Dify 代码节点调试复盘文档

本文档记录了在 Dify 工作流中配置代码节点（Python）从零到可用的完整历程，包含遇到的问题、原因分析及解决方案，以供后期复盘查看。

一、背景

在工作流中，需要将 HTTP 节点返回的考勤 JSON 数据，经过清洗、统计后，生成一份简洁的考勤报告。最初使用 LLM 节点直接处理原始 JSON，存在以下问题：

处理速度慢（内部模型耗时 ~30s）
Token 消耗大（8.6K tokens）
输出不稳定，内容冗长

为解决上述问题，引入代码节点进行数据预处理，再将结果传给 LLM 节点生成报告。最终方案进一步优化：代码节点直接生成报告文本，完全去掉 LLM 节点。

二、工作流结构

text
HTTP节点 → 代码节点 → 结束/输出节点

节点	功能
考勤查询HTTP	调用 API 获取考勤 JSON 数据
代码执行	解析 JSON → 统计状态 → 生成报告文本
结束/输出	返回最终报告

三、遇到的问题及解决方案

问题1：AttributeError: 'str' object has no attribute 'get'

报错信息：

text
AttributeError: 'str' object has no attribute 'get'
error: exit status 255

原因分析： HTTP 节点返回的 body 是 JSON 字符串，而非已解析的字典对象。代码中直接调用了 .get() 方法，但字符串没有该方法。

解决方案：在代码开头添加类型判断，对字符串类型进行 json.loads() 解析：

python
if isinstance(http_response, str):
    try:
        http_response = json.loads(http_response)
    except json.JSONDecodeError:
        return {"result": "错误：JSON解析失败"}

问题2：Output result is missing

报错信息：

text
Output result is missing

原因分析： Dify 代码节点的输出变量配置有严格要求：

输出变量名必须与 return 返回字典的外层 key 一致

错误写法：

python
# 错误：直接返回数据，没有外层 key
return {"stats": stats}

正确写法：

python
# 正确：外层 key 必须与输出变量名一致
return {"result": {"stats": stats}}

四、最终可用代码与节点配置

4.1 最终可用代码

python
import json
from collections import Counter

def main(http_response):
    # ===== 输入处理：字符串 → 字典 =====
    if isinstance(http_response, str):
        try:
            http_response = json.loads(http_response)
        except json.JSONDecodeError:
            return {
                "result": "❌ 错误：JSON解析失败，请检查数据格式"
            }
    
    if not isinstance(http_response, dict):
        return {
            "result": f"❌ 错误：输入类型错误，期望dict，实际为{type(http_response)}"
        }
    
    # ===== 数据提取 =====
    if http_response.get("code") != 1:
        return {
            "result": "❌ 错误：接口返回异常"
        }
    
    records = http_response.get("data", [])
    if not records:
        return {
            "result": "📊 本月无考勤数据"
        }
    
    # ===== 状态映射 =====
    status_map = {
        0: "未排班",
        1: "休息",
        2: "正常上班",
        3: "旷工",
        4: "缺卡",
        5: "请假",
        6: "早退",
        7: "迟到",
        8: "出差",
        9: "外出",
        10: "加班"
    }
    
    abnormal_codes = {3, 4, 6, 7}
    
    # ===== 统计 =====
    stats = {name: 0 for name in status_map.values()}
    abnormal_dates = []
    
    for record in records:
        att_date = record.get("att_date", "未知日期")
        status_code = record.get("status")
        status_name = status_map.get(status_code, f"未知({status_code})")
        
        stats[status_name] = stats.get(status_name, 0) + 1
        
        if status_code in abnormal_codes:
            abnormal_dates.append(att_date)
    
    # ===== 计算关键指标 =====
    total_days = len(records)
    work_days = stats.get("正常上班", 0)
    rest_days = stats.get("休息", 0)
    leave_days = stats.get("请假", 0)
    absent_days = stats.get("旷工", 0)
    missing_days = stats.get("缺卡", 0)
    early_days = stats.get("早退", 0)
    late_days = stats.get("迟到", 0)
    other_abnormal = len(abnormal_dates) - absent_days - missing_days - early_days - late_days
    
    # ===== 构建报告 =====
    report = "📊 **考勤报告**\n\n"
    
    # 表格
    report += "| 状态 | 天数 |\n"
    report += "|------|------|\n"
    
    status_items = [
        ("正常上班", work_days),
        ("休息", rest_days),
        ("请假", leave_days),
        ("旷工", absent_days),
        ("缺卡", missing_days),
        ("早退", early_days),
        ("迟到", late_days),
        ("其他异常", other_abnormal)
    ]
    
    for name, count in status_items:
        if count > 0:
            report += f"| {name} | {count}天 |\n"
    
    report += "\n"
    
    # 异常信息
    if abnormal_dates:
        formatted_dates = [d[5:] for d in abnormal_dates]  # "2026-06-01" -> "06-01"
        dates_str = "、".join(formatted_dates)
        report += f"⚠️ **异常记录**（共{len(abnormal_dates)}天）：{dates_str}\n\n"
        
        if absent_days > 0:
            report += "💡 **建议**：本月旷工较多，建议加强考勤管理。"
        elif missing_days > 0:
            report += "💡 **建议**：存在缺卡情况，请提醒员工及时打卡。"
        elif early_days > 0 or late_days > 0:
            report += "💡 **建议**：存在迟到/早退情况，请关注员工出勤纪律。"
        else:
            report += "💡 **建议**：存在异常考勤，请关注具体情况。"
    else:
        report += "✅ 本月考勤正常，无异常记录。"
    
    return {
        "result": report
    }

4.2 页面配置如下

五、优化效果对比与总结

优化效果对比

指标	优化前（LLM处理原始JSON）	优化后（代码节点生成报告）
工作流节点	3个（HTTP → 代码 → LLM）	2个（HTTP → 代码）
总耗时	~30秒	<1秒
Token消耗	8.6K	0
输出稳定性	依赖LLM，不稳定,接口返回相同的内容经LLM处理后结果不一致	完全可控，稳定
成本	消耗Token	几乎为0

总结

Dify 代码节点的输出必须包一层外层 key，且与输出变量名一致
HTTP 节点返回的 body 是字符串，需要手动 json.loads() 解析
避免在变量引用中使用中文键名，Dify 解析器对此支持不完善
能用代码节点计算的就别用 LLM，效率提升显著

参考文档：

Dify官方文档-代码节点

目录