Python Coding Prompt｜Dify Python代码助手工作流

该条目来自 Dify 工作流仓库，名称保留英文原名 “Python Coding Prompt”，按用途可理解为“Python 代码助手”聊天工作流。作者在原描述中称其为“针对写 Python 代码的聊天机器人”，但实际效果与提示词质量尚未核验。

本介绍仅依据节点清单和原描述整理，未读取、导入或运行配置文件，提示词内容与生成质量均待核验。

已解析到 3 个节点、2 条连线，结构较为简单：

1. 开始节点：接收用户输入的编码需求。
2. LLM 节点：使用 deepseek-coder（DeepSeek 提供方）生成内容，具体的系统提示词与温度等参数待核验。
3. 直接回复节点：把模型输出返回给用户。

从结构看，这是一个单轮问答式流程，没有代码执行、文件读写或结果校验环节，输出内容需要使用者自行判断。

原始入口：https://github.com/dzh-gitcode/dify-workflows/blob/986a11833b6a13734da85a8250f875e71dcfdd8d/04_%E4%BB%A3%E7%A0%81%E5%BC%80%E5%8F%91/Python%20Coding%20Prompt.yml

整理来源：https://github.com/dzh-gitcode/dify-workflows

依据来源资料经AI翻译整理，未由本站实测。原始资料许可：未声明，转载与再分发权限待核验；目录许可不代表各产品或文件的使用授权。费用、账号、国内访问与版本兼容条件以原始发布者最新说明为准。

原仓库未声明许可证，并提示文件可能包含API密钥。本站仅提供原创介绍与原始入口，不转载配置文件或密钥。使用前应自行核对许可、检查并替换凭据，勿公开原始密钥。

1. 在支持 DeepSeek 模型的环境中打开 Dify，确认已有对应模型凭据。
2. 导入该 DSL 文件，检查 LLM 节点绑定的模型是否可用。
3. 查看 LLM 节点的提示词，补充你希望的代码风格、语言版本与注释要求。
4. 在预览对话中提出一个小需求，如“写一个读取CSV并统计行数的函数”。
5. 把生成的代码放到本地运行验证，再决定是否继续使用。

工作流依赖 DeepSeek 的 deepseek-coder 模型，实际调用价格、额度与可用区域需查官方说明，模型是否已更名或下线待核验。Dify 的部署方式同样影响成本。仓库未声明许可，转载与再分发权限需另行确认。生成的 Python 代码未经测试，使用前应自行审查。