dify_course_demo｜自动化教程生成演示工作流

根据来源条目解析，该工作流共约10个节点、7条连线，主要节点包括：

• 开始节点：接收文本输入“课程名称”（course_name）。
• LLM 节点“生成课程大纲”：使用 OpenAI 的 o1-mini-2024-09-12 模型。
• 代码节点“转换成JSON”：把大纲文本转为结构化数据。
• 迭代节点“迭代生成课程”：对大纲条目逐条处理，内部含迭代开始与“LLM生成课程”节点（使用 gpt-4o-mini）。
• 代码节点“转object”与“整合”：把单节内容转换并合并为完整课程。
• 结束节点。

原始入口：https://github.com/dzh-gitcode/dify-workflows/blob/986a11833b6a13734da85a8250f875e71dcfdd8d/08_%E6%95%99%E8%82%B2%E5%AD%A6%E4%B9%A0/dify_course_demo.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。

这是一条 Dify 工作流（workflow 模式）的配置示例，面向希望用大模型批量产出课程内容的教师、培训运营和课程设计者。它演示了从“输入课程名”到“输出整套教程草稿”的基本编排思路，可作为自建教学自动化流程的参考骨架。

1. 在 Dify 中导入该 DSL 文件，确认版本（0.1.2）与当前实例兼容。
2. 在模型供应商中配置可用的 OpenAI 兼容模型，或把节点中的模型替换为自有模型。
3. 检查代码节点的输入输出变量是否与实际数据结构一致。
4. 用一个小课程名试运行，观察大纲和分节内容是否符合预期，再扩大规模。

成本取决于所用模型与生成量，o1-mini、gpt-4o-mini 的费用与国内访问条件需自行查阅官方说明；文件未声明许可，转载与再分发权限待核验；本次未实际导入执行，生成质量与稳定性未经实测。