dify-dsl-to-code

将 Dify 导出的工作流/Chatflow DSL 文件（YAML）转化为可部署、可运行的独立代码项目（默认 Python+FastAPI，可选 Node.js+Express）。当用户要求"Dify 工作流转代码"、"DSL 导出转项目"、"把 Dify 应用代码化"、"脱离 Dify 部署工作流"时使用。

Dify DSL 转代码项目

把 Dify「导出 DSL」得到的 YAML 转化为脱离 Dify 运行的独立代码项目。核心原则：DSL 里没有的信息绝不编造，一律问用户；问不到的降级并显式声明。

总流程

text

0 定位文件 → 1 解析分析 → 2 补全缺失信息 → 3 定技术栈/脚手架
→ 4 生成代码（小:单智能体 / 大:多智能体分块）→ 5 拼接验证 → 6 交付说明

阶段 0：定位 DSL 文件

第一动作永远是问用户：

请提供 Dify 导出的 DSL 文件（.yml/.yaml）在当前机器上的完整路径。 未导出的话：Dify 控制台 → 应用 → 编排页右上角「导出 DSL」。

拿到路径后依次验证，任一失败立即反馈并请用户重新提供，不要猜路径：

1. 文件存在；2. YAML 可解析；3. 含 workflow.graph.nodes（否则不是 workflow/chatflow 导出）。

阶段 1：解析分析

运行分析脚本（确定性解析，不要凭肉眼读大 YAML）：

bash

python scripts/analyze_dsl.py <dsl文件> --out analysis.json --blocks-dir blocks/
# 需要 pyyaml；输出: 应用元数据 / 节点清单 / 边图 / 外部依赖清单 / 功能块划分

阅读 analysis.json，重点关注：

• app.mode：workflow 用 end 节点收尾；advanced-chat（chatflow）用 answer 节点，默认 SSE 流式。
• external_requirements：模型 provider、工具、知识库 dataset、http 端点、env/secret 变量、conversation 变量、agent 策略——这就是缺失信息清单。
• flags：强制用户决策的信号——javascript_code_nodes（JS 代码需 Node 运行时或授权改写）、file_input_variables/file_upload_enabled（文件输入如何处理）、uses_conversation_variables（会话状态是否保留）、has_iteration/has_loop。
• stats：节点数与文件大小，决定阶段 4 走单智能体还是多智能体。

节点类型 → 代码的映射策略见 references/dsl-node-types.md；各组件的完整属性字典（实现具体节点时查阅）见 references/dsl-components.md。assets/examples/ 下有两个真实导出样例（workflow 与 chatflow 各一），对节点结构拿不准时直接对照。

阶段 2：补全缺失信息（与用户交互）

严格按 references/interaction-playbook.md 执行。要点：

• 一轮问完：把凭据类、资源类、决策类问题合并成一次结构化提问，不挤牙膏。
• 凭据一律写入 .env.example 占位，永不硬编码；用户说"占位即可"就尊重。
• 知识库 dataset 内容不随 DSL 导出，必须让用户二选一：提供语料自建向量检索，或项目内回调 Dify API。
• 用户不答的项按 playbook 的降级表处理，且每项降级都要写进最终交付说明。

阶段 3：定技术栈与脚手架

与用户确认语言、服务形态、是否带 Dockerfile（话术见 playbook 阶段 2）。默认推荐 Python + FastAPI + Dockerfile。

选定后复制模板为项目起点：

bash

cp -r assets/templates/python-fastapi/ <输出目录>/<项目名>/   # Python 栈
cp -r assets/templates/node-express/ <输出目录>/<项目名>/     # Node.js 栈
# 模板自带执行引擎(context/runner)——直接复用，禁止改写
# 引擎内置：拓扑执行、if-else(含新版 cases[])、question-classifier 路由、
# iteration/loop 子图执行、answer 流式(/run 一次性 + /run/stream SSE)

项目骨架、引擎约定与质量红线见 references/codegen-patterns.md。

阶段 4：生成代码

4a 小 DSL（节点 ≤ 25 且文件 ≤ 80KB）：单智能体直写

1. definition.py：按 analysis.json 直译全部节点与边（数据，不含逻辑）。
2. app/workflow/blocks/：按功能块组织 handler，每块一个文件。
3. app/services/：LLM、检索、HTTP 等可复用客户端。
4. .env.example：覆盖 analysis.json 中全部环境变量与 secret 引用。

4b 大 DSL（节点 > 25 或文件 > 80KB）：多智能体分块

1. 契约先行：主智能体先写好 definition.py 全图骨架 + 每块接口签名（输入/输出变量清单），作为所有子智能体的对齐基准。
2. 派工：每个子智能体领取一个 blocks/block_XX_*.yaml 子图 + 接口签名 + dsl-components.md（组件属性查阅），只实现 blocks/block_XX_*.py 一个文件；禁止触碰 definition.py、引擎文件和其他块。
3. 拼接：全部块返回后，按 codegen-patterns.md 的拼接规则逐块验收（签名对齐、变量池键对齐、无跨块 import），接好跨块边（块 YAML 里的 incoming_edges/outgoing_edges 就是干这个的）。

阶段 5：拼接验证

先跑自动验收脚本（六项检查：结构/节点覆盖率/变量引用/.env 覆盖/编译/handler 注册）：

bash

python scripts/verify_project.py --analysis analysis.json --project <项目目录>
# 全部 PASS 后再人工过 codegen-patterns.md 的验证清单

再跑冒烟测试（mock LLM 与 HTTP，主链路能从头走到 end/answer）。其余人工核对项（节点恰好一次、变量名对齐、code 原样搬运）见 references/codegen-patterns.md。

阶段 6：交付说明

交付时给出：项目路径、启动命令（uvicorn app.main:app 或 docker build）、降级项清单（哪些凭据是占位、哪个知识库用了什么方案、哪些工具是 NotImplementedError 待补）。降级可以，静默不行。

触发与本 skill 边界

• 输入必须是 Dify「导出 DSL」的 YAML；用户给的是 Dify API 文档或截图时，先引导其导出 DSL。
• 反向需求（生成/调试 Dify DSL 本身）不属于本 skill。