Dify智能客服，怎么做到图文并茂？

最近在推进 dify 智能客服应用时，客服团队又提出了一个新需求：

“我们的用户手册都是图文并茂的，有些操作单靠文字根本讲不清楚，能不能也让智能客服的回答里带上图片？”

这个问题其实在很多企业的知识库中都存在。纯文字的知识点，在面对设备操作、软件配置、页面引导等任务时，往往力不从心。图片不仅能直观表达，更能减少沟通成本，提升用户满意度。

常规思路：用 http 节点拼图，但有点麻烦

一开始，我考虑的是通过 dify 的工作流功能来实现图文混排：

• 我们知识库中存储的图片链接有两种格式（ <img>或 ![image] 标签）。

• 利用 参数提取器节点从答案中提取图片链接。

• 在工作流中加入 HTTP 请求节点，拉取图片后，在回答内容末尾拼接上去，再一起发给用户。

虽然技术上可行，但实测下来体验并不好：

• ❌ 工作流太复杂，每次都要提取+拼接。

• ❌ 响应时间拉长，需要等 HTTP 请求完成后，才能一起输出答案。

• ❌ 效果一般，只能把图片放在回答后面，不能真正做到“图文混排”。

于是我开始反思：既然用流程拼接图片不理想，能不能直接让大模型自己理解图文？

灵机一动：让大模型直接“识图识文”！

我突然意识到：大模型在对 HTML、Markdown 等结构文本有很强的解析能力，既然如此，大模型是否可以自己解析并输出图文混排效果？

马上开始调整：

✅ 微调提示词（Prompt）

在回答提示词中加了一句引导语：

如答案有图片<img>、![image](url)，显示图片。

✅ 验证效果：完美！

经过测试，模型在回答中不仅正确引用了知识库的图文内容，还保持了清晰的图文排版结构。

通过简单地优化提示词，不仅大大简化了工作流，完美解决了图文混排的效果，还能保持答案的流式输出效果，客服反馈体验提升明显。