dify可全自动解析excel财报并生成同比环比分析报告：上传命名合规的.xlsx文件→table extract结构化映射关键列→python节点精准计算变动率→llm节点输出专业中文解读，全程闭环无需api/sql/切换工具。
☞☞☞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☜☜☜
你需要让Dify自动读取用户上传的Excel格式财务报表（如利润表、资产负债表），精准识别“营业收入”“净利润”“应收账款”等关键字段，计算其同比（2024 vs 2023）与环比（2024Q3 vs 2024Q2）变动率，并以自然语言生成带数值支撑的解读报告——整个流程不依赖外部API、不手动写SQL、不切换工具，全部在Dify工作流内闭环完成。
准备合规财报文件并命名
将原始报表保存为标准.xlsx格式，确保第一行为字段名，且至少包含“项目”列和两个时间列（例如“2023年期末余额”“2024年期末余额”或“2024Q2”“2024Q3”）；【项目列必须唯一、无合并单元格、无空行，否则Table Extract节点会整行跳过】。
文件名须用英文+下划线+数字组合，例如“profit_statement_2024q3.xlsx”，禁止含中文空格、“&”“#”“（）”等符号——Dify上传时对文件名编码敏感，出现任一非法字符将导致解析中断且无报错提示。
这一步操作起来很简单，直接把整理好的Excel拖进本地文件夹重命名即可。
创建工作流并配置文件输入节点
登录Dify控制台→左侧导航栏点击「Workflow」→右上角「+ New Workflow」→选择「Blank Workflow」。
在画布空白处双击添加「File Upload」节点；设置中关闭「Allow multiple files」，仅允许单文件上传；将「File type restriction」设为「xlsx, xls」，其他类型一律拦截。
点击节点右下角「⋯」→「Rename」，必须改名为「财报原始文件」——后续所有节点变量引用都依赖此名称，重命名后无法通过拖拽自动关联，【若跳过此步，整个工作流后续全部失效】。
用Table Extract结构化解析表格
从左侧组件栏拖入「Table Extract」节点，连接到「财报原始文件」输出端口。
配置时「Sheet name」留空（自动读取首sheet）；「Header row index」填0；关键操作是「Column mapping」：手动将第1列映射为“item”，第2列映射为“value_2023”，第3列映射为“value_2024”——若报表含季度数据，则第2列映射为“value_2024q2”，第3列为“value_2024q3”。映射错误会导致后续所有计算结果完全失真。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
这一步不能靠猜测，必须打开Excel确认列序：比如“项目”在A列、“2024Q2”在B列、“2024Q3”在C列，就严格按A→item、B→value_2024q2、C→value_2024q3映射。
注入Python计算逻辑实现同比环比
拖入「Code」节点，连接至Table Extract输出；在代码编辑区粘贴以下Python脚本：
import pandas as pd
df = pd.DataFrame(table_data)
# 提取关键指标行
key_rows = df[df['item'].str.contains('营业收入|净利润|应收账款|存货|短期借款', case=False, na=False)]
if len(key_rows) == 0:
raise ValueError("未识别到关键财务指标，请检查'项目'列是否含标准名称")
# 计算同比（假设列名为value_2023/value_2024）或环比（value_2024q2/value_2024q3）
def calc_change(row):
if 'value_2024' in row.index and 'value_2023' in row.index:
yoy = (row['value_2024'] - row['value_2023']) / abs(row['value_2023']) if row['value_2023'] != 0 else float('inf')
return {'yoy_rate': round(yoy * 100, 2)}
elif 'value_2024q3' in row.index and 'value_2024q2' in row.index:
qoq = (row['value_2024q3'] - row['value_2024q2']) / abs(row['value_2024q2']) if row['value_2024q2'] != 0 else float('inf')
return {'qoq_rate': round(qoq * 100, 2)}
else:
return {}
result = key_rows.apply(calc_change, axis=1).tolist()
output = {'key_indicators': key_rows.to_dict('records'), 'changes': result}
注意：脚本会自动判断列名是否存在“2023/2024”或“q2/q3”字样，分别触发同比或环比逻辑；若列名不匹配，需先回退修改Table Extract的Column mapping。
调用LLM生成专业中文解读报告
拖入「LLM」节点，连接Code节点输出；系统提示词（System Prompt）设为：
“你是一名有10年经验的CFO，只分析财报数据，不编造、不推测、不生成代码。请严格基于输入的key_indicators和changes数据，用中文分三点输出：① 营业收入与净利润的同比/环比变动趋势及幅度；② 应收账款与存货的变动是否匹配营收趋势，指出异常信号；③ 给出一句总体健康度判断（如‘盈利质量稳健’‘现金流承压迹象初显’）。所有数值保留两位小数，单位统一用‘万元’‘%’。”
用户提示词（User Prompt）填：{{output}}。
模型选择Qwen2.5-7B或GLM-4（需已开通）；温度值（Temperature）设为0.3——过高易产生模糊表述如“可能下滑”，过低则无法组织自然语言句式。
