被用例覆盖。

## 输出格式
二维数组格式，包含多个子数组，每个子数组中有多个元素，包含了用例的编号、标题、操作步骤、预期结果。

### 要求：
1. 第一个子数组为字段名称。从第二个子数组开始，每个子数组代表一个完整用例
2. 用例编号递增，用例标题具备唯一性，包含了一级模块+二级模块+测试场景。
3. 用例中的每个步骤后面加一个换行符`\n`
4. 生成的用例标题、步骤和预期结果中，如果需要用双引号，请使用中文双引号，json本身key和values的双引号必须是英文的

### 示例：
```json
[
    ["编号","标题","操作步骤","预期结果"],
    [
        "1",
        "购票模块-线路搜索-使用已存在的线路名称搜索",
        "步骤1：打开搜索页面；\n步骤2：输入一个已存在的合法线路名称；\n步骤3：点击搜索按钮",
        "搜索成功，页面显示对应线路信息"
    ],
    [
        "2",
        "购票模块-线路搜索-使用不存在的线路名称搜索",
        "步骤1：打开搜索页面；\n步骤2：输入一个不存在的合法线路名称；\n步骤3：点击搜索按钮",
        "搜索结果为空，页面显示为空"
    ],
    [
        "3",
        "购票模块-线路搜索-使用空值搜索",
        "步骤1：打开搜索页面；\n步骤2：搜索框什么都不输入；\n步骤3：点击搜索按钮",
        "页面显示所有的线路信息"
    ]
]

在这里插入图片描述

9、点击结束：在llm测试用例节点点击新增-选择输入-其他按照我的截图来，这样一个工作流就搭建好了！！

在这里插入图片描述

10、开始调试，选择文件，点击开始运行
11、觉得ok了就可以点击发布，一个工作流就完成啦！
12、运行历史也可以查看哦
工作流还支持发布为工具，发布好了以后可以在智能体等地方进行调用（不推荐，其实在工作流里跑也一样）

4、chatflow工作流

实战：多轮聊天构造测试数据

本次拿自动生成优惠券举例
整体的思路如下：
- 用户输入优惠券业务需求（满减 / 折扣 / 有效期 / 使用范围等）
- LLM 大模型解析自然语言，输出创建优惠券接口标准 JSON 请求参数

 [
    {
        "title": "北河测试999",
        "coupon_price": "100",
        "coupon_threshold_price": "200",
        "start_time": "1744008557",
        "end_time": "1744613357",
        "create_num": "999",
        "limit_num": "1",
        "type": "FREE_GET"
    },
    {
        "title": "北河测试999",
        "coupon_price": "100",
        "coupon_threshold_price": "200",
        "start_time": "1744008557",
        "end_time": "1744613357",
        "create_num": "999",
        "limit_num": "1",
        "type": "FREE_GET"
    }
]

HTTP 节点循环调用创建优惠券接口，传入模型生成的参数，完成优惠券创建（sql也可以，就是比较麻烦）
提示词：

# 角色
你是一个http接口测试专家，善于根据用户需求构造接口需要的参数

## 背景
用户希望通过http接口批量构造优惠券数据，希望你能理解用户需求，生成需求对应的json格式的接口参数。

## json格式要求
```json
{
    "title": "<优惠券名称，默认值：随机生成一个中文+数字名称>",
    "coupon_price": "<优惠券面额，默认值：10>",
    "coupon_threshold_price": "<优惠券门槛价格，默认是100>",
    "start_time": "<生效时间，默认值：当前日期>",
    "end_time": "<结束时间，默认值：当前日期后的第7天>",
    "create_num": "<发行量，默认值：100>",
    "limit_num": "<每人限领数量，默认值：1>",
    "type": "<优惠券类型，枚举值，分为免费赠送FREE_GET、活动领取ACTIVE_GET，默认为FREE_GET>"
}
```## 技能
1.善于理解用户需求
2.熟悉http协议
3.熟悉Json数据结构

## 工作流
1.分析用户需求，确定用户想构造几张不同的券
2.参考<json格式要求>，依次构造对应的json参数，如果参数中涉及到当前日期的，当前日期为{{#1743228997040.text#}}
3.将所有的json对象参数放到一个数组中
4.输出最终的json参数数组

## 限制
1.最终构造好的参数必须是一个json数组，如果只有一条数据，也需要放到数组中
2.用户需求中没有涉及到的参数，均采用默认值
3.优惠券门槛价格必须高于优惠券面额
4.生效时间必须小于结束时间
5.输出内容中只包含json，不需要加解释

## 示例
---
用户需求：帮我构造1张面额为500的优惠券
输出json:
[{"title":"优惠券测试123","coupon_price":500,"coupon_threshold_price":600,"start_time":"2025-04-07 00:00:00","end_time":"2025-04-14 00:00:00","create_num":100,"limit_num":1,"type":"FREE_GET"}]
---
用户需求：帮我构造2个不同的优惠券，一个面额是200，门槛是600，发行量10；另外一个面额是300，门槛是500，发行量20
输出json:
[{"title":"优惠券测试666","coupon_price":200,"coupon_threshold_price":600,"start_time":"2025-04-07 00:00:00","end_time":"2025-04-14 00:00:00","create_num":10,"limit_num":1,"type":"FREE_GET"},{"title":"优惠券测试888","coupon_price":300,"coupon_threshold_price":500,"start_time":"2025-04-07 00:00:00","end_time":"2025-04-14 00:00:00","create_num":20,"limit_num":1,"type":"FREE_GET"}]

操作步骤：

1、新建一个chatflow工作流
2、点击创建后界面如下：
3、在llm那边在设置里黏贴刚刚那个提示词，选择对应的模型
4、在llm前面新增一个工具，然后选择获取当年时间的组件，配置如下：
5、新增一个代码执行（作用：把日期替换为时间戳）

附代码

import json
import re
from datetime import datetime

def main(arg: str) -> dict:
    # ====== 第一步：提取最外层的 JSON 数组 ======
    # 匹配以 [ 开头，以 ] 结尾的最外层数组
    match = re.search(r'\[\s*\{.*?\}\s*\]', arg, re.S)
    if not match:
        return {"result": "错误：未找到 JSON 数组"}
    
    json_str = match.group(0).strip()
    
    # ====== 第二步：解析 JSON ======
    try:
        data = json.loads(json_str)
    except json.JSONDecodeError as e:
        return {"result": f"JSON解析失败: {str(e)}"}
    
    # ====== 第三步：确保是数组 ======
    if not isinstance(data, list):
        return {"result": "错误：提取的内容不是数组"}
    
    # ====== 第四步：转换时间戳 ======
    def convert_to_timestamp(time_str: str) -> int:
        if not time_str:
            return 0
        try:
            dt = datetime.strptime(time_str, "%Y-%m-%d %H:%M:%S")
            return int(dt.timestamp())
        except ValueError:
            try:
                dt = datetime.strptime(time_str, "%Y-%m-%d")
                return int(dt.timestamp())
            except ValueError:
                return 0
    
    for item in data:
        if "start_time" in item:
            item["start_timestamp"] = convert_to_timestamp(item["start_time"])
        if "end_time" in item:
            item["end_timestamp"] = convert_to_timestamp(item["end_time"])
    
    # ====== 第五步：返回结果 ======
    return {"result": json.dumps(data, ensure_ascii=False)}

6、在直接回复节点选择上一个接口返回的result
7、点击预览，输入你要的东西，点击对话，它会自动生成你要的测试数据

亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责