如何在 Dify Workflows 中使用 Talordata SERP API

Dify 很适合快速搭建 AI 应用。

你可以建立 workflow，加入 LLM 节点，连接工具，在节点之间传递变量，然后很快做出一个能用的助手。但只要进入真实场景，几乎都会遇到同一个问题：

模型不知道训练截止时间之后发生了什么。

如果只是回答稳定知识，问题不大。
但如果是新闻、价格、SEO 排名、竞品页面、产品发布、政策更新、市场研究，就不能只靠模型记忆。

这时 workflow 需要实时数据来源。

SERP API 就是其中一种很直接的方式。

把 Talordata SERP API 接入 Dify 后，你的 workflow 可以搜索网页，获取结构化搜索结果，再把最新上下文交给 LLM 节点处理。Talordata 的 Dify 页面也把这个集成描述为：把实时搜索数据和多搜索引擎能力带入 Dify workflows 和 agents。

我们要构建什么？

一个简单的 Dify workflow：

用户问题
→ Talordata SERP 搜索工具
→ LLM 节点读取搜索结果
→ 输出整理后的回答和来源链接

这已经能覆盖很多实用场景：

• 实时研究助手

• 市场趋势监控

• SEO 内容大纲生成器

• 竞品追踪 workflow

• 新闻摘要 Agent

• 加入实时搜索上下文的 RAG workflow

• 产品或价格研究助手

重点不是把 workflow 做得很复杂。
重点是：当答案需要最新信息时，让 workflow 有能力获取搜索结果。

为什么要在 Dify 中加入 SERP 数据？

普通 Dify 应用可以处理 prompt、文件、知识库和用户输入。
但当答案依赖实时网页信息时，只靠 LLM 不够。

例如：

What are the latest pricing pages for CRM tools?
Which pages rank for “best project management software” today?
What are recent news results about this company?
What questions appear around this product category?

这类问题应该先搜索，再回答。

Talordata 的 Dify 页面也说明了这个问题：LLM 有知识截止限制，爬虫维护复杂，而 SERP API 可以让 Agent 在 Dify workflow 中直接获取实时网页结果。

Step 1：在 Dify 中安装 Talordata SERP 插件

先进入 Dify。

Talordata Dify 页面说明，插件可以通过 GitHub 下载或导入安装；选择工具后，Dify 的参数面板会显示 query、device、location、gl、hl 等字段。

实际流程可以这样理解：

Dify Plugin / Marketplace 区域
→ Install from GitHub 或导入插件包
→ 加入 Talordata SERP 插件
→ 设置 provider credentials
→ 在 workflow 或 agent 中使用搜索工具

GitHub repository 也说明，这个插件会把 Talordata SERP API 暴露为 Dify tools，并需要在 plugin provider settings 中设置 Talordata SERP API key。

Step 2：设置 SERP API Key

安装后，需要在插件的 provider settings 中填入 Talordata SERP API key。

这里有一个容易踩坑的小细节：请使用 SERP API key，不要使用 dashboard login JWT token。插件 README 明确说明，API key 的格式类似 sk_xxxxxxxxx...，而 Talordata login JWT 只适用于 dashboard API，比如 quota、token management、statistics 和 Playground schema。

所以凭证设置应该是：

Provider: Talordata SERP
Credential: SERP API key
不要使用: dashboard login JWT

这个细节看起来小，但能省下一个下午的排错时间。

Step 3：在 Dify workflow 中加入搜索工具

插件设置完成后，就可以把搜索 action 加入 workflow。

插件 repository 说明，它会为每个启用的 SERP engine 暴露一个 Dify action，另外也提供 raw request action 供进阶使用。它列出的 Google actions 包含 google_search、google_image_search、google_news_search、google_shopping_search、google_maps_search、google_scholar_search、google_trends_search；Bing actions 包含 bing_search、bing_image_search、bing_maps_search、bing_news_search、bing_shopping_search、bing_videos_search；另外还有 yandex_search 和 duckduckgo_search。

第一个 workflow 建议先用 google_search。

节点可以很简单：

Start node
→ Talordata google_search tool
→ LLM node
→ Answer node

搜索工具负责拿数据。
LLM 节点负责把搜索结果整理成用户能读懂的内容。

Step 4：把用户输入映射到搜索查询

大部分 workflow 都应该把用户输入映射到工具的查询字段。

例如：

User input variable: {{query}}
Tool field: q

插件 README 的使用流程也类似：安装插件、设置 provider credentials、把 Google Search 或 Bing Search 加入 workflow 或 agent、把用户查询映射到 q 这类 query field、执行 workflow，最后使用返回的结构化 JSON 结果。

一个基础 Google Search 节点可以这样配置：

{
  "q": "{{query}}",
  "gl": "us",
  "hl": "en",
  "num": 10
}

后续可以把 gl、hl、location、device 做成 workflow input。第一版先固定也没问题。

Step 5：让 LLM 明确知道怎么处理 SERP 数据

搜索结果不是最终答案。

它只是原料。

LLM 节点需要一个明确任务，例如：

You are a research assistant.

Use the SERP results to answer the user’s question.
Focus on title, snippet, URL, source, and ranking position.
Do not invent facts that are not supported by the results.
Include source URLs when they help the user verify the answer.
Keep the answer concise.

如果你在做 SEO 内容研究，可以让 prompt 更具体：

Read the search results and identify:
1. Common search intent
2. Repeated content angles
3. Important competing pages
4. Questions users may ask
5. A suggested content outline

如果是市场监控：

Read the search results and summarize:
1. Recent market signals
2. Competitors mentioned
3. Product or pricing changes
4. Newsworthy updates
5. URLs worth reviewing manually

不要只写「analyze everything」。这种 prompt 很容易让结果变成一团雾。
给它一个小任务，输出反而会更稳。

Step 6：用对搜索参数

Dify workflow 如果带上搜索上下文，会更有用。

常用参数包括：

Talordata 的 Dify 页面说明，参数面板可以提供 query、device、location、gl、hl 等字段；同时也提到可配置自然语言查询、地理与语言支持、分页，以及 web、news、video、image 等搜索类型。查看完整的集成教程>>

例如，SEO workflow 可以这样配置：

{
  "q": "{{keyword}}",
  "gl": "us",
  "hl": "en",
  "location": "New York, United States",
  "device": "desktop",
  "num": 10
}

新闻监控 workflow 可以使用 news search action。
产品研究 workflow 可以使用 Shopping search。

Step 7：只在必要时使用 raw request

插件也提供 raw_serp_request，用于进阶场景。

repository 说明，生成的 actions 会固定各自的 engine 参数，并在 Dify node 中直接暴露常用 SERP 参数；如果需要进阶 request 参数，可以使用 raw_serp_request 传入自定义 params_json。

示例：

{
  "engine": "google",
  "q": "coffee",
  "params_json": "{\"gl\":\"us\",\"hl\":\"en\",\"num\":10}"
}

大部分 workflow 先用普通 action 就好。

只有当标准 tool node 没有暴露你需要的参数时，再考虑 raw request。

常见 workflow 示例

实时研究助手

用户提出最新问题
→ 搜索 Google
→ 摘要前排结果
→ 返回简洁回答和来源 URL

SEO 内容大纲生成器

用户输入关键词
→ 搜索 Google
→ 提取前排页面、摘要、可能的 PAA 问题
→ 生成搜索意图、内容大纲、FAQ 和内容角度

市场情报 workflow

用户输入品牌名或竞品名
→ 搜索 web/news
→ 提取近期提及
→ 摘要市场信号
→ 输出值得人工查看的 URL

加入实时搜索的 RAG

用户提问
→ 搜索 web
→ 把 SERP snippets 和 URLs 传入 LLM node
→ LLM 结合实时搜索上下文和内部知识库回答

Talordata 的 Dify 页面也列出类似场景，包括 RAG real-time augmentation、AI agent web connectivity、market and trend intelligence，以及 SEO/content intelligence。

Best Practices

第一版 workflow 要保持简单。
一个 search node，一个 LLM node，一个 answer node。不要一开始就堆太多分支。

不要什么都搜索。
只有当问题依赖最新信息、外部来源、地区、市场或搜索结果时，才让 workflow 搜索。

尽量保存有用 metadata。
Query、country、language、device、timestamp 和 result URL 对排错和历史比较都很重要。

让模型适度提供来源。
不用每句话后面都塞来源，但当回答依赖搜索结果时，URL 应该可见。

避免在搜索查询中放入不必要的敏感个人数据。插件 README 也建议避免在 search queries 中放入不必要的敏感个人数据。

留意 quota 和 rate limits。插件 README 说明，搜索可用性、新鲜度、延迟、quota 和 rate limits 取决于 Talordata SERP API 以及用户账户方案。

免费试用TalorData

FAQ

Talordata SERP API for Dify 是什么？

它是一个 Dify 插件集成，让 Dify workflows 和 agents 可以调用 Talordata SERP API，获取结构化搜索引擎结果。这些结果可以交给 LLM 节点，用于回答、摘要、研究、SEO workflow 或 RAG 上下文。

使用它需要写代码吗？

普通 workflow 不需要。安装插件并设置 API key 后，你可以把 search tool 作为 workflow 或 agent 节点加入，然后映射 q、gl、hl、location、device 等字段。

支持哪些搜索引擎？

插件 repository 列出 Google、Bing、Yandex 和 DuckDuckGo actions，也包含多种 Google 和 Bing 垂直搜索 actions，例如 images、news、shopping、maps 和 videos。

google_search 和 raw_serp_request 有什么不同？

google_search 适合一般 Google Search workflow，常用参数会直接出现在 Dify node 里。raw_serp_request 适合进阶需求，可以通过自定义 params_json 传入 engine-specific 参数。

可以用于 RAG 吗？

可以。常见方式是先用 SERP tool 获取实时搜索结果，再把 snippets、titles 和 URLs 传给 LLM node，或与内部知识库结果一起使用。

每个 Dify workflow 都需要搜索吗？

不需要。当答案依赖最新或外部信息时，搜索很有用。对稳定定义、内部流程或只基于用户输入的任务，搜索可能是多余的。