很多小团队做 Dify 应用时，第一反应是做一个“能聊天的客服助手”。但真正能带来复用价值的，往往是更朴素的流程：把客户提交的零散信息整理成结构化资料，先校验、再审批、最后入库。这个流程做好以后，后面的报价、跟进、知识库问答和售后维护才有可靠数据。
这篇文章不讲泛泛的 Dify 入门，而是聚焦一个具体场景：客户资料收集。它和AI智能体与自动化专题里的多步执行思路一致，也适合放进老达AI实践专题的交付型案例里。
先定义“客户资料”到底要收什么
不要让 Dify 一上来就自由聊天收集信息。自由输入适合补充背景，但不适合作为唯一入口。更稳的做法是先定义字段，再让 AI 帮你补齐和解释。
一个本地服务或小团队项目，常见字段可以分成五类：
- 基础身份：联系人、公司或门店名称、城市、联系方式。
- 业务类型：客户所属行业、产品或服务类别、当前使用工具。
- 需求目标：想解决什么问题，期望交付什么结果。
- 约束条件：预算、时间、素材、权限、隐私要求。
- 跟进状态：是否已确认、是否需要补充资料、下一步负责人。
Dify 的价值不是替你凭空猜字段，而是把用户自然语言里的内容映射到这些字段里。字段越清楚，后续校验、审批和入库越稳定。
入口用表单，补充说明用对话
客户资料收集最好采用“表单 + 对话”的组合。表单负责拿到关键字段，对话负责解释复杂背景。这样既不会让客户觉得填写成本太高，也不会让业务数据全部散落在聊天记录里。
可以把入口设计成三步：
- 表单先收必填字段，例如联系人、需求类型、预算区间和期望时间。
- Dify 根据表单内容生成补充问题，只追问缺失或矛盾的信息。
- AI 输出一份结构化摘要，等待人工确认后再进入数据库。
这和n8n表单获客自动化怎么搭的思路不同：n8n 更适合连接表单、消息和外部系统，Dify 更适合处理“客户说了一大段话，怎么归纳成业务字段”。两者可以组合，但不要把职责混在一起。
AI校验要查完整性、矛盾和风险
资料收集流程里，AI 最适合做三类校验。
第一是完整性校验。比如客户只写了“想做一个自动回复”，但没有说渠道、语料、人工接管方式，AI 应该标记为“需要补充”。第二是矛盾校验。比如预算很低，但希望三天内交付多渠道客服系统，就应该提示人工确认范围。第三是风险校验。比如客户上传了敏感数据，或者要求直接处理账号密码，就需要进入人工审核。
可以让 Dify 输出固定 JSON 结构：
{
"summary": "客户需求摘要",
"missing_fields": ["缺失字段"],
"conflicts": ["矛盾点"],
"risk_flags": ["风险点"],
"suggested_next_step": "建议下一步"
}如果你已经在做 Dify 人工确认，可以把这一步和Dify 人工审核怎么做里的确认节点连起来：AI 只给建议，是否入库由人决定。
人工审批不要只做“通过/拒绝”
很多自动化流程把人工审批做成一个按钮：通过或拒绝。客户资料收集更适合细一点，因为资料不完整时未必应该拒绝，而是要补充、合并或转交。
建议把审批结果设计成四种：
- 通过入库：资料完整，进入客户表或线索表。
- 需要补充：自动生成一条补充问题，发给客户或销售。
- 合并记录：发现是已有客户，避免重复创建。
- 转人工处理：涉及敏感信息、异常报价或高价值线索。
这样做的好处是，Dify 不再只是聊天工具，而是一个带判断记录的资料整理台。后续不管接 n8n、飞书表格、CRM 还是自建数据库，都能知道每条资料为什么被这样处理。
结构化入库前要有去重和字段映射
入库前至少做两件事：去重和字段映射。
去重不要只看手机号或邮箱。有些客户会换联系人，有些线索来自不同渠道。可以用“公司名 + 城市 + 业务类型 + 联系方式”做初筛，再让人工确认是否合并。字段映射则要明确 Dify 输出的字段如何进入目标表，比如 customer_name、industry、need_summary、budget_range、approval_status、source_channel。
如果你还没有稳定的数据表，可以先用飞书多维表格或普通表格承接，等字段稳定后再迁移到 CRM 或数据库。AI Agent 写入业务数据时，也要保留日志和可回滚记录，相关思路可以参考MCP工具调用日志怎么做。
这套流程适合哪些场景
这类 Dify 客户资料收集流程，最适合信息不标准、但又需要后续复用的场景：
- AI副业接单：把客户需求整理成需求单和报价依据。
- 本地商家线索：把咨询记录整理成门店、行业和跟进状态。
- 企业内部申请：把零散申请转成审批资料和任务记录。
- 知识库售前问答：先收集背景，再推荐对应方案或资料。
如果需求已经明确是“线索进入后自动分级、提醒销售回访”，可以更多参考n8n客户跟进自动化怎么搭。如果需求是“资料进来后怎么判断、整理、确认”，Dify 会更适合作为前置理解层。
可复用的 Dify 提示词骨架
可以把下面这段放进 Dify 的提示词或工作流节点里：
你是客户资料整理助手。请把用户输入整理成结构化客户资料，不要编造缺失信息。请输出：客户摘要、已确认字段、缺失字段、矛盾点、风险提示、建议下一步。若信息不足，请只提出最多 3 个补充问题。若包含账号密码、个人敏感信息或高风险承诺，请标记为需要人工处理。
注意，这段提示词要配合字段定义使用。只写提示词、不设计字段，最后还是会变成一堆难以复用的聊天摘要。
老达点评
Dify 的强项不是替你保存一切，而是把自然语言变成可判断、可审批、可流转的信息。客户资料收集这个场景看起来小，却很适合训练团队的 AI 自动化习惯：入口标准化、AI 做校验、人来拍板、系统留日志。等这个流程跑顺了，再接报价、任务分配和售后回访，成功率会比一开始就做“大而全智能体”高得多。
