智能体开发实战 | 基于Dify自定义工作流工具构建游戏智能体

最新推荐文章于 2025-06-13 00:28:17 发布

jike007gt

最新推荐文章于 2025-06-13 00:28:17 发布

阅读量581

点赞数 22

文章标签：游戏

本文链接：https://blog.csdn.net/jike007gt/article/details/148617828

版权

Dify是一款开源的大语言模型应用开发平台，旨在降低AI应用的开发门槛，帮助开发者和企业快速构建、部署及管理生成式AI应用。本文以24点游戏智能体为案例，展示了Dify基于工作流的Agent应用开发。通过把工作流发布为工具，Agent通过推理可以智能调用相应工作流解决问题。

前言

Dify是一款开源的大语言模型应用开发平台，旨在降低AI应用的开发门槛，帮助开发者和企业快速构建、部署及管理生成式AI应用。

Dify允许用户在画布上构建和测试功能强大的AI工作流。工作流通过将复杂任务分解为更小的步骤（节点），有效降低了系统的复杂度。这种方法减少了对提示词技术和模型推理能力的依赖，从而提升了 LLM 在处理复杂任务时的性能，同时增强了系统的可解释性、稳定性和容错性。

本文以实现24点游戏为例。24点的游戏规则：给出一组4个随机整数(1至13之间，且不重复)，用加、减、乘、除(可加括号)把给出的4个数字算成24，每个数必须用一次且只能用一次。

这个智能体需要具备如下能力：

出题：生成一组4个随机整数(1至13之间，且不重复)，并确保生成的随机数能计算出24。
校验用户输入的表达式计算结果是否为24。
解题：根据用户给出的随机数，生成答案。

通过设置合适的提示词，为智能体设定角色和处理逻辑。智能体会根据大语言模型对人物设定和回复逻辑的理解，来响应用户问题。因此提示词编写的越清晰明确，智能体的回复也会越符合预期。可以在提示词中指定用工作流作逻辑处理，实现通过prompt无法实现的功能。

创建工作流工具

在http://localhost/apps页面点击“创建空白应用”，选择“工作流”。填写应用名，点击创建。依次创建三个工作流：

generate_random_numbers：为24点游戏生成一组随机数
check_answer：校验表达式计算结果是否为24
generate_answer：根据一组随机数生成24点游戏的答案

工作流1：generate_random_numbers

整体流程如下图：

名称：generate_random_numbers
描述：为24点游戏生成一组随机数
开始节点: 用默认配置，无需添加输入字段
代码执行节点

输入变量：无
输出变量：numbers，类型为Array[Number]
代码：

复制

import random
from itertools import permutations, product

def main() -> dict:
    while True:
        numbers = []
        while len(numbers) < 4:
            num = random.randint(1, 13)
            if num not in numbers:
                numbers.append(num)
        res = generate_answer(numbers)
        # 确保生成的随机数能计算出24
        if res['code'] == 'ok':
            return {'numbers': numbers}

def generate_answer(numbers):
    if len(numbers) != 4:
        return {'code': 'error', 'msg': "随机数个数不正确"}
    
    operations = ['+', '-', '*', '/']
    for num_perm in permutations(numbers):
        for ops in product(operations, repeat=3):
            # 尝试所有不同的括号组合
            expressions = [
                f'(({num_perm[0]} {ops[0]} {num_perm[1]}) {ops[1]} {num_perm[2]}) {ops[2]} {num_perm[3]}',
                f'({num_perm[0]} {ops[0]} ({num_perm[1]} {ops[1]} {num_perm[2]})) {ops[2]} {num_perm[3]}',
                f'({num_perm[0]} {ops[0]} {num_perm[1]}) {ops[1]} ({num_perm[2]} {ops[2]} {num_perm[3]})',
                f'{num_perm[0]} {ops[0]} (({num_perm[1]} {ops[1]} {num_perm[2]}) {ops[2]} {num_perm[3]})',
                f'{num_perm[0]} {ops[0]} ({num_perm[1]} {ops[1]} ({num_perm[2]} {ops[2]} {num_perm[3]}))',
            ]
            for expr in expressions:
                try:
                    if eval(expr) == 24:
                        return {'code': 'ok', 'answer': expr}
                except ZeroDivisionError:
                    continue
    return {'code': 'error'}

结束节点输出变量numbers的参数值为引用“代码执行”节点的输出变量numbers。

运行点击右上角的“运行”，验证是否可以正确输出一组随机数

发布工作流测试通过后，点击右上角的“发布”按钮。
发布为工具发布成功后，点击“发布为工具”

填入工具调用名称和工具描述，并保存。

工作流2：check_answer

整体流程如下图：

名称：check_answer
描述：校验表达式计算结果是否为24
开始节点

输入参数

expression：类型为String，显示名称为“表达式”

• 代码执行节点

• 输入变量：

expression，引用开始节点的expression变量

• 输出变量：

code，类型为String

msg, 类型为String

代码

复制

def main(expression:str) -> dict:
    try:
        val = eval(expression)
        if val == 24:
            return {'code': 'ok', 'msg':'ok'}
        else:
            return {'code': 'error', 'msg': f"表达式{expression}计算结果为{val}, 不是24"}
    except Exception as e:
        return {'code': 'error', 'msg': f"计算出错。{e}"}

结束节点

输出变量

code，引用代码执行节点的code输出变量

msg, 引用代码执行节点的msg输出变量

测试并发布工作流
发布为工具

发布成功后，点击”发布为工具“。填入工具调用名称和工具描述，并保存。

工作流3：generate_answer

整体流程如下图：

名称：generate_answer
描述：根据一组随机数生成24点游戏的答案

开始节点

输入参数

numbers：类型为String，显示名称为“一组随机整数，JSON格式”

代码执行节点

输入变量

numbers，引用开始节点的numbers变量

• 输出变量

code，类型为String

msg, 类型为String

answer, 类型为String

• 代码

复制

from itertools import permutations, product
import json

def main(numbers:str) -> dict:
    numbersArray = json.loads(numbers)
    if len(numbersArray) != 4:
        return {'code': 'error', 'msg': "随机数个数不正确", 'answer':''}
    
    operations = ['+', '-', '*', '/']
    for num_perm in permutations(numbersArray):
        for ops in product(operations, repeat=3):
            # 尝试所有不同的括号组合
            expressions = [
                f'(({num_perm[0]} {ops[0]} {num_perm[1]}) {ops[1]} {num_perm[2]}) {ops[2]} {num_perm[3]}',
                f'({num_perm[0]} {ops[0]} ({num_perm[1]} {ops[1]} {num_perm[2]})) {ops[2]} {num_perm[3]}',
                f'({num_perm[0]} {ops[0]} {num_perm[1]}) {ops[1]} ({num_perm[2]} {ops[2]} {num_perm[3]})',
                f'{num_perm[0]} {ops[0]} (({num_perm[1]} {ops[1]} {num_perm[2]}) {ops[2]} {num_perm[3]})',
                f'{num_perm[0]} {ops[0]} ({num_perm[1]} {ops[1]} ({num_perm[2]} {ops[2]} {num_perm[3]}))',
            ]
            for expr in expressions:
                try:
                    if eval(expr) == 24:
                        return {'code': 'ok', 'msg':'ok', 'answer': expr}
                except ZeroDivisionError:
                    continue
    return {'code': 'error', 'msg': 'error', 'answer':''}

结束节点

输出变量

code，引用代码执行节点的code输出变量

msg, 引用代码执行节点的msg输出变量

answer, 引用代码执行节点的answer输出变量

测试并发布工作流
发布为工具

发布成功后，点击”发布为工具“。填入工具调用名称和工具描述，并保存。

创建Agent应用

在http://localhost/apps页面点击“创建空白应用”，选择“Agent”。填写应用名，点击创建，进入编排界面。编排界面如下：

设置提示词内容为：

复制

你是一个24点游戏助手。
- 开始游戏时，你需要生成一组随机数，提示用户回答，然后使用工作流check_answer校验用户的回答。
- 如果用户表示回答不了问题，请使用工作流generate_answer生成答案。
- 用户可以向你提供一组数字提问如何计算，你需要使用工作流generate_answer生成答案。

添加工具把3个工作流添加为工具。
选择模型使用qwen-plus
调试和预览在下方输入内容和Agent进行游戏互动

测试通过后，点击右上角的“发布”按钮。
发布后，点击“运行”即可打开应用的访问链接。

总结

本文以24点游戏智能体为案例，展示了Dify基于工作流的Agent应用开发。通过把工作流发布为工具，Agent通过推理可以智能调用相应工作流解决问题。