Dify外部数据连接实战：HTTP请求与代码执行节点配置详解

“HTTP 请求”和“代码执行”这两个节点，可以让我们更方便地抓取外部数据以及对复杂数据进行简化/转化处理。

• HTTP 请求 = 找别人拿数据。
• 代码执行 = 把拿回来的数据加工成你想要的。

一. HTTP 请求节点

一句话理解： 让你的 AI 能够连接外面的世界（比如查网页，读写笔记，天气，发短信，获取最新的资讯，将信息同步到自己的网站等等）。

1.1 为什么需要它？

大模型（LLM）的知识是有截止日期的。如果你问它“今天上海的天气”，它无法预测。但通过 HTTP 请求节点，AI 可以实时去调用天气预报的接口，获取最新数据。

1.2 核心参数拆解

当你打开这个节点，会看到几个核心选项：

• API方法 (Method)：
  • GET：像“拿东西”。比如：获取网页上的文章，资讯。
  • POST：像“送东西”。比如：把 AI 生成的草稿发送到你的邮箱。
• URL： 接口地址/访问网址之类。
• Headers（请求头）： 身份证。很多接口需要你提供 API Key 才能访问。
• Body（请求体）： 包裹内容。通常在 POST 时使用，告诉对方你要发什么数据。

1.3 实例说明

场景： 让 AI 帮我查询某个城市的实时天气。

1. 在工作流中添加 HTTP 请求 节点。
2. URL 填写天气 API 地址（如高德或和风天气）。
3. 变量设置：把用户输入的“城市名”关联到 URL 的参数里。
4. 输出：你会得到一串 JSON 数据（别慌，下面那个节点会教你怎么处理它）。

Http请求节点输出的数据一般无法被LLM轻易识别采用，所以通常还需要用代码执行节点转化成LLM喜欢的样式。

二. 代码执行节点

当大模型算不清楚数，或者处理不好复杂格式时，直接用一段专业的代码来搞定。代码执行节点不仅可以将HTTP请求得到的数据整理得简单清晰，还可以转化数据的类型。

2.1 为什么需要它？

• 精准计算： AI 算 $12345 \times 67890$ 可能会出错，但 Python 代码永远不会。
• 数据清洗： 上面的 HTTP 节点返回了一大堆乱糟糟的数据，代码节点可以只提取你想要的那一行。
• 逻辑控制： 比如“如果分数大于 60 就输出及格”，代码处理起来更干脆。

2.2 Dify里的参数

• 输入变量，一般是前一个节点的输出内容。
• PYTHONS3，你想对代码如何处理。
• 输出变量，传导给后面个节点的值。

目前 Dify 支持 Python3 和 JavaScript。你不需要写几百行，通常只需几行逻辑。

2.3 如何写PYTHONS代码

只需要将前一个节点参数设置截图和你希望它怎么处理数据丢给AI大模型，就可以获得对应的代码，不需要自己写，所以不懂也没关系。代码节点通常长这样：

def main(input_data):
    # input_data 是你从上一个节点传进来的变量
    city = input_data['city']
    temp = input_data['temp']
    
    # 做一点简单的处理
    result = f"{city}当前温度是{temp}度。"
    
    # 必须返回一个字典格式
    return {
        "output": result
    }

三. 搭配使用

在 Dify 的工作流中，Http请求通常都需要代码执行去处理数据，比如：

1. 用户输入：我要看北京的天气。
2. HTTP 请求：去气象局拿数据（拿到了一堆含坐标、湿度、风力的复杂数据）。
3. 代码执行：从那堆数据里只挑出“气温”和“天气状况”。
4. LLM 节点：把清洗好的数据喂给 AI，让它用甜美的语气播报出来。

四. 使用指南

1. JSON 格式： HTTP 请求和代码节点最喜欢的数据格式叫 JSON。如果你不确定怎么写，可以把数据丢给 ChatGPT，说：“帮我写一段 Dify 的 Python 代码，提取这段 JSON 里的 XXX 字段”。
2. 测试、测试、再测试： 每一个节点右上角都有个“运行”按钮。别等整个工作流写完再测，写完一个节点就点一下运行，看输出对不对。
3. API Key 安全： 永远不要把你的私密 Key 直接写在代码里，尽量使用 Dify 的环境变量功能。

© 文章版权归白小菌所有，🫰欢迎转发分享。未经允许请勿抄袭转载。