支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Dify 节点实战分享(一)

发布日期:2025-03-19 04:26:37 浏览次数: 1578 来源:赵宇舰
推荐语

Dify节点实战分享,深入AI应用搭建技巧。

核心内容:
1. 问题分类器节点的构建与应用
2. 条件分支节点在AI工作流中的逻辑解析
3. 参数提取器节点的高级应用与扩展能力

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
摘要
2025年,人工智能博士李开复认为是一个AI应用年,因此我们继续聚焦AI应用的主要航道,开展AI应用的知识储备,开展AI工作流,AI agent方面的学习,今天为大家主要讲解是dify AI应用搭建,更快的进入AI 生成的赛道。
节点分享
一、问题分类器节点
问题分类器节点主要为我们解决了通过AI识别上游中心词,以及抽象后的判断,实现下游业务的选择,在应用于AI工作流及AI agnet构建有较好的帮助。
可以看到上图是已构建好的工作流,当链接开始节点后,触发开始节点,即可完成工作流的运行。
运行结果解析:
当我们完成输入为苹果的输出词,LLM节点通过上下文 苹果 完成了苹果的营养价值,通过问题分类走向 主语是水果的分支,结束节点,完成结果的输出。
二、条件分支节点
条件分支节点是用于解决更加严谨的条件判断,更加适合用于AI 工程的SQL语言的配置组合,如下图,已搭建好了一个条件分支节点的AI工作流。
流程图的逻辑解析,当输入的是水果,且是橘子,实现一套逻辑的输出,当如果不包含橘子,其是水果,是另外一个结果的输出,如果是非水果,如是羊肉是一个结果的输出,如果是非水果,如猪肉,是另外一个结果的输出。
运行结果解析:
如上图,当如果不包含橘子,其是水果,是另外一个结果的输出,我们输入的是苹果,则输出原始输入的“苹果”。
三、参数提取器
参数提取器,是一个针对上游大模型输出的全文,寻找如:人物,如上文是一个:“小明今天购买了一个王者荣耀皮肤,和小晓一起游戏”,则会输出小明,小晓
运行结果解析:
如上,当输入20个水果,LLM大模型按照提示词对20个水果的营养价值进行了输出,然后参数提取器则通过节点能力,实现了对水果名称的抽取。
扩展:
该节点可以完成更加抽象的抽取,如:获得金牌的人员等。实现更加丰富的抽象,是大模型工作流很重要的节点。
总结:
不难看出大模型的节点,实际上是根据大模型的能力,进行了提示词的定制,实现了如上三个节点的能力,由此可知,大模型虽然存在大家所认为的幻觉,笔者认为大模型需要工程化的搭建,是可以生成更好的内容的,进而来完成公众号的自动输出,创作,也能完成读者的阅读需求。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询