CertaEdge / 文档

简体中文

English

简体中文

English

切换主题

Dify 配置教程 ​

先准备已可登录的 Dify 工作空间、CertaEdge API Key，以及支持 Chat Completions 的完整模型 ID。

1. 安装兼容提供商 ​

打开 Dify 设置 → 模型供应商，在待安装供应商或 Marketplace 中查找 OpenAI-API-compatible。选择官方维护的对应插件，安装后打开其卡片并添加模型。

这里明确使用兼容插件，不把 CertaEdge 密钥直接填入只连接 OpenAI 官方地址的配置。

2. 添加 LLM 模型 ​

按当前插件表单填写：

字段填写内容
模型类型LLM
模型名称从 CertaEdge 复制的完整模型 ID
API Key自己的完整密钥，即使插件把此项标为可选也要填写
API Base URLhttps://certaedge.com/v1，不填写完整的 /chat/completions
对话类型 / ModeChat / 对话
API 类型（若有）Chat Completions
模型上下文长度首次短文本测试可保留插件默认值；用于实际应用前按模型规格调整，不超过模型实际窗口
最大 token 上限不超过模型支持的最大输出；首次可保留插件默认值做短文本测试
API endpoint 中的模型名称通常留空，或填同一个真实模型 ID；不要误填显示名称

其他高级能力先保留默认；只在确认模型支持时再开启视觉、工具调用和多模态功能。

Dify 接入 CertaEdge 的配置字段示意

图为主要字段示意，完整必填项以插件表单为准。

点击保存或校验。这个过程可能会调用模型验证凭证，并产生相应用量。

3. 在最小应用中使用 ​

  1. 新建一个简单聊天应用，或在已有工作流中选择一个 LLM 节点。
  2. 在模型选择器中选择刚添加的 OpenAI-API-compatible → 模型。
  3. 只发送一条短文本测试；先不启用知识库、工具或图片输入。
  4. 在 Dify 预览中收到回复，再到使用日志核对模型与调用状态。

配置模型不代表所有应用会自动切换。如果应用未指定模型，还要检查工作空间默认模型。

遇到问题 ​

  • 保存失败：按提示补全上下文长度等必填项，查看具体 HTTP 错误。
  • 连接成功但应用不使用：重新选择节点或应用中的模型。
  • 400 参数错误：检查 Chat / Responses 选择和高级参数，不只检查密钥。
  • 本机测试成功、Dify 失败：确认 Dify 服务或容器能够访问 API，按排错说明检查。

更多界面说明见 Dify 官方模型供应商文档。

用工作流调用生成任务 ​

视频或音乐接口通过 HTTP 请求节点调用，不把媒体生成模型注册成普通 LLM。下面采用“提交”和“查询”两个小流程，避免一个聊天请求长时间占用工作流。

流程一：整理提示词并提交 ​

  1. 新建 Workflow，开始节点添加 prompt 和 video_model 两个文本输入。
  2. 可选：加 LLM 节点，把 prompt 整理成镜头描述。该节点使用已经验证可聊天的模型，不使用视频模型。
  3. 创建 Secret 类型的环境变量 CERTAEDGE_API_KEY，保存自己的密钥；不要让最终用户在普通对话输入框填写密钥。
  4. 加 HTTP 请求节点，Method 为 POST，URL 填 https://certaedge.com/v1/videos。
  5. 请求头添加 Authorization，值为 Bearer 加环境变量选择器插入的密钥；再加 Content-Type: application/json。
  6. Body 选 JSON，将视频示例中的 model 替换为开始节点的 video_model 变量，将 prompt 替换为整理节点的文本或开始节点输入。使用界面的变量选择器，不手写虚构的节点 ID；其余参数按模型要求填写。

HTTP 节点的 body 通常是响应文本，不一定已经是可直接选取的 JSON 对象。在后面添加 Python Code 节点，把输入变量 body 绑定为该响应的 body：

python
import json

def main(body: str) -> dict:
    data = json.loads(body)
    task_id = data.get("id")
    if not isinstance(task_id, str) or not task_id.startswith("task_"):
        raise ValueError("生成接口未返回有效任务 ID，请检查 HTTP 状态和错误正文")
    return {"task_id": task_id, "status": str(data.get("status", ""))}

为代码节点配置同名输出 task_id 和 status，类型均为 String。最后将它们连接到结束节点，让调用者保存任务 ID。HTTP 非成功响应应走错误分支，不当作生成成功。

流程二：查询状态并返回结果入口 ​

  1. 新建查询 Workflow，开始节点只接收 task_id。
  2. HTTP 节点用 GET，URL 通过变量选择器拼成 https://certaedge.com/v1/videos/ 加该 ID，使用同一 Secret 变量配置认证头。
  3. 解析返回的 status，按视频状态表显示等待、完成或失败；失败时把可公开的错误返回给调用者。
  4. 完成后才使用 /v1/videos/{任务ID}/content 下载。若当前工作流没有安全的文件下载或存储节点，交给后端或 n8n 使用 API Key 下载，不把 API Key 拼进返回链接。

这套方式支持“提示词整理→提交任务→稍后查询”。需要全自动等待时，可由 n8n或应用脚本调度这两个流程。

若要在 Dify 内配置 Loop，必须有可用的等待步骤和明确的最大次数；不要假设所有版本都有内置 Wait，也不要通过反复调用 LLM 来消耗等待时间。

更换生成服务 ​

调用音乐、Midjourney 或后台 Responses 时，修改提交 URL 和请求体后，也要同步修改 ID 提取、查询路径和状态判断，不能只替换模型 ID。对应规则见生成任务总览。