如何在Dify中结合Stable Diffusion实现AI生图工作流设计完整指南

要实现Stable Diffusion在Dify环境中的稳定调用与精准出图，单纯接入API接口远远不够——必须构建一条完整的工作流链路：涵盖用户输入、语义优化、参数构建、图像回传等环节，任一环节中断都可能导致白屏、报错或生成与预期无关的图像。以下将逐一拆解该链路的关键步骤。

开篇需要明确：要让Stable Diffusion在Dify里真正“理解自然语言”，不能只将API地址丢进去敷衍了事，必须设计一条完整的闭环链路，从用户输入、语义优化、参数构造到图像返回，每一步都环环相扣。只要某一环节断裂，就会换来白屏、错误提示，甚至生成毫不相干的图片。

确认Stable Diffusion API服务已准备就绪

第一步，务必核实SD的API服务是否正常运行。打开浏览器，访问你的Stable Diffusion WebUI地址（例如 http://localhost:7860），点击右上角「Settings」→「API」→勾选「Enable API」并保存后重启。若忘记此操作，后续所有节点调用都会直接返回404或Connection refused错误。

在终端执行以下命令进行测试：

curl -X POST "http://localhost:7860/sdapi/v1/txt2img" -H "Content-Type: application/json" -d '{"prompt":"a cat"}'

如果返回的JSON中包含base64字段，说明API可用；若提示"Method Not Allowed"，则表示txt2img的API接口尚未开启——需要在WebUI启动参数中添加 --enable-insecure-extension-access。

特别提醒：SD服务必须监听HTTP协议而非HTTPS，并且不能开启鉴权。Dify目前不支持携带Basic Auth的API调用。

在Dify中创建新工作流并接入SD模型

登录Dify控制台 → 左侧点击「Workflows」→「+ Create Workflow」→ 选择「Empty Workflow」。

拖入一个「HTTP Request」节点，命名为「Call SD API」；URL填写 http://localhost:7860/sdapi/v1/txt2img（若SD部署在远程服务器，替换为对应的IP和端口）；请求方法选择POST；Headers中添加 Content-Type: application/json。

Body使用以下JSON模板：

{
  "prompt": "{{#sys.prompt#}}",
  "negative_prompt": "{{#sys.negative_prompt#}}",
  "steps": 20,
  "cfg_scale": 7,
  "width": 512,
  "height": 512,
  "sampler_name": "Euler a"
}

注意：{{#sys.prompt#}} 是后续LLM节点注入的优化后提示词，切勿直接硬编码固定值。

添加LLM节点实现中文→专业Prompt自动转换

在「Call SD API」节点的上游，再拖入一个「LLM」节点，选择已配置好的大模型（例如Llama3-8B或GPT-4-turbo）。

设置系统提示词（System Prompt）为：

你是一个专为Stable Diffusion v1.5优化的提示词工程师。请严格按以下规则处理用户输入：① 将中文自然语言描述转为高质量英文Prompt，主体前置、细节后置；② 自动补全材质、光照、构图、画质关键词（如masterpiece, best quality, 8k, ultra-detailed）；③ 生成配套负面提示词，排除模糊、畸变、多余肢体等常见缺陷；④ 输出格式必须为纯JSON，字段为"prompt"和"negative_prompt"，不加任何解释文字。

用户输入（User Prompt）设置为：{{#context.input#}} —— 该变量会自动接收用户在前端表单中填写的原始描述，例如“一只穿宇航服的柴犬在火星上看地球升起”。

配置变量映射与错误兜底机制

接下来有两种方式将LLM的输出传递给SD节点。

方法一：直接连接变量

将LLM节点的输出字段 prompt 和 negative_prompt，分别映射到HTTP节点中的 {{#sys.prompt#}} 和 {{#sys.negative_prompt#}}。Dify会自动从LLM返回的JSON中提取对应键值。

方法二：使用「Code」节点做容错清洗（推荐）

在LLM与HTTP节点之间插入一个「Code」节点，语言选择Python，代码填入：

import json
try:
    data = json.loads($input)
    prompt = data.get("prompt", "a cat")
    negative = data.get("negative_prompt", "low quality, blurry")
    return {"prompt": prompt, "negative_prompt": negative}
except:
    return {"prompt": "a cat", "negative_prompt": "low quality, blurry"}

这一步能有效防止LLM偶尔输出非JSON格式导致整个工作流中断。若跳过此步骤，LLM偶发乱码输出会使SD调用直接失败，且日志中难以定位原因。

发布工作流并测试端到端效果

点击右上角「Publish」→勾选「Enable this workflow」→设置触发方式为「Chat」或「API」→保存。

进入「Try it out」面板，在输入框中输入：“水墨风格的熊猫在竹林里打太极”，点击发送。

观察日志流：首先看到LLM输出结构化JSON，接着HTTP节点返回base64图像数据，最后前端渲染出图——所有节点显示绿色状态条，说明整个链路已成功贯通。

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：如何在Dify中结合Stable Diffusion实现AI生图工作流设计完整指南要求：
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