必须选择workflow类型并启用多模态输入，配置file list字段，关闭document extractor的“extract text only”，用{{#each $input.img_list}}调用多图描述，接入qwen-vl生成结构化报告。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Dify中接收用户上传的多张图片，并基于图像内容自动生成结构化分析报告，必须绕过默认的单图限制、显式启用多模态解析链路、且确保下游模型能同时消费多个图像特征——否则系统只会取第一张图或报错。
创建支持多图输入的工作流
进入Dify Studio → 点击Create from blank → 【必须选择Workflow类型】，不能选Chatflow；Chatflow不解析文件内容体，上传的多图仅保留文件名，后续节点完全收不到图像数据。
创建工作流后，立即点击画布空白处 → 打开全局设置 → 在“Input Schema”中勾选【Enable multi-modal input】；这一步跳过会导致所有Image/File字段被当作普通字符串处理，payload里压根没有binary_data字段。
配置多图输入节点
方法一：单节点支持多图上传（推荐用于同场景批量分析）
从左侧拖入User Input节点 → 点击配置 → 添加字段 → 字段类型选File list → 变量名设为img_list（全小写+下划线，不可含空格）→ 标签名写“上传多张图片” → 允许上传类型选Both → 支持文件类型只勾选Image → 最多上传数量设为20（Dify硬性上限）。
方法二：多个独立Image字段（适用于分类明确的图文组合）
添加两个Image类型字段：变量名分别为front_img和back_img，标签写“正面图”“背面图”；注意这两个字段在运行时会生成两个独立的{{$input.front_img}}和{{$input.back_img}}路径，不能用{{$input.img_list.0}}索引访问。
【关键提醒】变量名若写成FrontImg或front-img，下游LLM节点将无法通过{{$input.front_img}}正确引用，直接报undefined error。
接入文档提取器并开启多图解析
第一步：拖入Document Extractor节点 → 输入参数选择img_list（对应File list字段）或分别连front_img和back_img（需两个Extract节点）。
第二步：在Document Extractor配置中，关闭“Extract text only”开关；【默认开启是陷阱】，一旦开启，所有图片仅走OCR或ASR流水线，Qwen-VL等视觉模型收不到原始像素输入，无法做物体识别、布局分析、跨图比对等任务。
PHP中文网提供Qwen-1.0.2.6 MacOS官方客户端下载，专为苹果电脑优化的阿里通义千问桌面应用。本版本深度适配Mac系统，支持本地高效运行与多模态交互，集成超长上下文处理、AI写作、代码生成及智能体构建等核心功能。通过官方渠道下载，确保安全稳定，助您实现智能办公与创作升级。
第三步：确认输出变量类型——当输入是File list时，Document Extractor输出为array[string]，每项是单张图的结构化描述文本；该数组可直接传给多模态大模型节点。
连接多模态大模型生成报告
拖入Multimodal LLM节点 → 模型选Qwen-VL-7B或Qwen-VL-14B（需平台已部署）→ 在Prompt模板中使用如下结构：
你是一名专业图像分析师。请基于以下{{#each $input.img_list}}第{{$index + 1}}张图：{{this}} {{/each}}内容，按「对象识别→异常检测→关联推理」三段式生成中文分析报告，总字数不超过800字。
注意：不要用{{#each $input.img_list}}嵌套{{#each}}，Dify模板引擎不支持双重循环；必须用{{#each}}一次展开全部图像描述文本，再由LLM自行分图理解。
最后连接一个Text Output节点，把LLM输出直接返回给用户。
