convez.ai
SkillAutomaçãoAvançado
xxzxzmai-droid

Dify Builder Skills

xxzxzmai-droid/dify-builder-skills

Gere agentes e plugins Dify prontos para usar em linguagem natural

Ver no GitHub
InicialPluginScore · de 0 a 100

Conjunto de skills para Codex/Claude que gera automaticamente agentes e plugins Dify a partir de descrições em linguagem natural. Inclui dois builders especializados: um para gerar fluxos YAML de agentes estruturados e outro para produzir pacotes de plugins instaláveis com todas as dependências offline.

Instalação

$npx convez-ai xxzxzmai-droid/dify-builder-skills

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
2
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
v2026.06.09-dify-builder-skills
Issues abertas
0
Contribuidores
1

Casos de uso

  • Criar agentes Dify com conhecimento base, análise de documentos ou integração com APIs sem escrever YAML manualmente
  • Gerar plugins Dify para processamento de imagens, conversão de formatos ou ferramentas customizadas com dependências offline
  • Acelerar desenvolvimento de workflows Dify através de descrições conversacionais que se transformam em código pronto para importar

Veredito

Skill maduro e bem fundamentado para automação de geração de artefatos Dify. Resolve problemas reais de empacotamento offline e estruturação de YAML, com design filosófico claro (menos é mais, confie no LLM). Recomendado para times que trabalham com Dify em ambientes restritos ou precisam acelerar prototipagem.

README

A tradução para o português deste README ainda está na fila.

Dify Builder Skills

两个用于 Dify 自动化开发 的 Codex/Claude 技能(Agent Skills)。装上之后,你只要用大白话说需求, agent 就能直接产出可用的成品:

  • dify-agent-builder —— 说"做一个 X 的 Dify 智能体",直接产出可导入的 Dify 0.3.0 Chatflow .yml。agent 充当架构师设计结构化蓝图,由确定性引擎 assembler.py 忠实拼装成 合法、接好线的 YAML(节点ID/连线/环境变量/数据接线/校验全自动)。
  • dify-plugin-builder —— 说"做一个 X 的 Dify 插件",直接产出可安装的 .difypkg。从经过 验证的模板脚手架开始,填好工具逻辑并正确打包(默认按内网/离线 Dify 交付,必须随包包含 wheels/*.whl 和 --no-index requirements,含 zip -D 等踩坑规避)。

这两个技能把一路打磨出来的全部经验沉淀了下来:Dify 各节点 schema、"少即是多/把智能交给大模型"的 设计哲学、可下载文件的 meta["filename"] + as_attachment 真相、.difypkg 的 zip -D 与离线 wheel 等等——都是踩了坑才知道的。

安装

Codex 在线安装

python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
  --repo xxzxzmai-droid/dify-builder-skills \
  --path dify-agent-builder dify-plugin-builder

如果当前 Python/GitHub 下载环境有证书问题,改用 git 方式:

python3 ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
  --method git \
  --repo xxzxzmai-droid/dify-builder-skills \
  --path dify-agent-builder dify-plugin-builder

安装后重启 Codex。

手动安装

把任一技能目录放到 agent 能发现技能的位置即可(如 ~/.codex/skills/ 或 ~/.claude/skills/)。 每个技能都是自包含的:

dify-agent-builder/    SKILL.md + scripts/(assembler.py, build_agent.py) + references/
dify-plugin-builder/   SKILL.md + scripts/(scaffold_plugin.py, pack_plugin.sh, fetch_offline_wheels.sh) + assets/plugin-template/ + references/

怎么用

装好后直接说人话即可,例如:

  • "做一个能查公司制度知识库、回答制度问题的 Dify 智能体"
  • "帮我做个上传文档就分析、没传就普通问答的 Dify 助手"
  • "做一个识别图片文字并结构化输出的多模态 Dify 智能体"
  • "做一个把 markdown 转成可下载 PDF 文件的 Dify 工具插件"

agent 会自动触发对应技能、产出 .yml 或 .difypkg 给你,并告诉你导入后要配置什么。

本地验证

python3 -m unittest discover -s tests

测试覆盖智能体 DSL 的知识库、文档、HTTP、多路由、条件分流、图片识别,以及插件脚手架和 .difypkg 打包结构。

离线分享包

scripts/package_offline.sh

生成的 zip 只用于本地线下分享,不上传到 GitHub Release。脚本会同时生成带版本号的 zip 和 dist/dify-builder-skills-offline-latest.zip。解压后可运行 ./install_offline.sh --target codex 或 ./install_offline.sh --target both 安装。

设计原则(为什么生成的东西好用)

  • 内网优先:默认 Dify 开发和运行环境不连互联网;智能体不假设能访问公网 API,插件不交付在线 PyPI 依赖包。
  • 少即是多:优先最少节点 + 一个写好提示词的 LLM,把判断/条件/逻辑写进提示词,而不是拆成 脆弱的路由和代码。最好的工作流往往是 (检索/抽取/接口) → 一个好 LLM → answer。
  • 不自作主张:只做用户要的或场景明显必需的;尊重否定;不编造接口/字段/规则。
  • 好提示词:每个 LLM 节点都写清角色·任务·依据·输出格式·边界,用真实业务术语。
  • 接线归引擎:你只写 system_prompt,运行时输入 {{#sys.query#}} 和上下文由引擎自动接好。

适用版本

针对 Dify 0.3.0 Chatflow DSL 与 Dify 1.x 插件(dify_plugin SDK)。模型 provider 默认 csg/ai_model_provider/ai_gateway_platform(可在 assembler.py 顶部改)。

License

MIT

Ver o original no GitHub

Bom para

Relacionados