Dify 高级实验（06）：自动化报告——如何让系统定时自动生成周报？

Dify 实验系列 · 高级 06/10 | 实验编号：DIFY-103-06

1. 实验目的

掌握自动化报告流水线的完整链路：并行数据采集 → 变量聚合 → 指标计算与异常检测 → LLM 分析结论 → 模板转换生成报告 → Webhook 推送。核心能力：

• 三路并行采集：销售/客服/用户数据互不依赖，同时拉取（实验用 Code 模拟，真实场景换 HTTP 节点）；
• 变量聚合（variable-aggregator）：把多分支输出确定性合并，替代手写代码拼接；
• 模板转换双格式：同一个 Template Transform 按 output_format 输出 Markdown 或 JSON；
• 可开关推送：push_enabled 布尔开关控制是否推送到企业微信/飞书机器人。

适合：运营周报/日报、经营分析、定时报表自动化。前置要求：中级实验 03 模板转换、05 并行执行、06 变量聚合。

2. 场景设计

每周一早上要出上周运营周报，涉及销售、客服、用户三个维度。原来数据分析师要花半天，现在一键全自动：拉数据 → 算环比 → 检测异常 → 生成报告 → 推送。

输入：report_week（报告周次，默认「上周」）、output_format（markdown/json 下拉）、push_enabled（checkbox 推送开关，演示时关掉）。
输出：完整周报（核心指标 + 趋势分析 + 异常预警），可选推送到企业微信机器人。

3. 节点拓扑

开始（report_week / output_format / push_enabled）
  ├─ 销售数据采集（Code）────┐
  ├─ 客服数据采集（Code）────┼→ 变量聚合（合并三路 JSON）
  └─ 用户数据采集（Code）────┘
  → Code 指标计算与异常检测（环比/满意度/活跃用户 + anomalies）
    → LLM 分析结论（300 字以内，直接输出正文）
      → 模板转换（Markdown/JSON 双格式报告）
        → Code Webhook 推送（模拟 HTTP 200）
          → 结束

4. 关键配置

4.1 三路采集（cd_sales / cd_customer / cd_support）

每个采集节点同时输出两份：object 结构数据（sales）给下游代码节点与模板消费，json 字符串（sales_json）给变量聚合器合并：

def main():
    return {
        "sales": {"current": {"total_revenue": 1285000, "total_orders": 342, "avg_order": 3757},
                  "previous": {"total_revenue": 1150000, "total_orders": 310, "avg_order": 3709},
                  "daily": [{"date": "周一", "revenue": 185000, "orders": 48}]},
        "sales_json": '{"current": {...}, "previous": {...}}'   # json.dumps 序列化
    }

4.2 变量聚合（va_merge）

variables 是 [[节点id, 字段], ...] 嵌套数组格式，output_type: string：

- data:
    output_type: string
    title: 变量聚合（合并数据）
    type: variable-aggregator
    variables:
    - [cd_sales, sales_json]
    - [cd_customer, customer_json]
    - [cd_support, support_json]

4.3 指标计算与异常检测（cd_analyze）

环比计算必须除零保护；has_anomaly 展平为字符串（boolean 在变量选择器不可见）：

def main(sales, customer, support):
    issues = []
    sales = sales or {}; customer = customer or {}; support = support or {}
    cur = sales.get("current") or {}; prev = sales.get("previous") or {}
    prev_rev = prev.get("total_revenue") or 0
    rev_change = (cur.get("total_revenue", 0) - prev_rev) / prev_rev * 100 if prev_rev else 0
    if rev_change < -10:
        issues.append(f"营收环比下降 {abs(rev_change):.1f}%，需关注")
    # 客服满意度 < 4.0、活跃用户环比 < -5% 同理检测……
    return {"revenue_change_pct": round(rev_change, 1), "anomalies": issues,
            "has_anomaly": "true" if issues else "false", "summary": "...", "analysis": {...}}

4.4 分析结论 LLM（lm_analysis）

你是一个运营数据分析师。根据以下本周（{{#start.report_week#}}）运营数据，生成中文分析结论。
核心指标摘要：{{#cd_analyze.summary#}}
环比变化：营收 {{#cd_analyze.revenue_change_pct#}}%，客服工单 {{#cd_analyze.ticket_change_pct#}}%，活跃用户 {{#cd_analyze.user_change_pct#}}%
异常项列表：{{#cd_analyze.anomalies#}}
要求：
1. 分析营收、订单、客服、用户四个维度的环比变化趋势
2. 指出异常项（如有）
3. 给出 2-3 条可执行的行动建议
4. 控制在 300 字以内
5. 直接输出正文，不要输出任何解释性文字

4.5 模板转换（tmpl_report）

模板开头一组 {% set %} 做空值保护，计算处全部 if prev else 0 除零保护；所有输入走 variables 映射，模板内用 {{ var }} 引用：

{% set s = sales if sales else {} %}
{% set cur = s.current if s.current else {} %}
{% set prev = s.previous if s.previous else {} %}
{% set issues = analysis.anomalies if analysis and analysis.anomalies else [] %}
{% set rev_pct = analysis.revenue_change_pct if analysis and analysis.revenue_change_pct is defined else 0 %}
{% if output_format == 'json' %}
{ "report_week": "{{ report_week }}", "revenue": {{ cur.total_revenue | default(0) }},
  "anomalies": [{% for issue in issues %}"{{ issue }}"{% if not loop.last %}, {% endif %}{% endfor %}] }
{% else %}
# 运营周报（{{ report_week }}）
## 核心指标
- 营收：¥{{ cur.total_revenue | default(0) }}（环比 {{ rev_pct }}%）
- 订单：{{ cur.total_orders | default(0) }} 单
## 趋势分析
{{ llm_analysis }}
## 异常预警
{% if issues | length > 0 %}{% for issue in issues %}- ⚠️ {{ issue }}{% endfor %}
{% else %}- 无异常，各项指标正常 ✅{% endif %}
{% endif %}

4.6 推送（cd_push）

push_enabled 为 true 时模拟调用企业微信机器人（真实场景换 http-request 节点，URL 指向机器人 Webhook）。

5. 运行验证

输入	期望行为	实测
report_week=上周，output_format=markdown，push_enabled=关	输出完整 Markdown 周报（核心指标/趋势分析/异常预警三节）	与预期一致
output_format=json	输出 JSON 结构报告（report_week/revenue/anomalies/analysis 字段）	与预期一致
push_enabled=开	push_status = 已推送到企业微信机器人（模拟 Webhook 调用成功，HTTP 200）	与预期一致
三路数据置空（冒烟测试）	模板空值保护生效，输出空报告而不是运行报错	与预期一致（{% set %} 兜底）

6. 采坑点

坑	现象	修复
模板变量为 null/空时直接计算	{{ x | length }}、x | map(...) | sum / (x | length) 运行报错（0/0 除零、None 切片），冒烟输入空数据直接崩溃	模板开头 {% set %} 兜底默认值 + 计算处 (sum / length) if (length) > 0 else 0（dify102 全量验证实测）
长报告 text 返回空字符串	DeepSeek 把内容写进思考部分，或思考与输出共享 max_tokens 预算被挤空	报告类节点 max_tokens 提到 4000-8000 + prompt 明确「直接输出正文，不要输出任何解释性文字」（dify103_09 lm_format 实测）
has_anomaly 用 boolean 类型输出	下游 LLM 模板 {{#cd_analyze.has_anomaly#}} 取不到值（boolean 变量选择器不可见）	代码输出 "true" if x else "false" 字符串，模板语义不变（2026-07-31 dify-103 实测）
模板里直接写 {{#node.field#}} 引用 code 的 object 字段	validate_dsl.py 模板正则扫描报错，或跨节点引用不可见字段	所有输入走 variables 映射（value_selector），模板内用 {{ var }} 引用（dify102-2 21 实证）

7. 实验文档及源码获取

• 实验文档（完整操作步骤）：DIFY-103-06：自动化报告生成.md
• 源码（可直接导入）：dify103_06_自动化报告生成.yml

文章聚焦核心配置与采坑点；实验的完整分步操作（节点搭建/参数表/调试指引）见实验文档原文。

---

下一篇：Dify 高级实验（07）：智能审批——如何让机器自动完成流程审批？

💬 你在这个实验的场景里踩过什么坑？欢迎评论区分享你的实战经验。