多 Agent 视频转 SOP 系统迁移至 Dify 平台的 MVP 工作流设计
Dify 无 FFmpeg / OpenCV / 本地模型推理能力，以下模块封装为 HTTP API，由 Dify HTTP Request 节点调用。
| 现有组件 | LOC | Dify 节点 | 难度 | 状态 | 说明 |
|---|---|---|---|---|---|
| Orchestrator 任务分析 | 345 | LLM Node (JSON) | 低 | 可迁移 | system_prompt 原样搬，response_format Dify 原生支持 |
| LLM Structurer | 2,264 | LLM Node (JSON) | 中 | 可迁移 | 核心是 prompt 工程，粒度控制用变量注入 |
| Transcript Cleaner | 100 | Code Node (Python) | 低 | 可迁移 | 纯文本处理，直搬 |
| QA Inspector | ~80 | Code Node + IF/ELSE | 低 | 可迁移 | 校验逻辑 + 条件分支 |
| Markdown Renderer | 602 | Template (Jinja2) | 中 | 需精简 | 602 行渲染逻辑需精简为 Jinja2 模板，复杂部分可走外部 API |
| Audio Extract + ASR | 543 | HTTP Request | 中 | 外部 API | FFmpeg + Whisper/火山，封装为 /api/transcribe |
| Frame Extractor | 660 | HTTP Request | 中 | 外部 API | FFmpeg + OpenCV，封装为 /api/extract-frames |
| EventBus 实时事件流 | 605 | — | — | 不可迁移 | Dify 工作流是同步的，不支持 SSE 事件广播 |
| Agent 间消息通信 | ~200 | — | — | 不可迁移 | Dify Agent 孤立，不支持 Agent-to-Agent 定向消息 |
| Human-in-the-loop 截图审核 | 145 | — | — | 需拆分 | Dify 不支持中途暂停，拆为独立的审核工作流 |
| 断点续跑 (--skip-to) | ~100 | — | — | 不可迁移 | Dify 工作流不支持中间阶段恢复 |
以下 Prompt 已在生产环境验证，迁移到 Dify LLM 节点时只需配置 system_prompt + user_message 模板。
来源：orchestrator_agent.py → ORCHESTRATOR_SYSTEM_PROMPT
输入：transcript_preview (前 3000 字符) + video_metadata
输出 JSON：domain, task_summary, complexity, estimated_steps, agents_required, documents_to_produce, reasoning
Role: Orchestrator - task analysis agent in multi-agent SOP system
Input: transcript preview (first ~3000 chars) + video metadata
Output JSON:
{
"domain": "repair|production|testing|training|mixed",
"task_summary": "One concise sentence",
"complexity": "low|medium|high",
"estimated_steps": 8,
"agents_required": ["repair"],
"documents_to_produce": [{"type":"replacement_procedure","agent":"repair"}],
"reasoning": "1-2 sentences"
}
Domain cues:
repair → "remove","replace","screw","拆卸","更换","维修"
production → "install","assemble","装配","产线","工位"
testing → "test","measure","verify","测试","检验"
training → "learn","practice","学习","培训","教学"
来源：prompts/system_prompt.txt (114 行完整版)
输入：compact_transcript + granularity (small/medium/large)
输出 JSON：title + steps[]，每步含 step_number, phase, capture_strategy, step_name, description, extract_start/end_sec, preferred_timestamp_sec, confidence, confidence_reason
Task: Convert word-level timestamped transcript → structured JSON Step fields (10 per step): step_number : int phase : preparatory|removal|installation|startup|software|final capture_strategy : before|during|after|stable|stable_ui step_name : max 8 words, imperative description : professional English, imperative voice extract_start_sec: float (1s before action verb) extract_end_sec : float (2-3s after action verb) preferred_timestamp_sec: float (best screenshot moment) confidence : 0.0-1.0 confidence_reason: one sentence explanation Granularity profiles: small → 12-18 steps, high detail, split micro-actions medium → 8-12 steps, balanced large → 5-8 steps, concise, merge related actions Critical rules: - Strict chronological order (timestamps always increasing) - Screenshot window MUST match the step's own transcript evidence - OUTPUT ONLY VALID JSON
| 维度 | 现有 Python 项目 | Dify MVP 工作流 | 影响 |
|---|---|---|---|
| 多 Agent 协作 | 真多 Agent，EventBus + 消息通信 | 线性工作流，Agent 间无对话 | 降级 |
| 实时可观测性 | War Room SSE 实时展示 Agent 协作 | Dify 执行日志 | 降级 |
| 人工审核环节 | image_review.md + 断点续跑 | 需拆为独立的审核工作流 | 需拆分 |
| LLM Prompt 管理 | 代码内硬编码 | Dify 可视化管理 + 版本控制 | 提升 |
| 模型切换 | 改 config.py + 重启 | Dify UI 一键切换 | 提升 |
| 部署与分享 | 自建 Web 服务 | 平台托管，团队直接用 | 提升 |
| 可扩展性 | 改代码 + 测试 | 拖拽节点 | 提升 |