Dify工作流分享1——总结多轮对话为docx文件

最新推荐文章于 2025-04-29 16:37:08 发布
最新推荐文章于 2025-04-29 16:37:08 发布
阅读量527 收藏 2
点赞数 1
分类专栏： Dify工作流分享 文章标签： 人工智能 dify 自然语言处理 deepseek 大模型 大模型应用
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AwhiteV/article/details/147398797
版权

先放效果图：

这里我和他聊了几轮对话，之后要求它生成格式为docx的总结报告

  1. 首先，需要用到一个工具Markdown转换，可以去广场上搜索下载

  2. 再选择合适的大模型，打开记忆并调整记忆窗口，调整最大标记数

  3. 首先你需要问题提取，判断是否需要总结，这里我比较简略，直接大模型+条件分支

  4. 这里为什么要用Markdown转docx呢，是因为大模型默认的输出就是md格式的
  5. 直接回复节点的输入变量要设置一个Markdown转docx节点的files输出，让用户能下载

最后，有需要完整工作流或者DSL的可以留下你的邮箱，我会不定时发送给你 

Dify进阶：如何在智能对话中引入对话状态：使用示例说明（纯理论）
xiezhipu的博客
12-26 891
在引入对话状态之前，首先需要定义对话系统的ontology，即对话中可能涉及到的所有槽位及其对应的槽值范围。这是因为在对话过程中，系统需要知道哪些信息是必要的，并且能够识别用户提供的相关信息。例如，在电影购票场景中，ontology可能会包括以下槽位：“movie_name”、“theater_name”、“show_time”、“ticket_quantity”。定义好ontology后，系统就可以基于此来构建对话状态，并在对话过程中不断更新这些槽位的值。
36-dify案例分享-用 Dify 打造大学生简历美化神器
个人技术
04-01 1361
本文介绍利用 Dify 平台实现大学生计算机专业简历美化工作流。指出近 97% 大学生简历存在竞争力不足问题。详细阐述工作流制作，含开始、模板转换、条件分支等节点，针对 PDF 和图片简历采用不同模型优化。助力简历优化。
45-dify案例分享- 用 Dify 搭建智能合同评审工作流，10 分钟搞定风险排查
个人技术
04-24 1608
本文分享利用 Dify 搭建智能合同评审工作流的实战案例。通过文档提取、GLM4 大语言模型三维度分析（法律 / 风险 / 心理）、Markdown 转 Word 及企业微信通知等节点，实现合同风险自动识别与报告生成。附操作流程、避坑指南及开源项目，助力企业提升合同评审效率，降低法律风险。
dify工作流应用1—知识库搭建
muziqing_613的博客
04-10 2371
dify工作流应用1—知识库搭建
基于Dify的大模型RAG多轮对话性能优化方案（附代码）
热门推荐
AI相关从业分享
05-22 1万+
区别于通用LLM的多轮对话实现，RAG中多轮对话，既需要保证LLM在对话时的历史对话能力，也要保证RAG检索时输入信息的完整，同时对于模型来说，应将对话信息和RAG检索等非对话信息有清晰、明确的区分。
Dify Chatflow 多轮对话实现原理
lingding_cn的专栏
04-25 2643
AI开发,低代码平台,Dify,对话系统,Workflow引擎。
dify工作流-1
最新发布
顺其自然~专栏
04-29 662
工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。1）Chatflow面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。2）Workflow面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点。
Windows11 安装pytorch cpu版本（包括transformers的安装）
Andy的博客
07-16 584
在INSTALL PYTORCH模块选择要安装的版本。找到上一步CUDA版本支持的PyTorch版本。在命令行中直接使用pip安装。
Dify 中自带的门诊导诊工作流（Chatflow）
NLP工程化
11-14 7012
本文使用 Dify v0.7.2 版本。此聊天流程展示了如何构建一个用于门诊导诊的聊天机器人，可通过网页或语音对话来收集病人的数据。简单理解，即根据患者信息（年龄、性别和症状），给患者推荐科室。
dify案例分享-中国历史专家博客
竹林幽深
12-30 1936
今天我们就带大家dify新功能dify案例分享-中国历史专家博客的dify工作流，来感受一下dify的强大。感兴趣的小伙伴可以持续关注我的文章，今天的分享就到这里，我们下个文章见。项目体验地址。
dify案例分享-免费AIAgent智能体联网搜索
老皮的博客
02-23 3421
今天主要带大家了解了如何在 Dify 平台中使用 AI Agent，并详细介绍了几个实际案例的配置和使用方法。介绍了 AI Agent 的概念及其在 2024 年的快速发展。通过联网搜索、AI 绘画和获取时间三个示例，展示了 AI Agent 的强大功能。完成了 AI Agent 智能体的搭建，并进行了验证和测试。
大模型入门实战：通过 HuggingFace 调用 Llama3
python12345_的博客
01-10 1528
至此，我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型，并获取了模型的回答。但是如果你的需求只是简单地调用模型，而无需进行微调或复杂的部署，可以尝试使用 Ollama。它不仅操作更加便捷，还提供了开箱即用的 RESTful 接口，适合快速集成到生产环境中。下一篇，我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。
小白向：如何使用dify官方市场“ECharts图表生成”工具插件——dify入门案例
项目git同名小胡说技书
03-03 1万+
dify小白使用echarts组件教程
dify实战案例分享-基于多模态模型的发票识别
2401_85375298的博客
11-04 7048
文生图和图生图 也支持目前市面主流图像生成模型（FLUX.1-dev 、FLUX.1-schnell、stable-diffusion-3-medium、stable-diffusion-xl-base-1.0、stable-diffusion-2-1、sd-turbo、sdxl-turbo、SDXL-Lightning）关于硅基流动多模态模型设置。这里我们设置一下硅基流动多模态模型的配置，这里我们就以Qwen/Qwen2-VL-72B-Instruct 为案例给大家介绍，大家可以看我下面的截图设置。
dify案例分享 | ECharts打造上证综指5日K线可视化，超详细教程来袭
老皮的博客
02-26 2517
今天主要带大家了解了如何基于 Dify 的 Workflow 引擎构建上证综指 5 日 K 线可视化组件，详细介绍了使用 ECharts 实现股票价格趋势显示的工作流制作过程。介绍了 ECharts 作为百度开源的可视化解决方案的强大功能及技术特性。通过定义开始节点、使用文档提取器、配置 LLM 大语言模型、进行 echarts 代码转换生成以及直接回复等步骤，完成了工作流的搭建，并进行了验证和测试。还给出了项目体验地址及相关资料文档的开源项目地址。
Dify自定义工具例子
NLP工程化
07-02 4908
Dify自定义工具例子。
35-dify案例分享-手把手教你打造 Markdown 转 Word 自定义智能体
个人技术
03-26 5619
本文围绕实现 Dify 聊天历史记录一键保存为 Word 文档展开。首先尝试使用 dify 市场上的 markdown 转 word 插件，创建 AI 智能体并配置插件后虽能生成文档，但下载报错。接着决定自行开发插件，分两步进行：先制作包含 markdown 转 word 的工作流，通过开始节点、HTTP 请求调用后端服务、结束节点完成，给出服务端代码；再将工作流发布成工具。最后创建自定义智能体，添加自定义工作流并测试，成功实现用 markdown 生成可下载的 Word 文档，还分享了相关开源项目地址。
Dify平台工作流编排教程-从基础概念到实施落地（附案例）长文慎入
同名公众号：dify实验室
03-27 5039
1. 核心节点功能表节点名称类型功能描述典型应用场景开始（Start）核心节点定义工作流启动的初始参数，作为流程起点初始化用户会话、设置默认参数结束（End）核心节点定义工作流结束的最终输出内容，作为流程终点返回最终结果、结束用户交互回复（Answer）核心节点定义Chatflow中的回复内容，直接输出给用户生成自然语言回复、提供解决方案大语言模型（LLM）AI/模型节点调用大语言模型处理自然语言任务（如生成、推理）回答问题、创作文本、语义分析。
dify多轮对话工作流如何配置
04-03
### Dify多轮对话工作流的配置方法 Dify是一个强大的工具，用于构建复杂的对话工作流，特别是在处理多轮问答场景时表现出色。以下是关于如何配置Dify多轮对话工作流的具体说明： #### 1. 工作流的设计原则 在设计一个多轮对话工作流之前，应先明确其目标和范围。为了降低复杂性和提高可维护性，建议将整个流程划分为多个独立的小型工作流[^1]。每个小型工作流专注于完成特定的任务或子功能。 #### 2. 创建基础工作流结构 通过Dify平台提供的界面或者API接口来初始化一个新的工作流项目。在此阶段，定义好输入参数、输出结果以及触发条件等内容是非常重要的。例如，在构建订机票业务时，可能需要收集用户的出发地、目的地、日期等信息作为输入变量[^2]。 ```json { "input": { "departureCity": "", "destinationCity": "", "travelDate": "" }, "output": {}, "conditions": [] } ``` #### 3. 添加节点与逻辑分支 在一个典型的工作流中，通常包含若干个顺序执行的操作步骤（即节点），并根据不同的情况设置相应的跳转路径（即逻辑分支）。对于某些特殊需求还可以加入循环机制以便重复询问直到满足预设标准为止。 - **节点类型**: 可以选择文本提示、表单填写等多种形式。 - **逻辑判断**: 使用if-else语句或其他高级控制结构来进行决策分析。 ```javascript // 示例代码展示简单的条件分支 function decideNextStep(userInput){ let nextAction; if (userInput.includes('yes')){ nextAction = 'confirmBooking'; } else if (userInput.includes('no')){ nextAction ='reselectOptions'; } return nextAction; } ``` #### 4. 测试优化调整 最后一步就是反复测试已建立起来的工作流模型，并依据实际运行效果做出必要的改进措施。这包括但不限于修复发现的问题错误、精简冗余环节以及提升用户体验等方面。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值