a.打开官网:https://cloud.dify.ai/signin
b.利用账号登录,选gmail,github账号都可以
Dify 事情流分为两种类型:
Chatflow:面向对话类情景,包括客户做事、语义搜索、以及其他须要在构建相应时进行多步逻辑的对话式运用程序。以客户做事为例:通过将 LLM 集成到您的客户做事系统中,您可以自动化回答常见问题,减轻支持团队的事情包袱。LLM 可以理解客户查询的高下文和意图,并实时天生有帮助且准确的回答。Workflow:面向自动化和批处理情景,适宜高质量翻译、数据剖析、内容天生、电子邮件自动化等运用程序。二、实现过程事情流逻辑:根据学生输入的各科目的分数,进行评分。如果语文和数学两门成绩都在99以上,则评为‘顶级学霸’(代码实行),如果语文和数学两门成绩都在80分以上,则评为“精良学生”(代码实行),否则评为“还需连续努力”(代码实行)。
1、选择事情室-选择空缺运用
这里我选择事情流的运用类型,名称设置为:Q老师评分,描述设置为:评分小助手。
2、编排事情流
事情流便是一个流程图,包含开始节点、中间处理节点、结束节点,开始节点一样平常须要有输入字段,结束节点一样平常是一个分支的结束,是输出结果,须要有输出变量,中间节点一样平常是处理的逻辑。
开始节点:
中间条件分支节点:
中间代码实行节点:
结束节点:
完全的事情流编排如下:
3、调试
点击运行-输入变量值-点击开始运行:
可以看出输出了总分和评价:
可以看一下输入和输出的详情:
可以点击一下追踪,看到实行的这条分支每个节点的输入输出情形:
4、发布
点击发布:
事情流可以发布为工具,作为agent运用的工具。同时也可以直接运行(批量运行)或者通过发布API的形式供应做事。
输入分数,点击运行:
实行结果符合预期:
三、小结
事情流利过将繁芜的任务分解成较小的步骤(节点)降落系统繁芜度,减少了对提示词技能和模型推理能力的依赖,提高了 LLM 运用面向繁芜任务的性能,提升了系统的可阐明性、稳定性和容错性。
作者简介: 读研期间揭橥6篇SCI数据算法干系论文,目前在某研究院从事数据算法干系研究事情,结合自身科研实践经历持续分享关于Python、数据剖析、特色工程、机器学习、深度学习、人工智能系列根本知识与案例。关注gzh:数据杂坛,获取数据和源码学习更多内容。
原文链接:
【Python大措辞模型系列】一文教你利用dify云版本开拓一个AI事情流(完全教程)