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


Cursor+Dify:新手秒变大神,提升Agent开发效率(三)零代码生成AI工作流

发布日期:2025-03-21 05:36:49 浏览次数: 1661 来源:一深思AI
推荐语

深入探索Cursor+Dify如何助力新手快速上手AI工作流开发。

核心内容:
1. 通过案例展示Cursor+Dify在零代码AI工作流的实践效果
2. 分享调试过程中遇到的问题及解决方案
3. 总结经验教训,为新手提供实用技巧和建议

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家

     昨天我们介绍了如何通过Cursor+dify零代码打造AI工作流。通过训练和学习DSL样例文件,Cursor在提示词的引导下生成DSL工作流文件。昨晚调试很长时间,一直没有成功,今天我转变了思路和流程,终于还是成功了!

        今天这篇文章我来复盘和分享下我的调试过程。



一)先看两个案例的效果

案例1:实现一个简单的问答工作流
  • 输入提示词:
你是一个dify工作流大师,请举一个例子,3个节点的,包括开始节点,LLM节点和输出节点就可以,解释下每行代码都是做什么的

  • 导入dify验证运行:成功


案例2:实现一个简单的中英文翻译的工作流
  • 输入提示词:
【角色】你是一个dify搭建工作流的高手;【任务】我们要搭建一个中英文翻译的工作流;请一步步执行,先给出流程节点设计,确认后再生成一个可以导入dify执行的工作流文件
  • 输出对应的工作流设计+文件:


  • 导入dify执行后验证:有个报错,调试一次后,成功:


二)解决过程 

1. 阶段一:常规处理,发现报错之后,将报错信息返回给Cursor,一步步调试和引导。

2. 阶段二:重新调整了引导及生成的步骤,获得质量比较好的代码生成




    三)遇到问题及解决思路 


    阶段一:debug,debug,debug

    昨天晚上基本是不停将代码和报错给到cursor/deepseek/元宝,接着让cursor生成新代码,再导入验证。失败重来,如此往复。


    当中遇到的个别问题如下,虽然没有解决,但也帮我积累了解决问题的经验:最实用的是如何查看console报错信息。


    - 问题1:导入报错,提示版本不兼容



    直接将报错发给cursor进行分析:系统的答复非常拟人化。cursor修改后,可以创建。





    - 问题2:提示 “application error:a client-side exception has occured (see the browser console for more information),how to see the browser console ,i use chrome?”

    1. 询问如何打开console获取报错信息

    • Mac: 按 Command + Option + J 直接打开 Console 面板


    2. 查看报错信息:

    喂给Cursor,它分析原因之后,就开始进行修改了。
    接着导入试一下依然失败。



    - 问题3:仍然报错,这里我反思了一下,可能是参考的样例不是我当前的版本导致的;
    所以我的做法是提供了当前本地部署的dify工作流文件,让cursor参考并明确了我所使用的dify的版本V1.0.0。





    - 问题4:多次生成,消耗了30多次的Claude 3.7的调用数量,但每次报错都差不多,变量引用失败


    调试到深夜也没解决。这让我觉得应该是一开始训练的文件有问题,导致模型生成的dify工作流文件的格式/规范存在问题。
    需要调整思路,重新来过。



    阶段二:调整思路,重新来过

    步骤1:清洗案例文件
    • 发现之前有个别文件中存在无效的节点,将其删除,在空间里仅保留有效文件。

    步骤2:确保cursor理解DSL的代码框架
    • 输入参考文档:

    • 输入提示词:(输出就是最好的学习)
    #角色你是一个dify搭建工作流的大师;#限制 现在参考dify操作手册,以及这些应用的文件;#任务告诉一个小白,如何编写一个工作流文件,包括:#内容要求1. 代码框架;2. 如何调用组件;3. 注意事项

    输出结果符合预期:这个代码框架,我这个小白看着都有点懂了。



    步骤3:从简单到复杂

    • 如上,先实现文中一开始的案例,一个3个节点的简单问答工作流


    • 第一次,为了确定是否准确,进一步对其中的LLM节点进行发问


    • 简单的跑通后,再上难度实现更复杂的模型,如开头第二个模型


    • 导入后执行有个报错,将报错信息导入cursor让其解读和修改(由于变量引用路径错误导致)


    最终,我们实现了以上的效果,过程虽曲折,前路现光明!

    想要真正达到动动嘴皮子,就实现工作流的程度;后续我们还需要很多的实践。目前我的思路是,可以在这个案例上进一步的延伸和试探智能编辑器的能力边界。

    比如我现在开始对翻译工作流做更高的要求:“现在对这个工作流的翻译质量要求很高,请优化下节点设计。”
    可以看到,这工作流就又加入了更多的环节和步骤,来检测和保证翻译的质量。

    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