dify案例分享-数据库查询图表显示

最新推荐文章于 2025-05-20 10:35:46 发布
最新推荐文章于 2025-05-20 10:35:46 发布
阅读量1.1k 收藏 32
点赞数 9
分类专栏： AI人工智能应用 文章标签： 数据库 oracle
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/class4715/article/details/147578464
版权

1 前言

数据库（Database，简称 DB）作为一种专门用于存储、管理和处理数据的系统，借助计算机系统对数据进行有序组织与存储，从而实现高效的数据访问与管理。

此前，我曾为大家介绍过借助 Dify 和飞书表格来记录大语言模型（LLM）聊天信息的功能。在数据量较小时，使用飞书表格来记录信息确实是一个可行的方案。然而，随着数据量的不断增加，使用飞书表格可能会出现一些问题。

此外，数据库对应的 SQL 语句始终是信息系统中至关重要的组成部分。今天，我将带领大家完成一个 Dify 与数据库查询整合的案例。通过这个案例，大家可以了解如何实现从 Dify 对本地数据库进行数据查询，并将查询结果进行显示的功能。

接下来，让我们马上开始实际操作，一同感受其中的过程。

image-20250227173936845

上面截图是工作流整体效果。

我们这里有3个接口，一个是学生成绩查询，一个是班级平均分，一个是课程排名，三个接口对应不同功能，主要都是通过后端服务接口实现查询。第一个带有个图标展示，后面2个我们就用mardown语法显示生产表格。下面是实现的效果。

1.班级平均分

image-20250227174229137

这里dify自带的图标给大家展示张三 语文、数学、英语三门课程的成绩。

2.班级平均分

image-20250227174449574

3.课程排名

image-20250227174638921

这个我们选取了语文课程的排名，显示了排名前3个学生。下面就带大家详细展示工作流的制作。

2.数据库查询图表工作流

2.1 开始

首选我们先定义一个开始节点，这个开始节点我们默认就用系统自带的聊天输入信息，所以这里没有需要设置的。

image-20250227175137874

2.2 LLM大语言模型

这个地方我们需要接入一个大语言模型，因为用户会输入各种问题，我们需要借助大语言模型的推理能力把用户输入的信息转换成规定的参数 方便后面程序走流程分支。这里我们不需要LLM大语言模型发散思考，所以把模型能力温度到0.1。模型这块我们选择书生浦语internlm3-8b-instruct 模型，这个模型是2025年1月15日由上海人工智能实验室正式发布的。这一版本是书生·浦语3.0（InternLM3）的重要升级。

image-20250227181121143

系统提示词

# Role: 教学考试系统查询专家
# Goal: 根据用户输入的信息，提取关键信息，并将查询归类到以下类别，并只返回类别编号:
# - 学生成绩 (类别编号: 1)
# - 平均分 (类别编号: 2)
# - 课程的排名 (类别编号: 3)
# - 查询不到 (类别编号: 0)
# Constraints:
- 1. 只能从用户输入中提取信息。
- 2. 必须将查询归类到预定义的类别。
- 3. 输出必须只包含类别编号。
- 4. 如果查询无法归类到 1, 2, 3，则返回 0。

## Output Format
{{category_number}}

# Examples:
## 学生成绩类 (类别编号: 1):
- 查询学生成绩
- 查询"张三"程序
- 查询该班级所有学生成绩

## 平均分 (类别编号: 2):
- 查询班级平均分
- 查询某个人平均成绩

## 课程的排名 (类别编号: 3):
- 查询课程的排名
- 查询数学课程排名

## 查询不到 (类别编号: 0):
- 无法识别的查询

# 用户输入:
{{user_input}}

# 分析结果:
{{category_number}}

用户提示词

请根据用户输入提示词{{#sys.query#}}进行判断

image-20250227181254114

image-20250227181314741

2.3 条件分支

这里我们需要根据上个流程节点的判断输出 1、学生成绩、2 、平均分 3、课程的排名 4、查询不到 等4个值分别做条件分支判断

image-20250227181559382

2.3 接口调用

上面我们提到这个数据库查询包含3个接口，每个接口查询返回的内容是不相同的。这样我们就定义了3 个http 请求。在这3个http请求执行我们需要先把数据库和服务端接口写好。下面我们重点讲解这个知识点。

1.数据库

这里我们使用了MYSQL8 数据库，关于数据库安装这里我们就不在详细展开，感兴趣小伙伴可以网上搜索这个方面的内容。我们这里有1个叫做student_score数据库。数据库里面有3张表分别是students、courses、scores。内容信息看下面截图

image-20250227211336668

建表语句和初始化SQL 脚本如下：

student_score.sql

-- 创建学生表
CREATE TABLE students (
    student_id INT PRIMARY KEY,
    student_name VARCHAR(50) NOT NULL,
    gender CHAR(1),
    class_name VARCHAR(20),
    admission_date DATE
);

-- 创建课程表
CREATE TABLE courses (
    course_id INT PRIMARY KEY,
    course_name VARCHAR(50) NOT NULL,
    credit DECIMAL(3,1)
);

-- 创建成绩表
CREATE TABLE scores (
    score_id INT PRIMARY KEY,
    student_id INT,
    course_id INT,
    score DECIMAL(5,2),
    exam_date DATE,
    FOREIGN KEY (student_id) REFERENCES students(student_id),
    FOREIGN KEY (course_id) REFERENCES courses(course_id)
);

-- 插入测试数据
-- 1. 插入学生数据
INSERT INTO students (student_id, student_name, gender, class_name, admission_date) VALUES
(1001, '张三', 'M', '高一(1)班', '2023-09-01'),
(1002, '李四', 'F', '高一(1)班', '2023-09-01'),
(1003, '王五', 'M', '高一(2)班', '2023-09-01'),
(1004, '赵六', 'F', '高一(2)班', '2023-09-01'),
(1005, '孙七', 'M', '高一(3)班', '2023-09-01');

-- 2. 插入课程数据
INSERT INTO courses (course_id, course_name, credit) VALUES
(1, '语文', 4.0),
(2, '数学', 4.0),
(3, '英语', 4.0),
(4, '物理', 3.0),
(5, '化学', 3.0);

-- 3. 插入成绩数据
INSERT INTO scores (score_id, student_id, course_id, score, exam_date) VALUES
(1, 1001, 1, 85.5, '2023-12-20'),
(2, 1001, 2, 92.0, '2023-12-20'),
(3, 1001, 3, 78.5, '2023-12-20'),
(4, 1002, 1, 88.0, '2023-12-20'),
(5, 1002, 2, 95.5, '2023-12-20'),
(6, 1002, 3, 90.0, '2023-12-20'),
(7, 1003, 1, 82.5, '2023-12-20'),
(8, 1003, 2, 86.0, '2023-12-20'),
(9, 1003, 3, 75.5, '2023-12-20'),
(10, 1004, 1, 91.0, '2023-12-20'),
(11, 1004, 2, 89.5, '2023-12-20'),
(12, 1004, 3, 94.0, '2023-12-20'),
(13, 1005, 1, 87.5, '2023-12-20'),
(14, 1005, 2, 88.0, '2023-12-20'),
(15, 1005, 3, 85.5, '2023-12-20');

-- 一些常用查询示例
-- 1. 查询某个学生的所有成绩
SELECT s.student_name, c.course_name, sc.score
FROM students s
JOIN scores sc ON s.student_id = sc.student_id
JOIN courses c ON sc.course_id = c.course_id
WHERE s.student_id = 1001;

-- 2. 查询某个班级的平均成绩
SELECT s.class_name, c.course_name, AVG(sc.score) as avg_score
FROM students s
JOIN scores sc ON s.student_id = sc.student_id
JOIN courses c ON sc.course_id = c.course_id
GROUP BY s.class_name, c.course_name;

-- 3. 查询各科成绩排名前三的学生
WITH RankedScores AS (
    SELECT 
        c.course_name,
        s.student_name,
        sc.score,
        RANK() OVER (PARTITION BY c.course_id ORDER BY sc.score DESC) as student_rank
    FROM scores sc
    JOIN students s ON sc.student_id = s.student_id
    JOIN courses c ON sc.course_id = c.course_id
)
SELECT * FROM RankedScores WHERE student_rank <= 3;

以上脚本使用Navicat Premium 这种客户端工具就可以导入数据库中，关于这块内容我这里也不就详细介绍。感兴趣小伙伴自己网络搜索一下或者用AI 搜索。

下面介绍一下服务端，服务端代码主要包含几个程序database.py、models.py、score_api.py、test_score_api.py

image-20250227212609717

其中score_api.py 主要是对外提供服务端接口的。

from fastapi import FastAPI, Depends, HTTPException
from sqlalchemy.orm import Session
from sqlalchemy import func
from typing import List
from database import get_db
from models import Student, Course, Score
from pydantic import BaseModel
from datetime import date

app = FastAPI(
    title="学生成绩管理系统API",
    description="提供学生成绩查询、统计分析等功能",
    version="1.0.0"
)

class ScoreResponse(BaseModel):
    student_name: str
    course_name: str
    score: float
    exam_date: date

    class Config:
        orm_mode = True

class ClassAvgResponse(BaseModel):
    class_name: str
    course_name: str
    avg_score: float

    class Config:
        orm_mode = True

class RankResponse(BaseModel):
    course_name: str
    student_name: str
    score: float
    rank: int

    class Config:
        orm_mode = True

@app.get("/db/student/{student_id}/scores", response_model=List[ScoreResponse])
async def get_student_scores(student_id: int, db: Session = Depends(get_db)):
    """获取指定学生的所有成绩"""
    scores = db.query(Score, Student, Course)\
        .join(Student, Score.student_id == Student.student_id)\
        .join(Course, Score.course_id == Course.course_id)\
        .filter(Student.student_id == student_id)\
        .all()
    
    if not scores:
        raise HTTPException(status_code=404, detail="未找到该学生的成绩记录")
    
    return [
        ScoreResponse(
            student_name=score[1].student_name,
            course_name=score[2].course_name,
            score=score[0].score,
            exam_date=score[0].exam_date
        ) for score in scores
    ]

@app.get("/db/class/average-scores", response_model=List[ClassAvgResponse])
async def get_class_average_scores(db: Session = Depends(get_db)):
    """获取各个班级的平均成绩"""
    class_averages = db.query(
        Student.class_name,
        Course.course_name,
        func.avg(Score.score).label('avg_score')
    ).join(Score, Student.student_id == Score.student_id)\
    .join(Course, Score.course_id == Course.course_id)\
    .group_by(Student.class_name, Course.course_name)\
    .all()
    
    return [
        ClassAvgResponse(
            class_name=avg[0],
            course_name=avg[1],
            avg_score=round(float(avg[2]), 2)
        ) for avg in class_averages
    ]

@app.get( "/db/course/{course_id}/top-students", response_model=List[RankResponse])
async def get_course_top_students(course_id: int, limit: int = 3, db: Session = Depends(get_db)):
    """获取指定课程成绩排名前N的学生"""
    from sqlalchemy import text
    
    query = text("""
        WITH RankedScores AS (
            SELECT 
                c.course_name,
                s.student_name,
                sc.score,
                RANK() OVER (PARTITION BY c.course_id ORDER BY sc.score DESC) as student_rank
            FROM scores sc
            JOIN students s ON sc.student_id = s.student_id
            JOIN courses c ON sc.course_id = c.course_id
            WHERE c.course_id = :course_id
        )
        SELECT * FROM RankedScores WHERE student_rank <= :limit
    """)
    
    results = db.execute(query, {"course_id": course_id, "limit": limit}).fetchall()
    
    if not results:
        raise HTTPException(status_code=404, detail="未找到该课程的成绩记录")
    
    return [
        RankResponse(
            course_name=result[0],
            student_name=result[1],
            score=float(result[2]),
            rank=result[3]
        ) for result in results
    ]

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=9090)

另外我们这次方便大家测试也提供客户端调用测试代码test_score_api.py。由于文档篇幅有限这里我们就贴全部代码了。代码后上传到github仓库中。文末会提供链接地址。服务端代码编写完成发布对外提供http请求服务监听9090（小伙伴也可以自行修改监听端口）

1.学生成绩接口

我们回到dify工作流，这里我们需要添加代码执行。

该请求有2个参数，第一个参数student_id，第二个是base_url。

student_id 我们可以在会话变量里面添加

image-20250227213221138

image-20250227213234564

这里我添加了一个student_id=1001的学生。这个值需要和数据库中students中学生ID 这样方便我们后面查询。

image-20250227213429845

接下来我们在环境变量里面添加base_url

image-20250227213548065

![外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传](https://img-home.csdnimg.cn/images/20230724024159.png?origin_url=data%3Aimage%2Fsvg%2Bxml%2C%253C%253Fxml%20version%3D’1.0’%20encoding%3D’UTF-8’%253F%253E%253Csvg%20width%3D’1px’%20height%3D’1px’%20viewBox%3D’0%200%201%201’%20version%3D’1.1’%20xmlns%3D’http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg’%20xmlns%3Axlink%3D’http%3A%2F%2Fwww.w3.org%2F1999%2Fxlink’%253E%253Ctitle%253E%253C%2Ftitle%253E%253Cg%20stroke%3D’none’%20stroke-width%3D’1’%20fill%3D’none’%20fill-rule%3D’evenodd’%20fill-opacity%3D’0’%253E%253Cg%20transform%3D’translate(-249.000000%2C%20-126.000000&pos_id=img-BEPvSQ1T-1745810543781)’ fill=‘%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

base_url 后面其他2个接口也用到，这个地址也就是上面服务端发布的地址，我上面显示IP是172.35.5.63. 若果有的小伙伴本地电脑启动有的是192.168.1.XX或则127.0.0.1:9090,如果这个接口发布到公网 可以有个公网IP 或者给它添加一个域名都是可以的。

image-20250227213917520

下面是请求客户端代码

import requests
import json

def main(student_id: int, base_url: str = 'https://fastapi.duckcloud.fun') -> dict:
    """
    测试获取学生成绩接口。
    
    :param student_id: 学生ID
    :param base_url: API基础URL，默认为'https://fastapi.duckcloud.fun'
    :return: 包含成绩数据或错误信息的字典
    """
    # 设置请求的URL
    url = f'{base_url}/db/student/{student_id}/scores'
    
    try:
        # 发送GET请求
        response = requests.get(url)
        
        # 检查响应状态码
        if response.status_code == 200:
            scores = response.json()
            formatted_scores = [
                {
                    "student_name": score.get("student_name"),
                    "course_name": score.get("course_name"),
                    "score": score.get("score"),
                    "exam_date": score.get("exam_date")
                }
                for score in scores
            ]
            
            # 构造分号分隔的字符串
            scores_list = [str(score.get("score", "")) for score in scores]  # 提取分数
            courses_list = [score.get("course_name", "") for score in scores]  # 提取课程名称
            
            # 构造返回值
            score = ";".join(scores_list)  # 分数和课程名称合并
            x_axis_data = ";".join(courses_list)  # X轴数据（科目名称）
            
            # 返回成功结果
            return {
                "status": "success",
                "message": f"学生成绩获取成功，共{len(scores)}条记录。",
                "data": formatted_scores,
                "score": score,
                "x_axis_data": x_axis_data
            }
        else:
            # 返回错误信息
            error_detail = response.json().get("detail", "未知错误")
            return {
                "status": "error",
                "message": f"获取学生成绩失败：{error_detail}",
                "data": None,
                "score": "",
                "x_axis_data": ""
            }
    except Exception as e:
        # 捕获异常并返回错误信息
        return {
            "status": "error",
            "message": f"请求过程中发生异常：{str(e)}",
            "data": None,
            "score": "",
            "x_axis_data": ""
        }

以上代码有5个返回值status、message、data、score、x_axis_data

image-20250227214054368

其中有4个是string返回值类型，data返回是一个数组。

1.学生成绩接口-柱状图

记下来我们使用到dify自带的柱状图工具。

image-20250227214508160

这个柱状图 用上上述接口返回的2个值score和x_axis_data

image-20250227214646473

1.学生成绩接口回复

这个地方就比较简单了，它主要的目的就是实现柱状图的返回。这里面我们需要返回file

image-20250227214812680

这流程图完成后我们就可以让它返回某某同学 语文、数学、英语成绩了， 用柱状图形式显示。

image-20250227214928899

1.班级平均分接口

这个地方和学生成绩接口非常类似。不过他只有一个输入参数base_url 配置也是和上面的一样。（上面的设置一次，这里就不用设置了）

image-20250227215113147

这个代码我们没有参考上面的代码，返回的是一个mardown表格。

客户端代码如下：

import requests

def main(base_url: str = 'https://fastapi.duckcloud.fun') -> dict:
    """
    测试获取班级平均分接口。
    
    :param base_url: API基础URL，默认为'https://fastapi.duckcloud.fun'
    :return: 包含班级平均分数据或错误信息的字典
    """
    # 设置请求的URL
    url = f'{base_url}/db/class/average-scores'
    
    try:
        # 发送GET请求
        response = requests.get(url)
        
        # 检查响应状态码
        if response.status_code == 200:
            averages = response.json()
            
            # 如果数据为空，返回无数据提示
            if not averages:
                markdown_result = "无数据可显示。\n"
            else:
                # 定义表头
                markdown_result = "| 班级名称 | 课程名称 | 平均分 |\n"
                markdown_result += "|----------|----------|--------|\n"
                
                # 添加表格内容
                for avg in averages:
                    class_name = avg.get("class_name", "")
                    course_name = avg.get("course_name", "")
                    avg_score = avg.get("avg_score", "")
                    markdown_result += f"| {class_name} | {course_name} | {avg_score} |\n"
            
            # 返回成功结果
            return {
                "status": "success",
                "message": f"班级平均分获取成功，共{len(averages)}条记录。",
                "data": markdown_result
            }
        else:
            # 返回错误信息
            error_detail = response.json().get("detail", "未知错误")
            return {
                "status": "error",
                "message": f"获取班级平均分失败：{error_detail}",
                "data": None
            }
    except Exception as e:
        # 捕获异常并返回错误信息
        return {
            "status": "error",
            "message": f"请求过程中发生异常：{str(e)}",
            "data": None
        }

这里返回的变量有3个status、message、data

image-20250227215247081

班级平均分接口回复

这个就比较简单了返回上面接口的data数据的返回。

image-20250227215352317

这个流程结果是显示班级平均分以表格形式显示

image-20250227215423945

课程排名接口

这个地方和上面的班级平均分接口非常类似。不一样的地方是它有3个参数，其中2个参数使用到会话变量

image-20250227215613289

image-20250227215641529

base_url 和上面一样这里就重复介绍了。

课程排名接口客户端代码

import requests

def main(course_id: int, limit: int, base_url: str = 'https://fastapi.duckcloud.fun') -> dict:
    """
    测试获取课程排名接口。
    
    :param course_id: 课程ID
    :param limit: 获取的排名人数
    :param base_url: API基础URL，默认为'https://fastapi.duckcloud.fun'
    :return: 包含课程排名数据或错误信息的字典
    """
    # 设置请求的URL
    url = f'{base_url}/db/course/{course_id}/top-students?limit={limit}'
    
    try:
        # 发送GET请求
        response = requests.get(url)
        
        # 检查响应状态码
        if response.status_code == 200:
            rankings = response.json()
            
            # 如果数据为空，返回无数据提示
            if not rankings:
                markdown_result = "无数据可显示。\n"
            else:
                # 定义表头
                markdown_result = "| 排名 | 学生姓名 | 分数 |\n"
                markdown_result += "|------|----------|------|\n"
                
                # 添加表格内容
                for rank in rankings:
                    student_name = rank.get("student_name", "")
                    score = rank.get("score", "")
                    rank_num = rank.get("rank", "")
                    markdown_result += f"| {rank_num} | {student_name} | {score} |\n"
            
            # 返回成功结果
            return {
                "status": "success",
                "message": f"课程排名获取成功，共{len(rankings)}条记录。",
                "data": markdown_result
            }
        else:
            # 返回错误信息
            error_detail = response.json().get("detail", "未知错误")
            return {
                "status": "error",
                "message": f"获取课程排名失败：{error_detail}",
                "data": None
            }
    except Exception as e:
        # 捕获异常并返回错误信息
        return {
            "status": "error",
            "message": f"请求过程中发生异常：{str(e)}",
            "data": None
        }

这个课程排名返回也是3个值status、message、data

image-20250227215809985

班级平均分接口回复

这个就比较简单了返回上面接口的data数据的返回。

image-20250227215908037

未获取信息回复

这个地方我们简单说一下，上面条件分支中如果用户输入的信息没有匹配到相关的接口，我们让工作流给我返回一个查询不到的信息。

image-20250227220039376

通过以上配置我们完成了工作流的制作。完整的工作流截图如下

image-20250227222719259

3.验证及测试

上面制作好的工作流（chatflow) 就可以发布出去了。

image-20250227222810491

发布地址http://dify.duckcloud.fun/chat/D2XubOiY3RNPtcMp 大家可以使用这个地址体验一下。

image-20250227223227921

相关资料和文档可以看我开源的项目 https://github.com/wwwzhouhui/dify-for-dsl

4.总结

今天主要带大家了解了如何完成一个 Dify 与数据库查询整合的案例，实现从 Dify 对本地数据库进行数据查询并显示查询结果的功能。介绍了数据库的重要性及随着数据量增加飞书表格记录信息可能出现的问题。详细展示了数据库查询图表工作流的制作过程，包括定义开始节点，接入大语言模型（选择书生浦语 internlm3 - 8b - instruct 模型）将用户输入信息转换成规定参数，根据判断结果进行条件分支判断，以及接口调用（包含 3 个 http 请求）。还给出了使用的 MYSQL8 数据库的建表语句和初始化 SQL 脚本，包含学生表、课程表、成绩表的创建及测试数据的插入，以及一些常用查询示例。今天的分享就到这里结束了，我们下个文章见。

【深度学习新浪潮】如何用Dify构建自己的AI Agent？
agito_cheung的博客
05-24 255
该Agent支持多时间线叙事生成（如1920年上海滩、2077年赛博都市等），通过“时间锚点”将不同时空的剧情隐秘关联，生成跨时空交织的故事网络。用户上传表格并选择图表类型（如柱状图、雷达图），Agent自动解析数据结构，生成包含Chart.js库的HTML代码，并通过第三方存储服务返回可直接运行的可视化链接。例如，学生在开发图书借阅系统时，只需输入需求，Agent即可生成包含注释和测试用例的Python代码，并提供代码优化建议。在构建过程中，要不断进行测试和优化，以提升Agent的性能和用户体验。
Dify实现text2sql工作流[SQL调用篇]，并查询Postgres数据库 or Mysql数据库(docker容器)
丨汀、的博客
10-09 9384
Dify实现text2sql工作流[SQL调用篇]，并查询Postgres数据库 or Mysql数据库(docker容器)
41-dify案例分享-基于database插件实现Text2sql的数据库查询图表工作流
个人技术
04-10 5475
本文介绍基于 Text2SQL 的 Dify 工作流实现过程。先阐述 Text2SQL 概念、步骤及应用领域。接着说明工作流制作，包括用 chatflow 加开场白、获取系统时间，配置 LLM 生成 SQL，用 SQL Execute 工具查询，经 LLM 汇总结果，代码生成 ECharts 数据，条件分支判断图表类型输出。最后介绍验证测试、提供体验地址，还提及借助工具生成建表和初始化数据 SQL 语句。
Dify自定义工具例子
NLP工程化
07-02 5085
Dify自定义工具例子。
Dify知识库 之二 SQL查询智能体
技术宅男改变世界
04-01 1688
分析： 在 Docker 中运行的环境中遇到 ModuleNotFoundError: No module named ‘mysql’ 错误，通常是因为 Docker 容器中缺少所需的 Python 库。如果您使用 Dockerfile 构建镜像，请确保在 Dockerfile 中安装了 mysql-connector-python 库。实测postgresql和sqlite是ok的， mysql报错，其他几个未测试。3. 添加“执行”节点，命名为“执行查询”， 定义入参、处理函数、输出变量。
5000字教程：用AI实时查询数据库，自动生成可视化图表 | Dify工作流
最新发布
m0_59164520的博客
05-20 1063
但说实话，MCP的方式目前还是很不稳定的，不适合用在实际工作中。 更不用说把Excel直接扔给AI做分析的方式：1. 数据安全问题；2. 出来的结果准确率很低。
用dify + agent构建自然语言查询数据库信息并展示
wu_tech的博客
12-11 1万+
用dify + agent构建自然语言查询数据库信息并展示。
dify案例分享-基于文本模型实现Fine-tune 语料构造工作流
Code1994的博客
01-18 7973
微调（Fine-tuning）是指在已经预训练好的大规模模型基础上，通过进一步训练来适应特定任务或数据集的过程。这一过程体现了迁移学习的思想，即利用预训练模型在通用数据上学习到的知识，通过微调使其更好地服务于特定的应用场景.
使用Dify访问数据库(mysql)
热门推荐
01-17 3万+
1、在本地搭建数据库访问的服务，并使用ngrok暴露到公网。2、创建知识库，导入表结构描述。3、创建数据库访问工作流。4、创建数据库智能体。
DeepSeek+dify知识库，查询数据库的两种方式（api+直连）
python123456_的博客
03-20 3514
一直有小伙伴介绍在问我，怎么让在个ai应用客户端直接连接数据库查询。dify官方没有现成的组件可以直接用。当时我想的是两种方式，一种是基于代码执行模块直接查询数据库，一种是基于Http请求，调用自己封装接口来查询数据库。想干这事之前先梳理下流程让kimi给我生成一个文章表，并且插入10条数据，我们可以告诉kimi，文章长度多大，这样内容可以丰富些。直接让kimi生成一个暴露接口查数据库的服务，有简单的优化了下,将下面的内容放入到server.py文件中启动服务创建一个空白应用。
Echarts连接数据库，实时绘制图表详解
ning的博客
12-23 1862
通过上述步骤，我们成功地将ECharts与数据库连接，并实现了实时数据的可视化绘制。这种方法不仅可以用于销售数据，还可以广泛应用于其他需要实时数据展示的场景。ECharts的灵活性和强大的功能使其成为数据可视化的优选工具。版权声明：本博客内容为原创，转载请保留原文链接及作者信息。参考文章ECharts 教程 | 菜鸟教程ECharts连接数据库的具体实现。
从 0 到 1 打通 AI 工作流：Dify+Zapier 实现工具自动化调用实战
开源就要来点实在的
04-22 1941
通过 Dify 与 Zapier 的深度整合，企业无需依赖传统 ETL 工具或定制开发，即可快速构建跨系统数据流转管道。本文通过 ERP-CRM 同步、数据库分析两个企业级案例，演示了从系统接入、数据映射到流程编排的全流程，覆盖工具配置、安全策略、性能优化等核心环节。这种「AI 中台 + 自动化连接器 + 万维应用」的架构，正在重塑企业数据治理模式：无论是供应链数据闭环、客户生命周期管理，还是财务报表自动化，都能通过标准化的 MCP 协议实现即插即用。
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
丨汀、的博客
07-25 8876
智胜未来：国内大模型+Agent应用案例精选，以及主流Agent框架开源项目推荐
【系统测试与评估秘籍】：Dify多轮对话系统的案例研究
[【系统测试与评估秘籍】：Dify多轮对话系统的案例研究](https://blog.tbhcreative.com/wp-content/uploads/simple-chatbot-conversation-flow-example.png) # 1. 系统测试与评估的基础知识 在当今的IT行业，系统...
五、【AI】Dify自然语言生成Sql并查询数据库
qq_43127792的博客
03-28 6299
1、把表结构（含表名、字段、主外键关系）导入到知识库，用知识库来检索生成可执行Sql语句，执行Sql语句，生成数据结果。3、第三个节点选择添加节点->模板转换，输入的变量就是第二个节点输出的**/Json**2、第二个节点选择添加节点->工具->rookie_text2data，输入的变量就“5、第五个节点选择添加节点->工具->rookie_excute_sql，输入的变量“4、第四个节点选择添加节点->LLM（大语言模型），并提供System信息指导。8、第七个节点选择添加节点->结束，输入的变量“
注意力机制、自注意力机制、多头注意力机制、通道注意力机制、空间注意力机制超详细讲解
2401_84494441的博客
02-24 2231
举几个栗子：看人–>看脸看文章–>看标题看段落–>看开头这时候大家应该大致知道注意力机制是个什么东西了吧~注意力机制其实是源自于人对于外部信息的处理能力。由于人每一时刻接受的信息都是无比的庞大且复杂，远远超过人脑的处理能力，因此人在处理信息的时候，会将注意力放在需要关注的信息上，对于其他无关的外部信息进行过滤，这种处理方式被称为注意力机制。
DeepSeek与Dify知识库：数据库查询双剑合璧【API与直连教程】
2401_85390073的博客
03-20 1466
怎么让在个ai应用客户端直接连接数据库查询。dify官方没有现成的组件可以直接用。当时我想的是两种方式，一种是基于代码执行模块直接查询数据库，一种是基于Http请求，调用自己封装接口来查询数据库。
Dify实战案例：多模态模型在发票识别中的应用与实现
2401_84494441的博客
03-16 1204
Dify是一个开源的大语言模型（LLM）应用开发平台，旨在简化和加速生成式AI应用的创建和部署。它结合了后端即服务（Backend as Service, BaaS）和LLMOps的理念，使开发者能够快速搭建生产级的AI应用。
评论
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

打赏作者

军哥说AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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