Dify 企业级实验（08）：人机协同审批流——机器预审与人工确认如何配合？

1. 业务场景

先讲一个我们实际遇到的场景。

报销审批，财务的日常：员工提交报销单，财务一张张人工审——金额超没超限、发票格式对不对、是不是重复报销。一天几十单，财务被淹没在重复劳动里。

我们第一次接这类需求时，第一反应也是「要么全自动、要么全人工」。真正动手才发现——两头都是坑：纯人工低效，纯自动不可靠；生产系统的答案在中间：规则优先、LLM 补位。AI 判机器能判的，人判机器判不了的。

全自动又不敢：AI 全判，误放行一笔违规报销就是财务风险。纯人工低效，纯自动不可靠。

这不是个例。任何审批/风控场景都是这个模式：机器预审提效，人工兜底负责。

2. 场景痛点

这个流程的痛点，在财务身上体现得最直接：

• 纯人工低效：合规单据也占用财务时间，一天几十单，审单审到麻木，真正需要判断的单据反而没精力看。
• 纯自动不可靠：AI 全判，误放行一笔违规报销就是真金白银的损失，责任还说不清。
• 规则和 LLM 边界不清：金额超限、重复报销这种确定性校验也走 LLM，又贵又不可解释，审单依据说不出口。
• 驳回无路径：单据驳回后员工不知道错在哪、改完怎么重提，流程卡死。

本质上，「规则优先、LLM 补位」——确定性校验用规则（0 Token 且可解释），LLM 只做规则判断不了的部分。

3. 方案：为什么是规则优先、LLM 补位

Dify 的 code 节点 + LLM + 外部状态存储，正好实现「规则拦截 → LLM 评估 → 分流处理」的审批状态机。选它的理由：

• 规则优先：金额/重复/发票格式用 code 校验，0 Token、可解释、可测试；
• LLM 只补位：只评估备注里的非结构化风险，输出低/中/高三档；
• 状态闭环：自动通过/转人工/驳回重提，状态持久化到 KV，重启不丢。

这篇文章我们就用它搭一个「报销预审应用」：规则拦截 + LLM 风险评估 + 自动放行或转人工。

4. 整体架构

链路很清晰：读审批状态 → 规则校验 → 通过后 LLM 风险评估 → 低风险自动通过 / 中高风险转人工。规则优先、LLM 补位是这条链的关键设计。

5. 模块设计

5.1 开始变量

start 变量：expense_id（文本）、amount（数字）、category（下拉：差旅/餐饮/办公/其他）、invoice_no（文本）、applicant（文本）、remark（段落，选填）。

5.2 规则校验（确定性拦截）

规则校验 code 节点：进入 LLM 之前先用确定性规则拦截，返回 rule_pass（"true"/"false"）与原因列表：

def main(expense_id: str, amount, category: str, invoice_no: str, applicant: str, remark: str, state_body: str) -> dict:

    import re, json

    try:

        amt = float(amount or 0)

    except Exception:

        amt = 0

    reasons = []

    if amt > 5000:

        reasons.append("金额超上限（5000 元）")

    if not re.search(r"^(INV|FP)\d{6,}$", str(invoice_no or "")):

        reasons.append("发票号格式不正确（INV/FP 开头+6 位以上数字）")

    # 重复检测：读 KV 中该 expense_id 的历史记录

    # 已通过 → "重复报销（该单已通过）"；待审/审批中 → "该单正在审批中"

    rule_pass = "true" if not reasons else "false"

    return {"rule_pass": rule_pass, "reasons": "；".join(reasons) if reasons else "规则校验通过",

            "amount": str(amt)}

5.3 规则分支（if_rule）

if_rule 分支判断 cd_rules.rule_pass is "true"（字符串比较，必须精确 "true"）。

5.4 LLM 风险评估

LLM 风险评估（规则通过后才调用，只输出三个字之一）：

system: |

  你是报销审批预审员。根据报销单信息评估风险等级，只输出三个字之一：低、中、高。

  判定规则：金额接近上限（4000 以上）、备注含敏感或模糊描述（加急/特批/代报）、

  发票信息不完整 → 中或高；常规合规报销 → 低。

5.5 风险分支（if_risk）

if_risk 分支判断 lm_risk.text is 低 → 自动通过；否则（中/高）转人工。

5.6 状态持久化

状态持久化：审批状态按 expense_id upsert 到 KV（dify104_08_approvals），自动通过写 status=已通过，转人工写 status=待审，并记录 risk 与时间——工作流重启状态不丢，也为重复检测提供依据。

6. 运行验证

环境：Dify 1.16.1（Docker Compose），模型 DeepSeek deepseek-v4-flash。DSL 导入发布通过，Service API 验证全分支。

7. 实战坑

8. 实验文档及源码获取

• 实验文档：DIFY-104-08：人机协同审批流——机器预审与人工确认.md
• 源码一（报销预审）：dify104_08_01_报销预审.yml
• 源码目录：dify-104/dsl

文章聚焦核心配置与采坑点，完整分步操作与人工审批衔接说明见实验文档原文。