Difyとn8n連携！商談レポート自動化実践

Difyにおける複雑なワークフロー構築のプロセスと、効率的な運用のためのテクニックを解説します。

LLMの連携とサマリー作成

複数のLLMを並列、あるいは直列に繋ぐことで、より高度なアウトプットが可能です。例えば、1つのLLMで検索結果をまとめ、別のLLMで課題を分析させ、最終的にそれらを統合して商談回答案を作成するといったフローが構築できます。複数の出力を1つにまとめたい場合は、後続に「まとめ用LLMノード」を配置し、前のノードの変数を入力として受け取ることで綺麗なサマリーを作成できます。

ナレッジ（RAG）の最適化とノード配置

知識検索（ナレッジ）を利用する際は、ノードの配置場所が重要です。先行するノードのデータしか後続では参照できないため、どのタイミングで知識を取得し、どのLLMにコンテキストとして渡すかを設計する必要があります。また、取り込むファイル形式は、AIが構造を理解しやすい「マークダウン（.md）」が推奨されます。Excelなどは検索精度が落ちる傾向があるため、QA形式にするなどの工夫が必要です。

開発効率とコスト管理

ワークフローが肥大化すると、全工程を実行するたびにAPIコスト（クレジット）と待ち時間が発生します。これを防ぐために、特定のノードだけを動かす「ステップ実行」を活用しましょう。単体での精度を調整した後に全体を通すことで、効率的にデバッグが行えます。

外部ツールとの接続（Webhook・HTTPリクエスト）

作成した内容は、Slackへの通知やGoogle ドライブへの保存が可能です。HTTPリクエストノードを使用することで、Google Apps Script（GAS）経由でデータを自動蓄積し、さらにそれを再びDifyのナレッジへ自動連携させるといったサイクルも実現可能です。

**紹介されたツール・サービス:**

• Dify (AIワークフロー構築プラットフォーム)

• OpenAI GPT-4o / Google Gemini (LLMモデル)

• Google ドライブ / Google Apps Script (データ連携)

• Slack (通知先)