理财产品匹配需动态评估用户财务状况、风险认知、资金变动及合规要求，Dify系统通过多维表单采集、双维度工作流过滤与微信推送实现精准适配。
☞☞☞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☜☜☜
要让理财产品真正匹配用户，不能只靠“稳健型选债基、进取型选股基”这种粗放分类，必须把用户真实的财务状况、风险认知偏差、近期资金变动和监管合规要求全部纳入实时评估链路。这套Dify系统不是做一次问卷就完事，而是构建一个可动态校准的适配引擎。
采集用户多维风险画像数据
进入Dify后台→点击“数据源”→选择“表单收集器”创建新表单。
在字段配置中，必须包含三类强制项：基础属性（年龄、职业、年收入）、行为验证题（如“若某产品近3月最大回撤达15%，您会？”提供“赎回/持有观望/加仓”三选一）、动态约束项（如“未来6个月是否有大额购房支出？”是则自动触发流动性权重上调）。
【行为验证题不可设为必填】，否则用户将随意勾选，导致后续所有策略生成失真；系统需通过非强制但逻辑强关联的问题组合反推真实偏好。
发布表单后，获取嵌入代码，粘贴至微信公众号菜单页或H5落地页即可开始采集。
构建风险-产品双维度匹配工作流
方法一：使用Dify内置条件分支节点实现分层过滤
① 在工作流起始处接入“用户画像解析”节点，提取表单中结构化字段（如risk_tolerance_score、liquidity_need_months）；
② 插入条件分支节点，设置主判断逻辑：{{risk_tolerance_score}} >= 70 → 进入“高风险适配分支”，{{risk_tolerance_score}}
③ 每个分支末端连接对应的产品池API：高风险分支调用“权益类优选接口”，中风险分支调用“固收+增强接口”，低风险分支调用“现金管理类白名单接口”；
方法二：用代码节点执行动态权重计算
在工作流中插入“代码节点”，语言选Python，输入以下逻辑：
score = (user['risk_tolerance_score'] * 0.4 + (12 - user['liquidity_need_months']) * 0.3 + user['investment_experience_years'] * 0.3)
return {'adjusted_risk_score': round(score, 1)}
这一步直接把静态问卷得分转化为带时效性和行为权重的动态分值，避免用户记忆偏差影响结果。
接入监管合规熔断机制
在工作流末尾添加“合规校验”节点，配置如下规则：
当用户年龄 > 65岁 且 产品持有期
当用户年收入 25% → 触发熔断，跳转至人工复核队列，并向客户经理推送待办消息。
该节点必须启用“阻断式执行”，否则无法满足银保监对高风险产品销售过程留痕的硬性要求。
对接微信端个性化推送通道
在Dify工作流输出端，选择“HTTP请求”节点，目标URL填写已部署的微信模板消息服务地址。
请求体中必须携带trace_id字段，格式为：{"trace_id": "{{workflow.trace_id}}", "open_id": "{{user.open_id}}", "products": [...]}
微信服务端收到后，将自动绑定该次评估的完整审计日志路径，确保每条推送均可回溯至原始问卷、模型推理链与合规校验结果。
完成配置后，点击“发布工作流”，系统即刻生效。
