需将理财产品数据整理为标准Excel文件，字段含产品名称、年化收益率(%)、起购金额(元)、风险等级(R1-R5)、投资期限(天)、是否保本，文件名如“理财_产品库_2026Q4.xlsx”，保存为无BOM UTF-8编码；Dify工作流中依次配置File Upload、Table Extract（严格列映射）、Python节点（硬规则筛选TOP3）或LLM节点（JSON模式归因分析），最后经Template与Response节点输出合规Markdown响应。
☞☞☞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☜☜☜
准备结构化理财产品数据源
你需要让Dify自动读取多只金融理财产品的核心参数（如年化收益率、起购金额、风险等级、期限类型、是否保本），并支持横向对比与智能归因分析——所有数据必须以标准Excel格式提供，且字段命名需与Dify内置金融语义词典对齐。
将原始产品清单保存为.xlsx文件，第一行为表头，必须包含【产品名称】、【年化收益率(%)】、【起购金额(元)】、【风险等级】、【投资期限(天)】、【是否保本】六列；【风险等级列值必须为R1/R2/R3/R4/R5五级制，不可写“低风险”“中高”等非标表述】，否则后续LLM归类逻辑会全部失效。
文件名禁用空格与括号，推荐命名为“理财_产品库_2026Q4.xlsx”，Dify对UTF-8 BOM头敏感，保存时选择“无BOM的UTF-8”编码，否则Table Extract节点会报错跳过整张表。
创建工作流并接入结构化数据
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「Allow multiple files」为关闭状态；「File type restriction」限定为xlsx,xls；点击节点右下角「⋯」→「Rename」，改名为「理财原始数据」——这一步必须完成，后续所有变量引用都依赖该名称，重命名后无法通过拖拽自动关联。
从左侧组件栏拖入「Table Extract」节点，连接到「理财原始数据」输出端口；配置中「Sheet name」留空（自动读取首sheet）；「Header row index」填0；在「Column mapping」里手动将第1列映射为“product_name”，第2列映射为“yield_rate”，第3列映射为“min_investment”，第4列映射为“risk_level”，第5列映射为“term_days”，第6列映射为“is_principal_guaranteed”——映射顺序错一位，整个对比逻辑就全盘崩溃。
构建多维对比与智能归因分析逻辑
方法一：使用Python节点实现硬规则筛选
拖入「Python Code」节点，连接至Table Extract输出；在代码框中输入：
df = df.dropna(subset=['yield_rate', 'risk_level'])
df['yield_risk_ratio'] = df['yield_rate'] / (int(df['risk_level'].str.replace('R', '')) + 1)
df = df.sort_values('yield_risk_ratio', ascending=False).head(3)
这段代码强制剔除缺失收益或风险等级的产品，计算“收益/风险加权比”，并返回TOP3——它不依赖LLM幻觉，结果确定、可审计，适合监管报送场景。
方法二：调用LLM进行自然语言归因解读
拖入「LLM」节点，连接至Table Extract输出；在Prompt中写：“你是一名持牌理财顾问。请基于以下{data}，按‘收益性’‘安全性’‘流动性’三维度逐只分析，并指出哪只产品最适配‘稳健型退休投资者’，给出不超过120字的结论。”
注意：必须勾选「Enable JSON mode」并设置schema为{"analysis": [{"product":"string","dimension":"string","reason":"string"}], "recommendation":"string"}，否则LLM自由发挥会导致前端解析失败。
配置动态响应与合规输出
第一步：添加「Template」节点，连接LLM或Python节点输出；模板内容为：
✅ 推荐TOP3产品：
{% for item in data %}• {{ item.product_name }}（{{ item.yield_rate }}%，R{{ item.risk_level }}，{{ item.term_days }}天）
{% endfor %}
? 专业建议：{{ data.recommendation }}
第二步：拖入「Response」节点，连接Template输出；在「Response format」中选择「Markdown」；勾选「Stream response」开启流式输出，用户能看到文字逐字浮现，体验更接近真人顾问。
第三步：在Response节点设置中，打开「Compliance watermark」开关，自动在每条输出末尾追加“【本分析基于截至2026年10月21日公开数据，不构成投资建议】”——这是银保监《理财销售管理办法》第37条的硬性要求，未启用将导致系统级合规审计不通过。
