在 Dify 工作流（Workflow 和 Chatflow）的实现中，“变量”做为最基础、最核心的组件发挥着不可或缺的作用，因为它承载了不同节点间数据传递的作用。
也就是说，我们在实现 Workflow 和 Chatflow 时，需要一种动态数据容器，能够存储和传递不固定的内容，在不同的节点内被相互引用，实现信息在节点间的灵活通信，这个就是“变量”了。
变量作用：用于不同节点的信息传递。
例如以下场景，我们需要将第一个节点用户输入的内容，传递给第二个节点大模型，就需要使用变量进行传递。
1.变量分类
Dify 中总共有以下 4 种变量类型：
- 用户（输入）变量
- 系统变量
- 环境变量
- 会话变量
分别来看这四种变量类型的详细介绍。
2.用户变量
用户变量是用户在与 Dify 应用交互过程中直接输入的信息，这些信息可以是文本、段落（多行文本）、下拉选项、数字、单文件、文件列表（多文件）等，如下图所示：
例如，在对话框中，用户输入“我想查询明天的天气”，这个输入内容就会作为用户变量，应用可以根据这个变量调用天气查询接口等。
注意：变量名称只能为英文、数字和下划线。
3.系统变量
系统变量是由 Dify 预设的系统级参数，可以被其它节点全局读取，用于记录和管理应用运行过程中的关键信息，以 sys. 前缀开头。
其中 WorkFlow 和 ChatFlow 的系统变量还有所不同。
Workflow
Workflow 类型应用提供以下系统变量：
Chatflow
Chatflow 类型应用提供以下系统变量：
4.环境变量
环境变量用于保护工作流内所涉及的敏感信息，例如运行工作流时所涉及的 API 密钥、数据库密码等。它们被存储在工作流程中，而不是代码中，以便在不同环境中共享。
环境变量支持以下三种数据类型：
- String 字符串
- Number 数字
- Secret 密钥
其中，Secret 密钥用于定义敏感信息或数据，导出 DSL 时设置了防泄露机制。
环境变量拥有以下特性：
- 环境变量可在大部分节点内全局引用；
- 环境变量命名不可重复；
- 环境变量为只读变量，不可写入。
5.会话变量
会话变量只存在 ChatFlow 场景中，因为它是面向多轮对话场景，而 Workflow 类型应用的交互是线性而独立的，不存在多次对话交互的情况，因此会话变量仅适用于 Chatflow 类型（聊天助手 → 工作流编排）应用。
会话变量允许应用开发者在同一个 Chatflow 会话内，指定需要被临时存储的特定信息，并确保在当前工作流内的多轮对话内都能够引用该信息，如上下文、上传至对话框的文件（即将上线）、 用户在对话过程中所输入的偏好信息等。好比为 LLM 提供一个可以被随时查看的”备忘录”，避免因 LLM 记忆出错而导致的信息偏差。
例如，你可以将用户在首轮对话时输入的语言偏好存储至会话变量中，LLM 在回答时将参考会话变量中的信息，并在后续的对话中使用指定的语言回复用户。
会话变量支持以下六种数据类型：
- String 字符串
- Number 数值
- Object 对象
- Array[string] 字符串数组
- Array[number] 数值数组
- Array[object] 对象数组
会话变量具有以下特性：
- 会话变量可在大部分节点内全局引用；
- 会话变量的写入需要使用变量赋值节点；
- 会话变量为可读写变量。
使用“变量赋值”组件修改会话变量的值：
小结
在 Dify 工作流（Workflow 和 Chatflow）的实现中，“变量”做为最基础、最核心的组件发挥着不可或缺的作用，因为它承载了不同节点间数据传递的作用。变量总共分为 4 种类型：用户变量、系统变量、环境变量和会话变量，我们需要根据不同的业务场景选择合适的变量类型进行使用。
特殊说明
以上内容来自我的《大模型应用开发》 课程，这门课程为视频+图文版，深入浅出学习了大模型应用开发的各种技术，例如系统学习了 LangChain4j、Spring AI、Dify、Agent 等技术，其中包含：MCP、Function Call、RAG（简单、原生、高级应用）、向量数据库（Milvus、RedisStack）、Prompt工程、多模态、向量数据库、嵌入模型、N种主流LLM对接、N种DeepSeek对接、同时调用多种大模型、连续对话保存到数据库、上万种 MCP 通用服务对接、大模型直接操作数据库等，还有很多 AI 案例，如：数据库 AI 助手、快递 AI 助手等都是手把手带你实现。手把手教你快速、系统掌握大模型应用开发的核心技术。
如果对此课程感兴趣，请加我微信：vipStone【备注：LLM】
