Dify 一直致力于帮助开发者快速落地 AI 创意，无论是验证产品原型还是构建生产力工具，Dify Workflow 都是最佳选择。在最新的 v0.10.0 版本中，我们推出了备受期待的文件上传功能，使 Workflow 能够处理多种格式的文档和音视频，进一步拓展了 AI 应用开发的边界。
这一功能特别适合以下场景:
- 文档问答： 根据上传的文档中回答问题，并提供可靠来源。
- 报告摘要： 快速从冗长文档中提炼核心要点，生成总结。
- 表格处理： 在各类文档或电子表格中快速检索和处理特定内容。
更重要的是，文件上传功能为多模态 AI 应用铺平了道路。开发者现可轻松构建能理解和处理图片、音频、视频的复杂工作流，大幅提升应用的功能性和用户体验。
轻松上手文件上传功能
1. 直接开启文件上传
开启文件上传功能非常简单，只需打开功能列表中的文件上传开关（默认使用系统变量 sys.files ）。用户可以直接通过对话框上传文件，且最新上传的文件将自动覆盖之前的文件。如果需要灵活管理上下文，开发者可以开启记忆功能。
2. 创建自定义变量
另一种方式是在开始节点创建自定义变量，支持单个或多个文件上传。设置完成后，用户界面将显示文件上传表单，后续对话和工作流处理将始终围绕上传的文件进行。
上传文件后，还需根据文件类型进行预处理，以便 LLM 有效理解和分析内容。 文档类文件（如 TXT、PDF、HTML 等）需在 Workflow 中使用文档提取器节点进行文本提取，将其转换为 LLM 可用的字符串变量。 音视频文件则需通过额外的工具进行编码处理，如音频转文本或视频关键帧提取。（值得一提的是，OpenAI 最新发布的 「gpt-40-audio-preview」 模型支持直接处理音频进行推理和对话，我们将在之后的版本迭代中适配这一功能。）
本次更新我们不仅新增了文档提取器和列表操作节点，分别用于文件的提取和筛选，还增强了大部分 Workflow 节点，详细信息请参阅帮助文档：
https://docs.dify.ai/zh-hans/guides/workflow/file-upload
使用文件上传快速打造 AI 播客
Google 最近推出的 AI 工具 NotebookLM，因为新增了「音频」功能，引起了不少关注。它能迅速分析长篇内容，提取关键信息，并生成类似播客的对话式语音摘要。这不仅省去了用户大量阅读时间，还能让他们更轻松地通过掌握内容要点。
接下来，我们将为你展示如何利用文件上传功能和相关节点，通过 Workflow 将文档转化为对话式 AI 播客，实现类似于 NotebookLM 的功能。
开始节点的参数配置
新建一个 Chatflow，在开始节点中，设置文件上传和定义关键变量（如语气、主持人、嘉宾和语言）。
- ** file : **选择「单文件」的字段类型，允许上传文档类型文件。
- ** tone :** 使用"下拉选项"类型，包括 Casaul（随意的）、Formal（正式的）、Humorous（幽默的）等选项，让用户自定义 AI 播客的交流风格。
- ** host_name : **选择「文本」类型，用于输入主持人名字。
- ** guest_name :** 选择「文本」类型，用于输入嘉宾名字。
- ** language : **使用"下拉选项"类型，提供中文、English、日本語等选项，方便用户选择播客的语言。
使用文件提取器与 LLM 节点生成播客脚本
文件上传成功后，文档提取器会提取变量 ***file ***中的文本，将非结构化数据转化为可处理的文本内容。接下来，提取的内容将通过三个 LLM 节点进行处理，逐步生成完整的播客脚本。
1. LLM 分析节点 (Analyze the Input)
分析提取的文本，提炼出播客所需的关键信息，包括重要的主题、故事点、数据等，为后续生成播客内容打下基础。
2. LLM 脚本生成节点 (Craft the Dialogue)
根据提取的内容及预设变量（如 tone、language、host_name 和 guest_name），生成自然流畅、个性化的播客对话脚本，确保主持人和嘉宾的互动符合设定的角色和风格。
3. LLM 总结节点 (Conclusion)
生成播客总结，通过主持人和嘉宾的对话复述关键点，确保总结部分为听众留下深刻印象，并带来一些思考或行动上的建议。
通过 LLM 节点的处理，我们得到了播客对话和总结的内容。
通过模版转换节点合并文本块
模板转换节点将各个 LLM 节点生成的部分内容整合成一个完整的输出，并转换为下游工具可用的统一格式。
- 输入：获取 Craft the Dialogue 和 Conclusion 两个 LLM 节点的文本片段，分别通过变量*** arg1*** 和 arg2 进行引用。
- 输出：将 *** arg1*** （对话内容）和 *** arg2*** （总结部分）进行合并，生成完整连贯的播客脚本，输出为字符串格式，方便后续工具处理。
播客音频生成器的配置与输出
在完成文本的合并后，脚本通过模版转换节点 output 变量传递到播客音频生成器，开始音频生成的最后阶段。
该工具根据文本脚本生成播客音频，开发者可选择主持人和嘉宾的声音（如 「Alloy」 和 「Shimmer」），以决定角色的声音效果。播客生成器将接收的完整脚本转换为音频文件，并提供下载。
通过以上步骤，你可以轻松掌握如何利用文件上传功能生成 AI 播客。我们还将这个应用制作成了模板，放置在探索页面，便于你快速上手并进一步探索更多功能。
其他你需要知道事
图片上传功能下线声明
1. 对于 Chatflow 应用：
在 v0.10.0 版本中，我们将原有的图片上传功能扩展为文件上传，使应用能够处理更多格式的文档和音视频文件。
- 图片上传功能已整合为文件上传的一部分。启用文件上传功能后，你可以通过 LLM 节点中的视觉变量选择器，选择 ***sys.file ***来引用聊天窗口中上传的图片等文件。
- 我们对旧版本的应用进行了兼容处理，确保之前版本中使用了图片上传功能的应用保持稳定性。
2. 对于 Workflow 应用：
- 我们建议在开始节点中自定义文件类型的变量，用于文件上传，处理更多类型的文件。
- 请注意：我们将在未来的版本中弃用旧版的图片上传功能以及系统变量 sys.file 。
详细信息请参阅帮助文档：
https://docs.dify.ai/zh-hans/guides/workflow/bulletin
