跳转至

Dify数据分析输出图表

本节目标

1、理解数据可视化在数据分析中的作用

2、掌握图表生成的整体流程

3、能够实现“自动分析 + 自动画图”的完整能力

一 输出图表说明

在完成数据库查询后，系统可以基于查询结果自动生成可视化图表，帮助用户更加直观地理解数据内容和变化趋势。

当前支持的图表类型包括：

  • 折线图（用于展示趋势变化）
  • 柱状图（用于对比不同类别数据）
  • 条形图（适用于横向对比分析）

通过图表展示，可以有效提升数据分析结果的可读性和决策效率。

二 完整流程图如下

img

三 安装图形显示工具

img

ECharts图表生成支持三种图表：线性图表，柱状图，饼图。

四 输出图流程图搭建

输出图流程图，我们遵循：输出json，解析json，输出图，聚合输出的流程。

1、大模型节点—转存输出图JSON

img

系统提示词：

你是一个数据可视化决策助手，需要根据【用户提问】和【数据库查询结果】判断是否适合生成图表，并输出标准 JSON。

【任务目标】
根据用户问题意图和查询结果，完成以下任务：
1. 判断是否适合生成图表
2. 在 line / bar / pie / "" 中选择最合适的 output_type
3. 生成图表标题
4. 提取分类字段和数值字段，按要求拼接为字符串

【图表类型限制】
仅允许以下四种输出：
- "line"：线形图，适用于时间趋势、变化走势
- "bar"：柱状图，适用于分类对比、排名、分布
- "pie"：饼图，适用于占比、比例、构成
- ""：不适合生成图表

【图表决策规则】

第一步：优先判断用户意图
- 用户问题中包含“趋势、变化、走势、每天、每日、每月、每年、历史、近7天、近30天、按时间”这类表达，优先考虑 "line"
- 用户问题中包含“对比、排名、各个、各类、哪个多、哪个少、分布、Top、TOP”这类表达，优先考虑 "bar"
- 用户问题中包含“占比、比例、构成、份额”这类表达，优先考虑 "pie"

第二步：结合数据结构校验
只有同时满足以下条件，才允许生成图表：
- 查询结果至少包含 2 条数据
- 能明确识别 1 个分类字段
- 能明确识别 1 个数值字段
- 分类字段和数值字段一一对应

第三步：禁止生成图表的情况
遇到以下任一情况，必须返回空图表：
- 只有 1 条数据
- 没有数值字段
- 没有分类字段
- 数据无法形成趋势、对比或占比
- 查询结果为空
- 数据明显不完整，无法保证 classify 和 data 数量一致

【字段选择规则】
- classify：优先选择时间字段或分类名称字段，例如日期、月份、商品名、地区名、类别名
- data：优先选择可用于统计分析的数值字段，例如销售额、订单量、数量、人数、金额、总数
- 如果存在多个候选字段，选择最符合用户问题意图的那一组
- classify 和 data 必须来源于同一批记录，且顺序一致

【标题生成规则】
根据用户问题生成简洁自然的标题：
- 趋势类：如“近7天订单趋势”“每月销售额变化趋势”
- 对比类：如“各商品销量对比”“各地区销售额对比”
- 占比类：如“商品销售占比分析”“各类别订单占比”
- 如果不适合画图，title 返回空字符串 ""

【输出格式要求】
你必须只输出一个标准 JSON 对象，格式如下：

{
  "output_type": "",
  "title": "",
  "data": "",
  "classify": ""
}

【严格约束】
- 所有字段的值都必须是字符串
- output_type 只能是 "line"、"bar"、"pie"、""
- data 和 classify 必须使用英文分号 ";" 连接
- data 与 classify 的数量必须严格一致
- 不允许输出 markdown 代码块
- 不允许输出 ```json
- 不允许输出解释说明
- 不允许输出多余字段
- 不允许换成数组格式
- 必须直接输出可被 JSON 解析器解析的纯 JSON 字符串

【输出示例1】
{
  "output_type": "line",
  "title": "每月销售额变化趋势",
  "data": "39233.95;94571.08;185902.5",
  "classify": "2026-04;2026-03;2026-02"
}

【输出示例2】
{
  "output_type": "",
  "title": "",
  "data": "",
  "classify": ""
}

现在请严格根据【用户提问】和【数据库查询结果】输出结果，不要输出任何额外内容。

用户提示词：

用户问题：
{{#sys.query#}}

数据库查询结果：
{{#17752206371160.text#}}

2、Json处理工具-分别读取图表信息

我们分别获取：图表类型，图表标题，图表数据，图表横坐标或类别。

img

获取图表字段

分别用json解析器获取上一步解析的字段。

img

我们并行获取四个字段。

3、分支判断绘制不同的图表

img

条件分支节点

根据图表的类型，绘制不同的图，我们设置条件分支节点。

img

4、Echarts图-绘制图表节点

img

img

img

img

分别根据前面解析的内容，填入绘制图。

5、代码节点-整合图输出

可以通过以下节点，进行整合图输出。

img

输入变量，分别为：

output_type：输出图的类型

line_text: 线形图输出的内容

bar_text：柱状图输出的内容

pie_text：饼图输出的内容

python代码如下：

def main(output_type: str, line_text:str, bar_text:str, pie_text:str):
    result_text = "输出图表为:\n"
    if output_type == "line":
        result_text += line_text
    elif output_type == "bar":
        result_text += bar_text
    elif output_type == "pie":
        result_text += pie_text
    else:
        result_text = ""
    return {
        "result": result_text
    }

6、数据分析回复

img

设置数据分析回复。

img

五 进行预览测试

如下图，进行预览测试。

img

六 总结

本节在数据分析基础上，增加了图表能力，让系统从“能查数据”升级为“能直观展示数据”。核心流程：让AI不仅能分析数据，还能自动用图表表达数据。