Dify 工作流自定义参数传参报错Input should be a valid list

一、背景
在Dify的工作室中定义了一个工作流,最终发布为工具,希望能在其他聊天助手或者Agent或者工作流中引用这个工作流,在这个工作流的入口自定义了几个参数。发布为工具之后。不管是从其他其他聊天助手或者Agent或者工作流中调用这个工作流还是直接测试这个工作流,都报错:

1 validation error for EndNodeData outputs.0.value_selector Input should be a valid list [type=list_type, input_value='', input_type=str] For further information visit https://errors.pydantic.dev/2.7/v/list_type

二、排查原因
调试中只能看到报错,看不到运行到哪个节点。一直以为是入参问题。仔细看报错,EndNodeData这个可能是工作流某个分支的结束节点内部的参数,于是逐个检查每个结束节点,发现其中有个结束节点虽然定义了变量,但并未选择对应的输出变量。于是选择了其中一个前面节点的变量。报错消失。
回顾,为啥此结束节点定义了变量,却没选变量值呢?原来这个分支表示的是某种业务逻辑错误输出,我期望能直接输出一个用户提示,但在工作流中,结束节点是无法设置默认输出值的,于是我在这个节点之前添加了一个代码输出节点,输出默认提示语,在结束节点再引用这个输出节点的变量。

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LLMOps (Language Model Operations) 是一种新兴的概念,它将大规模语言模型(如OpenAI的GPT系列)的管理和应用操作化,旨在简化生成式人工智能(AI)应用程序的开发、部署和运维过程。Dify.AI 是一个流行的 LLMOps 平台,它专注于提供开发者友好的工具和服务,让用户能够利用生成式语言模型(例如通过Prompt)来构建原生的应用程序。 Dify的特点包括: 1. **可视化编程**:Dify允许用户通过直观的图形界面或YAML配置文件声明式地定义AI应用,减少了编码复杂性,特别是对于非专业程序员来说。 2. **Prompt编排**:它支持快速创建和组合不同的Prompt,也就是自然语言输入模板,来引导模型生成所需的输出。 3. **Model Management**:平台提供了对模型版本的管理,允许开发者选择和切换不同性能或特性的模型。 4. **Workflow自动化**:开发者可以预定义AI的工作流,自动处理从数据准备到模型推理的整个流程,节省时间和资源。 5. **应用运营**:Dify支持持续监控和优化模型性能,以及调整应用的运行环境,确保应用的稳定性和效率。 6. **开源和灵活性**:虽然信息未明确指出是否开源,但作为一个LLMOps平台,Dify通常会强调其API的开放性和与其他技术栈的兼容性,以便与现有的开发工作无缝集成。 通过Dify,开发者可以更快地构建基于大语言模型的应用,无论是初学者还是有经验的专业人士,都能利用其易于理解和使用的特性,推动生成式AI技术的广泛应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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