dify案例分享 | ECharts打造上证综指5日K线可视化，超详细教程来袭

今天主要带大家了解了如何基于 Dify 的 Workflow 引擎构建上证综指 5 日 K 线可视化组件，详细介绍了使用 ECharts 实现股票价格趋势显示的工作流制作过程。介绍了 ECharts 作为百度开源的可视化解决方案的强大功能及技术特性。通过定义开始节点、使用文档提取器、配置 LLM 大语言模型、进行 echarts 代码转换生成以及直接回复等步骤，完成了工作流的搭建，并进行了验证和测

Android老皮

1314人浏览 · 2025-02-26 10:54:56

Android老皮 · 2025-02-26 10:54:56 发布

一、前言

ECharts是百度开源的可视化解决方案，基于ZRender矢量渲染引擎构建，提供跨平台、多端适配的交互式数据可视化能力。该库凭借其模块化架构与API设计，支持20余种主流图表类型及多维数据分析功能，在金融、物联网、商业智能等领域实现日均千万级调用。

作为当前国内应用最广的前端可视化工具链，ECharts 7.x版本通过以下技术特性持续领跑市场：

WebGL加速渲染引擎，可承载百万级数据点实时渲染
声明式配置语法，支持JSON Schema校验与智能提示
动态数据驱动机制，实现毫秒级增量更新
完善的响应式设计，适配从4K大屏到移动H5的全场景需求

本次我们将基于Dify.AI的Workflow引擎，构建上证综指5日K线可视化组件。话不多说我们先看一下实现效果。

在这里插入图片描述

工作流展示

在这里插入图片描述

二、echarts展示工作流制作

2.1 开始

首选我们先定义一个开始节点，这个开始节点需要设置1个文本上传输入参数，目前这个主要使用excel。所以我们设置文件类型。

在这里插入图片描述

按照上图设置一个file作为开始节点的输入参数。

2.2 文档提取器

这个地方我们需要接受开始节点上传的excel 文件，通过这个文档提取器提取文档里面的内容。输入变量是file

在这里插入图片描述

2.3 LLM大语言模型

这个地方我们需要设置一个大语言模型，通过这个大语言模型提取 excel文本内容信息。这里模型我们选择deepseekv2.5的模型，使用硅基流动提供的deepseek模型，有的小伙伴可以问为什么不用v3 和R1模型呢？这里我们只提取文本内容，所以不需要非常厉害的模型。另外硅基最近流量比较大我们选个小模型这样反而速度更快点。

系统提示词

你是一个文档提取专家，请根据用户上传文档内容{{#1740472111460.text#}}提取该表格里面的数据返回json格式数据。  
其中内容格式‘上证指数日线行情’、‘open’、‘high’、‘low’、‘close’、‘volume’字段返回信息，返回的结果信息以json格式返回  
 返回数据格式如下：  
{  
"上证指数日线行情": \[  
{  
"date": "2025-02-19 00:00:00",  
"open": 3320.78,  
"high": 3352.09,  
"low": 3320.58,  
"close": 3351.54,  
"volume": 50291300000  
},  
{  
"date": "2025-02-20 00:00:00",  
"open": 3347.59,  
"high": 3355.56,  
"low": 3338.03,  
"close": 3350.78,  
"volume": 50435700000  
}  
\]  
}

模型的其他设置这里没有过多讲解的地方。

在这里插入图片描述

2.4 echarts代码转换生成

这个地方是本次工作流的一个难点，主要的作用就是通过上个节点的大语言模型提取输出的json格式的数据通过python 代码和echarts来实现数据组装。

代码如下：

import json  
import os  
import re  
  
def main(json\_str: str) \-> dict:  
    try:  
        \# 预处理：清理非 JSON 部分  
        json\_match = re.search(r'\\{.\*\\}', json\_str, re.DOTALL)  
        if not json\_match:  
            return {"result": "Error: Invalid JSON format"}  
          
        \# 提取合法的 JSON 部分  
        cleaned\_json\_str = json\_match.group(0)  
          
        \# 解析JSON数据  
        data = json.loads(cleaned\_json\_str)  
        filename = data.get("filename", "stock\_chart.html")  
        stock\_data = data.get("上证指数日线行情", \[\])  
          
        \# 准备数据格式  
        dates = \[item\['date'\].split(' ')\[0\] for item in stock\_data\]  \# 提取日期部分（去掉时间）  
        open\_prices = \[item\['open'\] for item in stock\_data\]  
        close\_prices = \[item\['close'\] for item in stock\_data\]  
        low\_prices = \[item\['low'\] for item in stock\_data\]  
        high\_prices = \[item\['high'\] for item in stock\_data\]  
        volumes = \[item\['volume'\] / 1e8 for item in stock\_data\]  \# 转换为亿单位  
          
        \# 构建ECharts配置  
        echarts\_config = {  
            "title": {  
                "text": "上证指数日线行情"  
            },  
            "legend": {  
                "data": \["开盘价", "最高价", "最低价", "收盘价", "成交量"\]  
            },  
            "tooltip": {},  
            "dataset": {  
                "source": \[  
                    \["日期", "开盘价", "最高价", "最低价", "收盘价", "成交量"\],  
                    \*\[\[dates\[i\], open\_prices\[i\], high\_prices\[i\], low\_prices\[i\], close\_prices\[i\], volumes\[i\]\]   
                      for i in range(len(dates))\]  
                \]  
            },  
            "xAxis": \[  
                {"type": "category", "gridIndex": 0},  
                {"type": "category", "gridIndex": 1}  
            \],  
            "yAxis": \[  
                {  
                    "gridIndex": 0,  
                    "name": "价格趋势（单位：点）"  
                },  
                {  
                    "gridIndex": 1,  
                    "name": "成交量（单位：亿）"  
                }  
            \],  
            "grid": \[  
                {"bottom": "55%"},  
                {"top": "55%"}  
            \],  
            "series": \[  
                \# 第一个网格中的折线图系列  
                {"type": "line", "seriesLayoutBy": "row", "name": "开盘价"},  
                {"type": "line", "seriesLayoutBy": "row", "name": "最高价"},  
                {"type": "line", "seriesLayoutBy": "row", "name": "最低价"},  
                {"type": "line", "seriesLayoutBy": "row", "name": "收盘价"},  
                \# 第二个网格中的柱状图系列  
                {"type": "bar", "xAxisIndex": 1, "yAxisIndex": 1, "name": "成交量"}  
            \]  
        }  
          
        \# 生成输出文件  
        output = "\`\`\`echarts\\n" + json.dumps(echarts\_config, indent\=2, ensure\_ascii\=False) + "\\n\`\`\`"  
          
        \# 返回结果  
        return {  
            "result": output  
        }  
      
    except Exception as e:  
        return {  
            "result": f"Error: {str(e)}"  
        }

输入参数 json_str 输入值是大语言模型llm string值

输出变量 result 数据类型是字符串string

在这里插入图片描述

2.5 直接回复

这个地方就比较简单，因为上个节点把数据拼装好后，这里就直接显示就可以了。

在这里插入图片描述

以上我们就完成工作流的搭建。

三、验证及测试

上面制作好的工作流（chatflow) 就可以发布出去了

在这里插入图片描述

项目体验地址：http://dify.duckcloud.fun/chat/HesevIZjlbSYd4NM

为了方便演示我这里上传我的excel 测试数据。地址https://mypicture-1258720957.cos.ap-nanjing.myqcloud.com/Obsidian/%E8%82%A1%E7%A5%A8%E8%A1%A8%E6%A0%BC%E6%95%B0%E6%8D%AE.xls

相关资料和文档可以看源的项目 https://github.com/wwwzhouhui/dify-for-dsl