dify可视化工作流集成豆包插件可一站式实现文生图、文生视频、图生视频三模态串联。需部署dify、配置豆包插件（开通多模态权限）、搭建含条件路由与合并输出的工作流，并通过api调用返回24小时有效url。
☞☞☞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☜☜☜
你需要一个能同时生成图片、视频甚至让静态图动起来的AI内容生产环境，而不是分别调用多个API拼凑流程。Dify可视化工作流配合豆包插件，能把文生图、文生视频、图生视频三类能力串成一条可复用、可调试、可对外提供服务的完整链路。
部署Dify并接入豆包插件
打开终端，执行以下命令拉取最新版Dify代码并启动服务：
git clone https://github.com/langgenius/dify.git → cd dify/docker → cp .env.example .env → 修改 .env 中 EXPOSE_NGINX_PORT=9060（避免与本地其他服务冲突）→ sudo docker compose up -d
等待容器启动完成（约90秒），浏览器访问 http://localhost:9060/install 完成管理员初始化。这一步必须做完，否则后续无法添加插件。
登录后进入「设置 → 插件」页面，点击「添加插件」→ 选择「DouBao」→ 填写豆包开放平台获取的 【API Key 和 Base URL】 → 点击「测试连接」确认绿色对勾出现。注意：豆包插件需在开放平台开通「多模态生成」权限，否则文生视频节点会报错403。
搭建三模态串联工作流
进入「工作流」→ 「新建工作流」→ 命名为“多模态内容生成台”。拖入以下节点并按顺序连接：
① 用户输入节点 → 绑定变量 input_text（文本描述）和 input_image（可选上传图）
② 条件路由节点 → 设置判断逻辑：【if input_image != null then 走图生视频分支，else 走文生图+文生视频分支】
③ 文生图节点 → 选择豆包插件 → 模型选 doudou-v1 → 提示词字段填 {{input_text}} → 输出类型设为 image_url
④ 文生视频节点 → 同样选豆包插件 → 模型选 douyin-video-v2 → 输入字段填 {{input_text}} → 视频时长设为10秒 → 输出类型设为 video_url
⑤ 图生视频节点 → 插件同上 → 模型选 douyin-image2video-v1 → 输入字段填 {{input_image}} → 必须勾选「启用运动增强」，否则生成结果静止不动
⑥ 合并输出节点 → 将三个分支的 image_url / video_url / video_url 统一映射到 output 字段，格式为 JSON：
{"image": "{{node_3.output}}", "video": "{{node_4.output}}", "animated_video": "{{node_5.output}}"}
配置前端调用接口
工作流保存后，点击右上角「发布」按钮。系统自动生成唯一 API 地址，形如 https://your-domain.com/api/workflows/xxx/run
复制该地址，在 Postman 或 curl 中发起 POST 请求，Header 加入 Authorization: Bearer 【你的API Key】，Body 使用 raw → JSON 格式提交：
{"inputs": {"input_text": "一只穿宇航服的橘猫站在火星表面眺望地球", "input_image": ""}}
若需传图，input_image 字段值应为 base64 编码字符串（前端可用 FileReader.readAsDataURL() 获取），且总请求体不能超过 10MB。
成功响应返回包含三个 URL 的 JSON，每个链接有效期 24 小时，到期自动失效。
