用 Dify 工作流实现「入职计划」：节点设计与搭建步骤
「入职计划」是人力资源的高频任务。它的输入通常是岗位信息，期望得到的是入职计划。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。
本文介绍如何在 Dify 工作流 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。
这个技能做什么
| 项目 | 说明 |
|---|---|
| 技能 | 入职计划（onboarding-plan） |
| 作用 | 为新员工制定三十六十九十天计划 |
| 输入 | 岗位信息 |
| 输出 | 入职计划 |
| 形态 | 纯提示词 |
| 风险 | 低 |
| 适用人群 | 人力资源 |
处理流程分四步：
- 设定阶段目标
- 安排培训
- 指定导师
- 设定检查点
这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。
在 Dify 工作流 中是什么形态
Dify 是开源的大模型应用开发平台，可以用可视化工作流把开始、LLM、知识检索、代码执行、HTTP 请求、条件分支等节点串起来，适合把技能做成团队可直接使用的应用。
可以使用云端版本或自行部署；工作流发布后可通过网页应用或 API 调用。
示例配置
# 示意结构（便于理解节点关系，不是 Dify 导出的 DSL 文件）
应用: 入职计划
类型: 工作流
节点:
- 开始: 输入变量 content（岗位信息）
- 模板转换: 预处理输入，统一格式
- LLM: 系统提示词写明步骤——设定阶段目标；安排培训；指定导师；设定检查点
- 条件分支: 输出中是否包含“需人工确认”
- 结束: 输出 入职计划
示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在人力资源提出相关请求时能对上号；二是约束部分要写进「涉及个人信息与录用决定，必须由人做最终判断」这类领域规矩，避免智能体自作主张。
安装与启用步骤
- 新建工作流（或对话流）应用
- 在开始节点定义输入变量
- 按技能步骤添加 LLM、代码或工具节点
- 加条件分支处理需人工确认的情况
- 调试运行后发布，并把访问方式告诉团队
实操：一次完整的运行
假设你在招聘与人事系统中发出这样的请求（虚构示例）：
用入职计划技能处理这份岗位信息，输出入职计划。
智能体识别到任务与「入职计划」相关后，会依次设定阶段目标、安排培训、指定导师、设定检查点。最终交付入职计划，并在末尾列出需要人工确认的内容。你的工作是对照原始岗位信息抽查两三处关键信息，确认无误后再使用。
测试与验收
在调试面板逐节点查看输入输出，准备至少三组样例反复运行。
针对这个技能，还建议额外准备：
- 一份信息齐全的标准岗位信息，检查输出是否完整
- 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
- 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效
常见坑
- 所有步骤都塞进一个 LLM 节点，出错时难以定位。
- 代码节点中写死了敏感配置。
- 只写了步骤，没写交付格式，导致每次输出的入职计划结构不同。
- 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。
延伸阅读
说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。