要在Dify工作流中稳定输出高质量图片，必须配置可用文生图模型（如qwen-image）、正确设置guidance_scale（7.5）和steps（40～50），并用HTML Artifact方式封装图片URL以规避跨域、路径与格式问题。
☞☞☞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工作流中稳定输出高质量图片，必须让Text-to-Image节点正确接入可用模型并规避跨域、路径、格式三类典型失效问题。
确认模型服务已就绪
进入Dify控制台 → 【设置】→【模型供应商】，检查是否已添加支持文生图的模型服务（如qwen-image、z-image-turbo或SiliconFlow的图像生成接口）。【未配置任何图像模型时，“Text-to-Image”节点将灰显不可用】
若列表为空，需手动添加：点击“+ 添加模型”，选择“Text-to-Image”类型，填入API Endpoint、API Key及模型名称（如qwen-image），测试连接成功后保存。
添加并配置Text-to-Image节点
在工作流画布空白处点击“+ 添加节点” → 选择“Text-to-Image”。该节点默认不带参数，需手动配置。
双击节点打开配置面板，在“Prompt”字段中输入变量引用或固定文本，例如：{{input.prompt}} 或 “一只蓝眼睛的缅因猫坐在窗台上，阳光斜射，写实风格”。
关键参数必须显式设置：guidance_scale设为7.5（低于5易偏离提示，高于15易过拟合失真），steps设为40～50（低于30画面细节不足，高于60响应明显变慢）。
处理图片返回结果
方法一：直接使用原始URL输出
在“Text-to-Image”节点下游接一个“直接回复”节点，内容填写：
⚠️注意：此方式依赖浏览器能直连image_url，若URL来自内网或私有OSS且未配CORS，图片将显示为破碎图标。
Qwen 视频智能分析基础客户端（免费版），基于 Qwen 3.5 Plus 多模态模型对本地视频进行内容分析，支持场景描述与基础内容理解，采用默认抽帧频率和提示词，适合快速概览视频，API Key 读取自 ~/.skill-platform/skill-platform.json 的 skills 配置。
方法二：封装为HTML Artifact（推荐）
在“Text-to-Image”节点后添加“代码执行”节点，语言选Python，输入以下代码：
import json<br>html_content = f'''<div style="text-align:center; padding:12px; background:#f8f9fa; border-radius:6px;">
<br> @@##@@<br> <p style="margin-top:8px; color:#495057; font-size:13px;">提示词：{input.get('prompt', '未提供')}><br></p>
</div>'''<br>output = {"html": html_content}
再接一个“Artifact”节点，设置“Content Type”为text/html，“Content Key”填html。这样前端收到的就是可渲染的HTML片段，彻底绕过跨域限制。
设置输入与分支逻辑
第一步：添加“开始”节点，启用“文件上传”和“文本输入”双通道。
第二步：添加“条件判断”节点，判断用户是否上传了图片：
• 条件1：{{input.files | length > 0}} → 路由至“图生图”分支
• 条件2：{{input.text | length > 0}} → 路由至当前“Text-to-Image”节点
第三步：确保“Text-to-Image”节点的Prompt字段只接收文本输入，不要混入files变量，否则会触发空字符串报错。
这一步不能跳过——如果用户既没输文字也没传图，工作流会卡在条件节点无响应，前端收不到任何反馈。
