Dify代码执行节点实战编写技巧详解

在Dify工作流中配置代码执行节点时，很多人习惯直接编写Python脚本，结果流程运行到一半就卡住了。其实核心要点只有一个：你的代码必须适应沙箱环境，并且最终返回的必须是一个标准的Python字典。听起来简单，但实际踩坑的人可不少。

先明确一个前提：Dify的代码节点并非让你随意编写Python脚本。它运行在沙箱中，拥有诸多限制。但这并非坏事，恰恰保证了流程的稳定性与安全性。关键在于把规则理解透彻。

先弄清楚上游究竟传递了什么数据

打开工作流编辑器，点击你要配置的那个Code节点。右侧的「Inputs」面板会清晰显示上游传入的变量名和类型。例如，user_input是一个字符串，files是一个文件列表，每个文件又包含url和name字段。

这里有个常见的翻车场景：如果上游连接的是「知识库检索」节点，它传递过来的实际上是一个documents数组，其中每个元素都包含content和metadata。你不经过检查就直接写input['text']？等着KeyError吧。所以第一步，老老实实查看Inputs面板，确认数据类型。

沙箱中写代码，这些红线不能碰

把Python代码粘贴进编辑器之前，先记住几个硬性条件：只支持Python 3.11，os.system、subprocess、open读写本地文件等操作统统不允许。第三方库也只开放了numpy、pandas、requests这几个，其他的一律报错。

回到正题，怎么写才安全？这里有最常用的两种场景。

场景一：直接处理文本，返回加工后的结果。
直接上手：result = {"summary": input['user_input'][:50] + "...", "length": len(input['user_input'])}。注意，最后一行的变量名必须叫result，不要写print或return，沙箱不认这些。

场景二：上游传入一段JSON字符串，你需要解析它。
比如{"score": 87, "tags": ["A", "B"]}。那就先import json，再data = json.loads(input['user_input'])，最后拼出result = {"level": "high" if data["score"] > 80 else "low"}。这里必须强调一句：一定要用try-except把json.loads包裹起来，否则上游提供的JSON稍微不规范，整个节点就会直接崩溃，后续流程什么都拿不到。

调试这一步，帮你省掉八成的返工

代码写完后不要急着连接下游，先自己测试一遍。

第一步：点击右上角的「Test」按钮，手动填入一组测试数据，比如{"user_input": "hello world"}。然后查看右侧的「Output」面板，确认它返回的是一个合法的JSON对象。

第二步：仔细检查返回值，必须是纯字典——不能是None，不能是嵌套的类实例，不能包含函数对象。因为下游无论是「LLM」节点还是「条件分支」节点，只认dict类型，其他类型统统不兼容。

第三步：如果你打算向下游传递多个字段，那就全部塞进result字典里。例如result = {"answer": "yes", "confidence": 0.92, "source": "rule_based"}。少写一个key，下游节点就无法获取对应值，到时候排查起来可够你费一番功夫的。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Dify代码执行节点实战编写技巧详解要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题