agentic_huge_data_base / wiki
页面 Dify · 5.1 工作流定义与执行模型·DeepWiki 中文全文译文
DeepWiki 中文译文 / Dify / 5.1

5.1 · 工作流定义与执行模型（Workflow Definition and Execution Model）

应用编排与外部知识接入 · 聚焦本章的模块关系、源码依据与实现要点。

项目Dify 章节5.1 状态全文译文 模块图谱与关系、智能体运行时、工作流与编排、模型调用与提供方适配
项目要点页2.5 参考项目 项目章节目录Dify DeepWiki 原始章节Workflow Definition and Execution Model 上一章5 下一章5.2
源码线索
  • api/core/workflow/workflow_entry.py
  • api/models/account.py
  • api/models/api_based_extension.py
  • api/models/dataset.py
  • api/models/model.py
  • api/models/provider.py
  • api/models/source.py
  • api/models/task.py
  • api/models/tools.py
  • api/models/web.py
模块标签
  • 图谱与关系
  • 智能体运行时
  • 工作流与编排
  • 模型调用与提供方适配
  • 文档对象与元数据

章节正文

工作流定义与执行模型

原始 DeepWiki 页面https://deepwiki.com/langgenius/dify/5.1-workflow-definition-and-execution-model

工作流定义与执行模型

相关源文件

以下文件为本维基页面的生成提供了上下文：

  • api/core/workflow/workflow_entry.py
  • api/models/account.py
  • api/models/api_based_extension.py
  • api/models/dataset.py
  • api/models/model.py
  • api/models/provider.py
  • api/models/source.py
  • api/models/task.py
  • api/models/tools.py
  • api/models/web.py
  • api/models/workflow.py
  • api/services/plugin/plugin_migration.py
  • api/services/plugin/plugin_service.py
  • api/services/rag_pipeline/rag_pipeline.py
  • api/services/rag_pipeline/rag_pipeline_transform_service.py
  • api/services/workflow_draft_variable_service.py
  • api/services/workflow_service.py
  • api/tests/unit_tests/controllers/console/app/workflow_draft_variables_test.py
  • api/tests/unit_tests/core/app/apps/test_workflow_app_runner_core.py
  • api/tests/unit_tests/core/app/apps/test_workflow_app_runner_single_node.py
  • api/tests/unit_tests/core/workflow/nodes/webhook/test_webhook_file_conversion.py
  • api/tests/unit_tests/core/workflow/nodes/webhook/test_webhook_node.py
  • api/tests/unit_tests/core/workflow/test_workflow_entry.py
  • api/tests/unit_tests/services/plugin/__init__.py
  • api/tests/unit_tests/services/plugin/conftest.py
  • api/tests/unit_tests/services/plugin/test_dependencies_analysis.py
  • api/tests/unit_tests/services/plugin/test_endpoint_service.py
  • api/tests/unit_tests/services/plugin/test_plugin_migration.py
  • api/tests/unit_tests/services/plugin/test_plugin_service.py
  • api/tests/unit_tests/services/rag_pipeline/test_rag_pipeline.py
  • api/tests/unit_tests/services/rag_pipeline/test_rag_pipeline_transform_service.py
  • api/tests/unit_tests/services/workflow/test_draft_var_loader_simple.py
  • api/tests/unit_tests/services/workflow/test_workflow_draft_variable_service.py

目的与范围

本文档描述了 Dify 中的工作流定义与执行模型，涵盖图的静态定义、引擎的运行时编排以及执行状态的持久化。

该架构遵循严格的责任分离原则：

  1. 静态定义层：Workflow 模型存储图蓝图（节点、边和配置）api/models/workflow.py:147-204。
  2. 执行引擎层：GraphEngine 编排执行流程，管理节点转换和并行执行 api/core/workflow/workflow_entry.py:185-200。
  3. 运行时状态管理：VariablePool 和 GraphRuntimeState 在运行期间处理数据流和变量作用域 api/core/workflow/workflow_entry.py:84-88。
  4. 执行记录层：WorkflowRun 和 WorkflowNodeExecutionModel 持久化执行的结果、指标和日志 api/models/workflow.py:581-647、api/models/workflow.py:753-891。

工作流模型：静态定义

Workflow 模型是 SQLAlchemy 实体，代表自动化流程的"蓝图"。它包含图结构和配置，但不持有执行状态。

工作流表结构
字段类型描述
idUUID主键 api/models/workflow.py:186
tenant_idUUID多租户的工作区标识符 api/models/workflow.py:187
app_idUUID该工作流所属的应用 api/models/workflow.py:188
typeWorkflowType类型：workflow、chat 或 rag-pipeline api/models/workflow.py:107-114
versionStringdraft 表示工作副本，或版本号/时间戳 api/models/workflow.py:190
graphLongText可视化和逻辑结构（节点/边）api/models/workflow.py:193
_featuresLongText功能特性（如开场白）的 JSON 配置 api/models/workflow.py:194
_environment_variablesLongText工作流范围内可用的加密变量 api/models/workflow.py:205

来源： api/models/workflow.py:147-210

工作流到执行实体的映射

下图将自然语言概念桥接到执行期间使用的具体代码实体。

Dify · 工作流到执行实体的映射 · 图 1
Dify · 工作流到执行实体的映射 · 图 1

来源： api/core/workflow/workflow_entry.py:139-192、api/models/workflow.py:147-210、api/models/workflow.py:581-647

GraphEngine 架构

GraphEngine（由 graphon 包提供，在 WorkflowEntry 中初始化）是核心运行时组件，负责遍历图并调用节点。

初始化与执行生命周期
  1. 实例化：WorkflowEntry 使用 Graph 对象、GraphRuntimeState 和 CommandChannel（默认为 InMemoryChannel）初始化 GraphEngine api/core/workflow/workflow_entry.py:177-190。
  2. 状态设置：VariablePool 会填充系统变量、用户输入和环境变量 api/core/workflow/workflow_entry.py:151-152。
  3. 节点创建：DifyNodeFactory 根据图配置和运行时状态实例化节点类 api/core/workflow/workflow_entry.py:89-92。
  4. 执行：引擎根据节点依赖关系处理节点。它支持执行层（如用于速率限制的 LLMQuotaLayer）api/core/workflow/workflow_entry.py:115。
VariablePool 与变量加载

VariablePool 是执行期间所有数据的中央仓库。节点从中读取数据，并将结果写回其中。

  • 选择器：通过选择器（如 ['node_id', 'output_key']）访问变量。
  • VariableLoader：VariableLoader 接口（由 DraftVarLoader 实现）负责从持久化存储中检索变量 api/services/workflow_draft_variable_service.py:80-105。
  • 卸载支持：大型变量会存储在外部，并使用 ThreadPoolExecutor 加载以减少延迟 api/services/workflow_draft_variable_service.py:158-163。

来源： api/core/workflow/workflow_entry.py:139-192、api/services/workflow_draft_variable_service.py:80-163

执行记录与持久化

Dify 通过 WorkflowRun 和 WorkflowNodeExecutionModel 实体跟踪每次工作流执行。

WorkflowRun：执行记录

WorkflowRun 模型存储单次执行的高层状态 api/models/workflow.py:581-647。

  • 状态：跟踪运行是 running（运行中）、succeeded（成功）、failed（失败）还是 stopped（已停止）api/models/workflow.py:636。
  • 图快照：存储执行时图的 JSON 快照 api/models/workflow.py:606-608。
  • 指标：记录 total_tokens（总 Token 数）、total_steps（总步骤数）和 elapsed_time（耗时）api/models/workflow.py:639-642。
WorkflowNodeExecutionModel：细粒度追踪

运行中执行的每个节点都会创建一个 WorkflowNodeExecutionModel 记录 api/models/workflow.py:753-891。

  • 输入/输出：捕获传递给节点和节点返回的数据。大型数据会为数据库截断并卸载到存储中 api/models/workflow.py:794-796。
  • 状态：跟踪节点级别的成功或失败 api/models/workflow.py:814。
  • 元数据：存储节点特定的元数据，如提供商信息或模型使用情况 api/models/workflow.py:821。

来源： api/models/workflow.py:581-891

数据流图：执行到持久化

下图展示了引擎如何与模型交互以持久化数据。

Dify · 数据流图：执行到持久化 · 图 2
Dify · 数据流图：执行到持久化 · 图 2

来源： api/core/workflow/workflow_entry.py:185-200、api/models/workflow.py:753-891、api/services/workflow_draft_variable_service.py:165-180

检索增强生成（RAG）管线集成

工作流也可以表示检索增强生成（RAG）管线。

  • RagPipelineService：管理检索增强生成（RAG）管线的生命周期，这些管线是用于文档索引和检索的专门工作流 api/services/rag_pipeline/rag_pipeline.py:96-104。
  • 转换：RagPipelineTransformService 可以将传统数据集索引配置转换为基于图的管线 api/services/rag_pipeline/rag_pipeline_transform_service.py:31-104。
  • 节点类型：这些管线中使用专门的节点（如 knowledge-index）来处理向量存储和检索 api/services/rag_pipeline/rag_pipeline_transform_service.py:70-76。

来源： api/services/rag_pipeline/rag_pipeline.py:96-104、api/services/rag_pipeline/rag_pipeline_transform_service.py:30-104