Difyのワークフローとは？作り方とノードの種類・チャットフローとの違いを解説

Difyを触り始めたものの、ワークフローの画面を開いた瞬間に手が止まった。ノードが何種類も並んでいて、どれをどうつなげばいいのか分からない。最初につまずくのはたいていこの場面です。

ワークフローは、AIの処理を部品として並べ、決めた順序で動かすための機能です。仕組みを理解すれば、社内の定型業務をそのまま形にできます。

本記事では、チャットフローとの違い、主要なノードの役割、作成の手順、変数の考え方、うまく動かないときの確認方法までを順に整理しました。

確認したいポイント	結論	詳細
Difyのワークフローとは？	ノードをつないで処理を組む	AIの呼び出しや条件分岐を部品として並べ、決めた順序で動く処理を画面上で構築できます。
チャットフローとの違いは？	対話するかどうかで分かれる	ワークフローは入力から結果まで1回で完結し、チャットフローは会話のたびに動きます。
どんなノードがある？	役割ごとに部品が分かれている	AI処理、情報検索、条件分岐、繰り返し、外部連携など、目的別に用意されています。
作り方の手順は？	設計してから組み立てる	目的と流れを先に決めてからノードを並べ、テストして公開するという順序が確実です。
変数はどう扱う？	前のノードの出力を受け渡す	各ノードが出力する値に名前が付き、後続のノードから指定して利用する仕組みです。
どんな業務に使える？	定型の多工程処理に向く	資料の要約、記事の下書き、問い合わせの振り分けなど、手順が決まった業務が対象です。
動かないときはどうする？	ノード単位で切り分ける	実行の記録から止まった箇所を特定し、そのノードの入力と出力を確認する手順を踏みます。
運用で注意する点は？	費用と情報管理の設計	ノードが増えるほどモデルの利用料が積み上がるため、構成と扱う情報を先に決めます。

この記事でわかること

• Difyのワークフローがどんな機能で、何のために使うのか
• ワークフローとチャットフローの違いと、選び分ける基準
• 主要なノードの役割と、組み合わせ方の考え方
• 設計から公開までの手順と、変数の受け渡しの仕組み
• うまく動かないときの切り分け方と、運用で押さえる注意点

生成AIを業務フローに組み込みたい方へ ネクストスケールでは、対象業務の洗い出しからワークフローの設計、構築、社内への定着までを一貫して支援しています。 何から着手すべきかの整理からご相談いただけます。 ▶ AI活用について相談する（無料）

Difyのワークフローとは？AI処理を組み立てる仕組み

Difyのワークフローは、処理のひとつひとつを表す部品を画面上でつなぎ、決めた順序で動く仕組みを作る機能です。部品はノードと呼ばれ、AIモデルの呼び出しや条件による分岐、外部システムとの通信などを担当します。

作業の大半は、ノードを配置して線でつなぎ、設定を入力するという操作で完結します。コードを書くのは、細かい処理を組み込みたい場面に限られます。

チャット画面で質問する使い方との違いは、手順があらかじめ決まっている点にあります。毎回同じ流れで動くため、業務として運用できる状態になります。

なぜ処理を組み立てる必要があるのか

AIモデルは強力ですが、単体では出力が安定しません。事実と異なる内容を返したり、必要な工程を飛ばしたり、毎回違う形式で答えたりすることがあります。

公式のドキュメントでも、こうした不安定さを制御するために処理を構造化する考え方が示されています。ひとつのモデルにすべてを委ねず、工程ごとに分けて設計するという発想です。

AIが主要な処理を担う点は変わりません。あらかじめ定めた境界の中で動かすことで、業務として使える再現性を確保します。

同じ入力に対して同じ手順で動くため、誰が使っても結果の水準がそろいます。担当者の指示の巧拙に左右されない点が、業務として使ううえでの価値になります。

プロンプトを工夫するだけでは届かない領域

1回の指示で複雑な作業をすべて任せようとすると、指示文が長くなり結果も安定しません。工程を分ければ、それぞれの指示は短く具体的になります。

途中で条件によって処理を変えたい場合も、指示文だけでは制御できません。分岐を部品として置けるところが、ワークフローを使う理由になります。

工程を分けておくと、後から一部だけを差し替えられる利点もあります。使うモデルを変える、参照する資料を追加するといった調整が、全体を作り直さずに済みます。

誰が使う機能なのか

プログラミングの知識がなくても組み立てられる設計です。企画担当者やマーケターが自分で試作し、そこから開発部門へ相談する流れも取れます。

Dify全体でできることの整理は、Difyで何ができるかを解説した記事で扱っています。

ワークフローとチャットフローの違い

Difyには似た2つのアプリ形式があり、最初に迷いやすい部分です。どちらも同じ画面と同じノードの仕組みの上に作られており、違いは動き方にあります。

動き方の違い

ワークフローは、入力を受け取ってから結果を返すまでを一度で実行します。始まりから終わりまでが1回で完結する形式です。

チャットフローは、そこに会話の層が加わります。利用者がメッセージを送るたびに設計したフローが動き、その結果として返答が生成されます。

会話の履歴を保持するかどうかも違います。チャットフローでは前のやり取りを踏まえて応答できますが、ワークフローは1回ごとに独立して動きます。

開始と終了の扱いが変わる

ワークフローの起点は、利用者の入力に加えてトリガーも選べます。トリガーは、決まった時刻での実行や外部からの通知、連携する仕組みからのイベントによって自動的に処理を開始させるものです。

チャットフローは常に利用者のメッセージから始まるため、トリガーはありません。終わり方も異なり、チャットフローでは回答を返すノードが必須になります。

後から作り替えることもできますが、構成を大きく変える作業になります。最初の選択で迷ったら、実際の利用場面を思い浮かべて判断します。

どちらを選ぶか

• ワークフロー：レポートの自動生成、データの加工、まとめて処理する作業
• チャットフロー：問い合わせ対応、案内役となる質疑応答、会話の裏で処理を走らせたい場面

会話が必要かどうかで判断すれば迷いません。1回の指示で結果が返ればよい業務はワークフロー、やり取りが続く業務はチャットフローを選びます。

公式の説明はDify公式ドキュメントの解説ページで確認できます。仕様は更新されるため、設計の前に一度目を通しておくと確実です。

主要なノードの種類と役割

ノードは役割ごとに分かれています。すべてを覚える必要はなく、よく使うものから押さえていけば十分です。

AIに処理させるノード

• LLM：モデルを呼び出して文章の生成や分類、要約を行う中心的な部品
• エージェント：目標に対して手順を判断しながら複数の処理を進める部品
• 質問分類：入力の内容を種類ごとに振り分け、以降の流れを変える部品

処理の中核を担うのがLLMのノードです。使うモデルをノードごとに変えられるため、精度が必要な工程と速度が必要な工程で使い分けられます。

入力の種類によって処理を分けたい場合は、分類のノードが役立ちます。前段で振り分けておけば、以降の指示文をそれぞれ短く具体的にできます。

情報を取ってくるノード

• 知識検索：登録した社内文書から関連する内容を探し出す部品
• HTTPリクエスト：外部のシステムへ通信して結果を受け取る部品
• ツール：検索や画像処理など、あらかじめ用意された機能を呼び出す部品

社内文書に基づいて回答させる仕組みは、知識検索とLLMを組み合わせて作ります。検索した内容を材料として渡し、それをもとに文章を作らせる流れです。

外部との通信を担うノードがあるため、標準で対応していないサービスとも接続できます。接続先が用意している窓口の仕様に沿って設定すれば連携が成立します。

流れを制御するノード

• 条件分岐：設定した条件によって処理の進む先を分ける部品
• 反復処理：配列に入った要素それぞれに同じ処理を行う部品
• 繰り返し処理：条件を満たすまで同じ処理を続ける部品

反復と繰り返しは名前が似ていますが役割が違います。件数の分だけ処理したいときは前者、一定の水準に達するまで作り直したいときは後者を使います。

繰り返しの処理には上限を設けておきます。条件が満たされないまま回り続ける状態を防ぐための、安全のための設定です。

データを整えるノード

• コード実行：簡単な処理を書いてデータを加工する部品
• テンプレート：決まった形式に文章をはめ込む部品
• パラメータ抽出：文章から必要な項目を取り出して構造化する部品
• 変数集約・変数代入：複数の値をまとめたり、値を保持したりする部品

見落とされやすいものの、実務では欠かせない部品群です。AIの出力をそのまま次へ渡すと形式が揺れるため、ここで整えてから進めます。

ワークフローの設計から構築まで支援します どの工程をノードに分けるかの設計が、精度と保守性を大きく左右します。 ネクストスケールは業務フローの整理から構築までを伴走します。 ▶ 構築の相談をする

ワークフローの作り方｜5つの手順

いきなり画面を触り始めると、途中で構成が崩れます。手順を決めて進めるほうが結果的に早く仕上がります。

1. 作るものを紙の上で設計する

何を入力し、どんな処理を経て、何を出力するのかを先に書き出します。この段階でノードに落とし込む必要はなく、業務の流れとして整理できていれば十分です。

設計を飛ばすと、後からノードを差し込む作業が増えます。画面を開く前に流れを固めておくことが、手戻りを減らす最大のコツです。

入力と出力を先に決めておくのも有効です。何を受け取り何を返すのかが固まっていれば、途中の工程は後から調整できます。

2. アプリを新規作成する

Difyの画面から新しくアプリを作り、形式としてワークフローを選びます。名前は目的が分かるものにしておくと、数が増えたときに管理しやすくなります。

用意されているひな形から始める方法もあります。よく使われる構成が形になっているため、白紙から組むより理解が早く進みます。

3. 開始ノードで入力項目を決める

最初に置かれている開始のノードで、受け取る項目を設定します。文章を入れる欄、選択肢から選ぶ欄、ファイルを添付する欄などを用途に応じて用意します。

ここで決めた項目が、以降のノードで使える値になります。後から増やすこともできますが、最初に必要な項目を洗い出しておくほうがすっきりします。

4. ノードを追加して設定する

設計した流れに沿って、ノードを追加し線でつないでいきます。それぞれのノードで、何を入力として受け取り、どんな処理をするかを設定します。

一度に全部を組まず、数個つないだ時点で動かしてみます。区切りながら確認するほうが、問題の箇所を特定しやすくなります。

設定の際は、ノードの名前を役割が分かるものに変えておきます。数が増えたときに、どこで何をしているのかを追いやすくなります。

5. テストして公開する

実行して結果を確認し、想定と違う部分があれば設定を直します。問題がなくなった段階で公開すれば、利用できる状態になります。

公開の形は複数あります。専用の画面として使う、自社サイトへ埋め込む、外部から呼び出す窓口として使うといった選択肢から、用途に合うものを選びます。

変数の受け渡しを理解する

ワークフローでつまずく原因の多くは、ノード間で値がどう渡っているかを把握できていないことにあります。ここを理解すると、組み立ての精度が一気に上がります。

各ノードは値を出力する

処理を終えたノードは、結果を値として持ちます。LLMのノードなら生成された文章、知識検索のノードなら見つかった文書の内容が該当します。

これらの値には名前が付いており、後続のノードから指定して呼び出せます。どのノードのどの値を使うのかを選ぶ形で設定していきます。

入力として設定した項目も同じ扱いです。開始のノードで用意した欄の内容は、以降のどのノードからでも呼び出せます。

形式が合わないと止まる

値には文章や数値、配列といった種類があります。受け取る側が想定する種類と違うと、処理が進まなかったり意図しない結果になったりします。

AIの出力は形式が揺れやすいため、間にデータを整えるノードを挟む構成が有効です。決まった形に直してから次へ渡せば、安定性が上がります。

値の名前は自分で分かりやすく付けられます。何が入っているのかが名前から読み取れれば、後から構成を追うときの負担が減ります。

出力の形式を指定しておく

LLMのノードでは、返してほしい形式を指示文の中で明示します。項目名を決めた構造で返させれば、後続の処理で扱いやすくなります。

形式を決めずに自由に書かせると、実行のたびに構成が変わります。後ろのノードが対応できず、原因の分かりにくい不具合につながります。

AI活用を社内に定着させる研修を提供しています ツールの操作方法だけでなく、どの業務をどう分解して設計するかの考え方まで含めた内容です。 現場が自走できる状態づくりを支援します。 ▶ AI研修・導入支援の詳細を見る

業務での活用例

向いているのは、手順が決まっていて繰り返し発生する業務です。判断の基準が言葉にできるほど、任せられる範囲が広がります。

資料の要約と定型レポート

会議の記録や調査資料を受け取り、決まった形式にまとめて出力する構成です。読み込み、要点の抽出、形式への整形という工程をノードで分けて組み立てます。

毎週または毎月の報告業務であるほど、積み上がる効果が大きくなります。形式が固定されている報告ほど作りやすい題材です。

出力先を決めておくことも大切です。画面に表示するだけでなく、外部のシステムへ書き込む構成にすれば、そのまま業務の中に組み込めます。

問い合わせ内容の振り分け

届いた問い合わせを読み取り、種類ごとに分類したうえで担当部門へ通知する構成です。分類のノードで振り分け、条件分岐で処理を変える形が基本になります。

緊急度の判定を挟むこともできます。一定の条件に当てはまるものだけ別の経路へ流せば、対応の優先順位を自動でつけられます。

コンテンツの下書き作成

テーマと要件を入力すると、構成案を作り、それをもとに本文の下書きまで生成する構成です。工程を分けることで、途中経過を確認しながら進められます。

自社の表現の方針を設定に組み込んでおけば、担当者が変わっても文体が揺れません。完成品ではなくたたき台として使う位置づけにします。

公開する前に、社内で一定期間使って精度を確かめます。いきなり顧客向けに出す進め方は、想定外の回答が表に出るリスクを抱えます。

複数件をまとめて処理する

商品の一覧を渡し、それぞれについて説明文を作らせるといった処理も組めます。件数の分だけ同じ処理を繰り返すノードを使う場面です。

ほかの業務での使われ方は、AIエージェントの例を業務別に紹介した記事でも扱っています。

うまく動かないときの確認手順

組み立てた直後に想定どおり動くことは、むしろ稀です。原因を絞る手順を決めておくと、修正が早く終わります。

実行の記録から止まった箇所を特定する

実行するとノードごとの結果が記録として残ります。どこまで進んで、どこで止まったのかをまず確認します。

原因の切り分けは、止まったノードの入力と出力を突き合わせるところから始めます。受け取った値が想定と違うのか、処理そのものが失敗しているのかで対処が変わります。

一度に複数の設定を変えないことも重要です。どの修正が効いたのか分からなくなり、切り分けそのものが難しくなります。

値が渡っていないケース

最も多いのが、指定した値が空のまま渡っている状態です。前のノードが値を出せていないか、指定するノードを間違えている可能性があります。

ノードを追加したり削除したりすると、参照先がずれることがあります。構成を変えた後は、下流のノードの設定を一通り見直します。

参照先を確認する際は、上流のノードから順にたどります。途中で値が空になっている箇所が見つかれば、そこが原因である可能性が高くなります。

出力の形式が想定と違うケース

AIの出力がそのまま次へ渡っていると、実行のたびに形が変わります。指示文で形式を明示するか、間に整形のノードを挟む対処が有効です。

使うモデルを変えたときにも起こります。同じ指示文でもモデルによって返し方が違うため、切り替えた後は必ず確認します。

外部との通信が失敗するケース

外部システムへ接続するノードでは、認証情報の誤りや接続先の仕様変更が原因になります。返ってきたエラーの内容を確認すれば、多くは特定できます。

失敗したときの動きも設定しておきます。止まったままにするのか、代わりの処理へ進むのかを決めておくと、運用中の影響を抑えられます。

作ったあとの運用設計までご一緒します 構築して終わりではなく、精度の維持と改善の仕組みまで整えて初めて成果になります。 運用ルールづくりから支援します。 ▶ 無料相談を申し込む

運用で押さえる注意点

公開した後に問題になりやすい点があります。設計の段階で決めておくと、後戻りを避けられます。

ノードが増えるほど費用が積み上がる

AIモデルを呼び出すノードは、実行のたびに利用料が発生します。工程を細かく分けるほど呼び出し回数が増えるため、構成と費用は連動します。

すべての工程でAIを使う必要はありません。判断が不要な処理は通常の部品で組むほうが、費用も速度も有利になります。

処理の件数が読めない場合は、上限を設ける設計も検討します。想定を超える実行が続くと、月の途中で費用が膨らむ事態につながります。

扱う情報の線引きを決める

処理の中を顧客情報や取引条件が流れます。外部のモデルへ渡してよい情報の範囲を、着手の前に明文化しておきます。

個人情報保護委員会は、生成AIサービスへ個人情報を含む入力を行う場合の留意点をまとめた注意喚起を公表しています。実務で扱う前に、個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」へ目を通しておくと判断の基準がつかめます。

読み込ませる資料は、事前に不要な個人情報を取り除いてから登録します。一度入れた内容を後から精査するより、入口で絞るほうが確実です。

誰が保守するかを決める

参照する文書が古くなったり、接続先の仕様が変わったりすれば、精度は落ちていきます。作った人が異動した後も維持できる体制が必要です。

構成と設定の意図を文書として残しておきます。ノードの名前を分かりやすく付けておくだけでも、後から読み解く負担が変わります。

実行の記録は改善の材料にもなります。想定外の入力や失敗した処理を定期的に確認すれば、どこを直すべきかが見えてきます。

公開範囲を制御する

作ったアプリを誰に使わせるのか、範囲を決めて設定します。部門限定の情報を扱う仕組みが全社に公開されていると、想定外の閲覧が起きます。

社内ルールの整備手順については、生成AIの社内ガイドライン策定について解説した記事で詳しく扱っています。

まとめ

Difyのワークフローは、AIの処理を部品として並べ、決めた順序で動かす機能です。1回のやり取りで完結する形式で、レポート作成やデータの加工、まとめて行う処理に向いています。

会話を伴う業務であればチャットフローを選びます。同じ画面と同じノードの仕組みを使うため、考え方を覚えれば両方を扱えるようになります。

組み立てで重要なのは、ノード間で値がどう渡るかの理解です。出力の形式を指定し、整えてから次へ渡す設計にしておけば、原因の分かりにくい不具合を減らせます。

外部サービスとの連携が多い業務では、別のツールと組み合わせる構成も検討します。費用構造の違いはn8nの料金プランを比較した記事で、自律的に動く仕組みの考え方はエージェント型AIの仕組みを解説した記事で扱っています。

AI活用とWeb集客の相談は、ネクストスケールへ 愛媛・東京を拠点に、ホームページ制作からSEO、SNS運用、AI研修まで幅広く支援しています。 現状の課題整理から一緒に取り組みますので、お気軽にご相談ください。 ▶ 無料相談を申し込む