Willkommen zu meinem umfassenden Leitfaden über Dify-Workflow-Knotentypen. Als langjähriger Entwickler im Bereich KI-Automatisierung habe ich in den letzten zwei Jahren über 200 Workflows mit Dify implementiert und möchte meine praktischen Erfahrungen teilen. Die Wahl des richtigen API-Providers ist dabei entscheidend: Jetzt registrieren und von 85%+ Kostenersparnis profitieren.
Kostenübersicht 2026: Warum der API-Provider entscheidend ist
Bevor wir in die technischen Details einsteigen, möchte ich die finanzielle Dimension beleuchten. Bei 10 Millionen Token pro Monat ergibt sich folgendes Bild:
| Modell | Preis/MTok | Kosten für 10M Tok | Latenz |
|---|---|---|---|
| GPT-4.1 | $8,00 | $80,00 | ~80ms |
| Claude Sonnet 4.5 | $15,00 | $150,00 | ~120ms |
| Gemini 2.5 Flash | $2,50 | $25,00 | ~45ms |
| DeepSeek V3.2 | $0,42 | $4,20 | ~38ms |
Meine Empfehlung aus der Praxis: Für die meisten Workflow-Knoten eignet sich DeepSeek V3.2 optimal – die Qualität ist für Workflow-Aufgaben mehr als ausreichend und die Kosten sind unschlagbar. Bei komplexen Analyse-Knoten wechsle ich auf Gemini 2.5 Flash. HolySheep AI bietet all diese Modelle mit ¥1=$1 Wechselkurs, Unterstützung für WeChat/Alipay und unter 50ms Latenz an.
Was sind Dify Workflow Nodes?
Dify ist eine Open-Source-Plattform für die Erstellung von KI-Anwendungen und Workflows. Ein Workflow besteht aus miteinander verbundenen Knoten (Nodes), die verschiedene Funktionen ausführen. Jeder Knotentyp hat spezifische Eingaben, Ausgaben und Konfigurationsmöglichkeiten.
Die 6 Hauptknotentypen im Detail
1. LLM-Knoten (Sprachmodell)
Der LLM-Knoten ist das Herzstück jedes Dify-Workflows. Er ruft ein Sprachmodell auf und verarbeitet Eingaben zu Ausgaben. Ich nutze diesen Knoten für:
- Textgenerierung und -zusammenfassung
- Fragenbeantwortung mit Kontext
- Strukturierte Datenextraktion
- Klassifizierung und Kategorisierung
# HolySheep AI API-Aufruf für LLM-Knoten
import requests
response = requests.post(
"https://api.holysheep.ai/v1/chat/completions",
headers={
"Authorization": "Bearer YOUR_HOLYSHEEP_API_KEY",
"Content-Type": "application/json"
},
json={
"model": "deepseek-chat",
"messages": [
{"role": "user", "content": "Analysiere folgenden Text und extrahiere die Hauptpunkte: {{text_input}}"}
],
"temperature": 0.3,
"max_tokens": 500
}
)
result = response.json()
extracted_points = result["choices"][0]["message"]["content"]2. Template-Knoten (Textvorlagen)
Der Template-Knoten ermöglicht die Formatierung von Texten mit Variablen. Dies ist besonders nützlich für:
- E-Mail-Templates mit dynamischen Inhalten
- JSON-Formatierung für API-Responses
- Prompt-Vorlagen mit Kontext
# Python-Template-Generierung für Dify-Knoten
template = """Kundenfeedback-Analyse:
---
Kunde: {kunden_name}
Datum: {feedback_datum}
Sentiment: {sentiment_label}
Hauptanliegen: {hauptproblem}
Dringlichkeit: {dringlichkeit}
---
Empfohlene Aktion: {empfohlene_aktion}
"""
formatted_output = template.format(
kunden_name="{{kunden_name}}",
feedback_datum="{{feedback_datum}}",
sentiment_label="{{sentiment}}",
hauptproblem="{{problem}}",
dringlichkeit="{{priority}}",
empfohlene_aktion="{{next_action}}"
)
Ausgabe an nächsten Knoten weiterleiten
3. HTTP-Request-Knoten
Der HTTP-Knoten verbindet Dify mit externen Diensten. Meine typischen Anwendungsfälle:
- Integration von CRM-Systemen
- Webhooks für Benachrichtigungen
- Externe API-Datenabfragen
- Datei-Uploads zu Cloud-Diensten
# HTTP-Knoten Konfiguration für Webhook-Integration
import requests
Beispiel: Slack-Webhook für Workflow-Benachrichtigungen
webhook_payload = {
"text": "Workflow abgeschlossen!",
"blocks": [{
"type": "section",
"text": {
"type": "mrkdwn",
"text": f"*Status:* ✅ {workflow_status}\n*Tokens verbraucht:* {token_count}\n*Kosten:* ${cost_estimate}"
}
}]
}
response = requests.post(
"{{slack_webhook_url}}",
json=webhook_payload,
timeout=10
)
response.status_code == 200 → Erfolg
4. Iterator-Knoten (Schleifenverarbeitung)
Der Iterator-Knoten verarbeitet Listen elementweise. Dies ist essentiell für:
- Batch-Verarbeitung von Dokumenten
- Serien-E-Mail-Versand
- Multi-Source-Datenaggregation
5. Variable-Knoten (Datentransformation)
Dieser Knotentyp manipuliert und transformiert Variablen zwischen Knoten. Ich nutze ihn für:
- Typkonvertierungen (String zu JSON)
- Datenfilterung und -sortierung
- Standardisierung von Formaten
6. Condition-Knoten (Verzweigungen)
Der Condition-Knoten implementiert if-else-Logik im Workflow. Er ermöglicht:
- Routing basierend auf Benutzereingaben
- Fehlerbehandlung und Fallbacks
- A/B-Testing-Verzweigungen
Praxisbeispiel: Vollständiger Workflow mit HolySheep AI
Hier ist ein realer Workflow aus meiner Produktionsumgebung – ein automatisierter Lead-Scoring-Workflow:
# Vollständ
Verwandte Ressourcen
Verwandte Artikel