基于Dify和Deepseek打造智能文章改写工具：提取写作风格实现精准改写

先说个现实问题：市面上大多数AI改写工具，底层跑的都是GPT-4o、Claude 3.5这类模型。它们确实能改写文章，但问题也很明显——想要写出质量在线的内容，你得喂进去一大堆提示词，反复调教。这门槛，对普通用户来说，着实不低。

但Deepseek这类新一代推理模型的到来，打破了这种局面。它不需要那么多思维链来引导，在理解甚至模仿写作风格这件事上，表现相当惊艳。这就引出了一个很自然的问题：能不能把“风格提取”这件事彻底交给模型？用户只管给出喜欢的文章链接，剩下的大模型来搞定？

核心思路很简单：

。用户只需提供两个URL，无需编写任何提示词。这背后依赖的是模型的推理能力，而不是死板的规则——让生成的内容更有变化，而不是千篇一律。

基于这个想法，我在Dify平台上用Deepseek搭建了一个智能改写工作流。它的特点在于：只需要少量、精准的提示词，就能让模型理解并迁移写作风格，实现高质量的改写。

为什么非要做这样一个风格提取的工作流？

市面上的改写工具太“死”了。用户要告诉它一段提示词，它才生成你想要的内容。但问题的核心在于，大部分用户根本不知道提示词怎么写。作为使用者，真实诉求非常简单：我看到了一个喜欢的文章风格，我想把它套到我需要改写的文章上。仅此而已。分析、写作，都该是模型做的事。

这个工作流就是为了解决这个痛点。

设计思路

传统的长篇累牍式提示词，不仅效率低下，还会束缚模型的创造力。实践表明，要让Deepseek这类推理模型发挥出真正的实力，提示词必须精炼。为此，我设计了一个四阶段分析框架，包含四个关键环节：

、、和。

把复杂任务拆得越细，输出就越能沿着期望的方向走。工作流的几个步骤具体如下：

1、

：用Jina读取原始链接的内容，再用代码块将返回的数据结构化处理成我们需要的格式。

2、

：对抓取的目标内容进行初步分析，从主题定位、内容框架、专业维度等方向入手，给出分析结论。

3、

：分析出参考文章的语言特征和组织特征。

4、

：将以上两步的分析结果交给Deepseek，让它参考文章事实和写作风格，组合起来输出一篇文章。注意，这里不是直接参考原始文章，而是参考分析后的结论。

5、

：输入原始文章和改写后的文章，让Deepseek做事实校对，最后输出校对后的版本。

下图是整个工作流的完整图示：

实战步骤

前置工作

1、准备Deepseek的API Key

2、准备Jina的API Key

Jina用于提取URL的内容。进入 https://jina.ai 首页，登录后新建密钥，后续工作流中会用到它。

如何搭建这样一个工作流？

1、首先在Dify中配置Deepseek的Key。注册后，到 https://ppinfra.com/settings/key-management 新建一个Key。

2、接着在Dify中配置上一步获取的Key。在Model Provider中找到【OpenAI-API-compatible】这一项进行配置。

3、然后，一步步使用Dify的Block来实现工作流。首先点击【Create from Blank】创建一个新白板。

4、打开白板后，点击【START】，配置输入变量。本例中需要两个变量：目标文章的URL和参考文章的URL。

5、接下来，需要从URL中提取文章内容，用Jina来完成。在【+】号处新增Block，搜索“

”，选择【Fetch Single Page】模块。因为要提取目标文章和参考文章两篇内容，所以需要并行处理。

并行获取的好处是不必一个个串行处理，节省时间。

6、接着，对Jina返回的内容做进一步处理。这里用到【Code】模块。本例中，只需要获取标题（title）和内容（content），所以将返回的字符串解析并提取目标值。代码如下：

import json
def main(text: str) -> dict:
    data = json.loads(text)
    return {
        "title": data["data"]["title"],
        "content": data["data"]["content"]
    }

7、现在增加【LLM】Block，用来

和。添加LLM后，选择前置工作中配置好的PPIO Deepseek模型。这一步的重点是，用 在Prompt框中引用上一步生成的结果。同样需要并行处理两个与大模型的交互，这里只演示了【原始内容理解】。

8、进行

和。做法和上一步类似，在Prompt中引用前一步的结果即可，所用Prompt可以在工作流DSL中获取。

9、使用【Answer】模块将结果输出，同样引用前一步的结果。

下面是整个流程的输出效果。可以清晰地看到每一步的输出情况，便于修改和调试。

总结

本文介绍了如何利用Dify和Deepseek构建一个文章改写工作流。在前置准备工作中，需要先在PPIO平台获取Deepseek的API Key，并在Dify平台完成模型配置。工作流搭建从创建空白工作流开始，配置文章URL作为输入变量，接着用Jina模块并行提取文章内容，然后通过Code模块处理提取的内容，获取标题和正文。之后配置LLM模块分析原文内容和参考文章风格，设置文章改写和质量检查环节，最后通过Answer模块输出结果。整个工作流采用并行处理提高效率，模块化设计便于调试和维护，结果展示清晰明了，同时提供灵活的Prompt配置以支持个性化需求。通过这个工作流，可以高效地完成文章改写任务，同时保持输出质量的一致性。

参考资料

Dify 官方文档^[1] - 全面的Dify平台开发指南。

ppio文档^[2] - PPIO Key的获取方法。

注：本文相关技术和工具信息更新于2025年2月，具体功能和特性请以官方文档为准。