Difyワークフローガイド2026: AI自動化パイプラインの構築

すべてのワークフローのエントリーポイント。入力変数を定義します — たとえばarticle_textというテキストフィールド、ファイルアップロード、またはURL。後続のすべてのノードがこれらの変数にアクセスできます。

ヒント: 入力は最小限かつ型付きに保ってください。文字列には「text」、数値入力には「number」、ドロップダウンには「select」を使用。

中央のAIノード。設定されたモデル（GPT-4o、Claude、Gemini、Llamaなど）をシステムプロンプトとユーザープロンプトで呼び出します。上流ノードの変数は{{variable_name}}で埋め込めます。

ヒント: 下流ノードがLLMレスポンスをプログラム的に解析する必要がある場合は、Structured Output（JSONスキーマ）モードを使用してください。

ベクトル類似度（RAG）でDifyナレッジベースを検索します。検索クエリを渡すと最も関連性の高いドキュメントチャンクを返します。取得したコンテキストをLLMノードに接続して根拠のある事実的な回答を得られます。

ヒント: コンテキストウィンドウに基づいてTop-Kパラメーター（取得するチャンク数）を設定してください。通常3〜5が最適です。

ワークフロー内でPythonまたはJavaScriptを直接実行します。JSONの解析、文字列の変換、値の計算、配列のフィルタリング、またはスクリプトができることすべてに使用できます。上流ノードの入力変数はローカル変数として利用可能です。

ヒント: コードノードはサンドボックス環境で実行されます。ネットワークアクセスなし — 外部呼び出しにはHTTPリクエストノードを使用してください。

任意のREST API呼び出しを実行します — GET、POST、PUT、DELETE。ワークフロー変数でヘッダー、クエリパラメーター、リクエストボディを設定できます。レスポンス（JSON、テキスト、または生データ）は下流ノードで利用可能です。

ヒント: 機密APIキーはノード設定にハードコードせず、Dify環境変数に保存してください。

条件分岐。任意の式（文字列比較、数値しきい値、正規表現マッチング、含むチェック）を評価し、異なるブランチにワークフローをルーティングします。複雑なルーティングロジックのために複数の「Else If」条件を追加できます。

ヒント: エラー処理にIf/Elseを使用してください — たとえばLLMの信頼度が低い場合は、不確実な結果ではなくフォールバック回答にルーティングします。

Jinja2テンプレートでデータを変換・フォーマットします。複数の変数を文字列に結合し、データをフォーマットし、リストを繰り返し処理し、完全なコードノードなしで条件ロジックを適用できます。

ヒント: 複数の上流出力をLLMノードに渡す前に組み合わせる動的なプロンプトの作成に最適です。

複数の並列ブランチからの出力を単一の変数にマージします。ワークフローが並列パス（例：2つの異なるLLMを同時に呼び出す）に分かれ、Endノードの前に結果を結合する必要がある場合に不可欠です。

ヒント: 「array」モードを使用してすべてのブランチ出力をリストに収集し、コードノードで処理してください。

終了ノード。ワークフローが返すもの — 1つまたは複数の出力変数を定義します。APIトリガー時、これらの出力がJSONレスポンスで返されます。Chatflowで使用する場合、Endノードのコンテンツがユーザーに表示されます。

ヒント: 複数のEndノード（If/Elseブランチごとに1つ）を持ち、ルートに応じて異なる出力を返すことができます。