基于dify-agent创造的request_id智能体版

最新推荐文章于 2025-04-24 10:06:59 发布

奋斗的CK

最新推荐文章于 2025-04-24 10:06:59 发布

阅读量1.1k

点赞数 29

文章标签： AIGC es python 低代码

本文链接：https://blog.csdn.net/liupeng9494/article/details/147424675

版权

1 背景：

我们通过dify工作流构建了唯一ID的查询工具，且（通过大模型）对结果进行了自然语言友好化。

2 目标：

我们尝试使用 agent版进行重构一个版本，看工作流版和agent版的技术差异和不同的实现方式，以及最终效果如何。

3 效果

使用agent的效果

使用工作流的效果

可以先通过截图看下比较下

问题：

1哪种更准确

2哪种更自由

我们的需求是需要一个强结果返回，还是一个可沟通不断调整的运维助手

开始我们的实验

3 基本知识：

工作流（Workflow）

适用场景：

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。该类型应用无法对生成的结果进行多轮对话交互。

常见的交互路径：给出指令 → 生成内容 → 结束

我们在另一个文章中用到的就是工作流

基于dify的AI模型构建request_id查询工具-CSDN博客

工具定义

工具可以扩展 LLM 的能力，比如联网搜索、科学计算或绘制图片，赋予并增强了 LLM 连接外部世界的能力。Dify 提供了两种工具类型：第一方工具和自定义工具。

你可以直接使用 Dify 生态提供的第一方内置工具，或者轻松导入自定义的 API 工具（目前支持 OpenAPI / Swagger 和 OpenAI Plugin 规范）。

工具的作用：

工具使用户可以在 Dify 上创建更强大的 AI 应用，如你可以为智能助理型应用（Agent）编排合适的工具，它可以通过任务推理、步骤拆解、调用工具完成复杂任务。
方便将你的应用与其他系统或服务连接，与外部环境交互，如代码执行、对专属信息源的访问等。

我们在使用agent的时候就需要用到工具提前了解下

Agent

定义

智能助手（Agent Assistant），利用大语言模型的推理能力，能够自主对复杂的人类任务进行目标规划、任务拆解、工具调用、过程迭代，并在没有人类干预的情况下完成任务。

为了方便快速上手使用，你可以在“探索”中找到智能助手的应用模板，添加到自己的工作区，或者在此基础上进行自定义。在全新的 Dify 工作室中，你也可以从零编排一个专属于你自己的智能助手，帮助你完成财务报表分析、撰写报告、Logo 设计、旅程规划等任务。

Agent | Dify

这个是官网的关于智能体的构建，不容易理解，还是我们自己尝试构建，然后理解其中的优势和问题

正式流程：

1 AGENT 的工作是大模型通过调用工具来判断实现的，我们需要先创建一个ES语法查询的工具

创建一个自定义工具

1 定义ES子工具

2 schema 里要包装你的ES地址符合openapi 的规范（可以利用AI帮助你实现）也可以仿照我的来

1 "url": "http://url",  http://url 的替换为你的ES地址

2 "/log-*access*/_search" path 地址  log-*access* 替换为你的ES索引

这个也可以直接使用    "/_search" 但是会查询非常慢，且不准确

{
  "openapi": "3.1.0",
  "info": {
    "title": "Elasticsearch Log Access API",
    "description": "API for querying access logs in Elasticsearch",
    "version": "v1.0.0"
  },
  "servers": [
    {
      "url": "http://url", 
      "description": "Elasticsearch production server"
    }
  ],
  "paths": {
    "/log-*access*/_search": {
      "post": {
        "summary": "Search access logs",
        "requestBody": {
          "content": {
            "application/json": {
              "schema": {
                "$ref": "#/components/schemas/ESSearchQuery"
              }
            }
          }
        }
      }
    }
  },
  "components": {
    "schemas": {
      "ESSearchQuery": {
        "type": "object",
        "properties": {
          "query": {
            "type": "object",
            "description": "Elasticsearch DSL query"
          },
          "size": {
            "type": "integer",
            "default": 10 
          }
        }
      }
    }
  }
}

鉴权：

其中的值是你账号和密码的 BASE转换

user:pass -- base64

可以参考我的上一篇文章里面有描述怎么转换账号密码

基于dify的AI模型构建request_id查询工具-CSDN博客

2 创建agent

2 添加工具

3 添加提示词

提示词告诉大模型应该如何调用我的工具，不然大模型不怎么怎么请求我们的服务

应该提交什么内容进去去响应接口

log-access_search_post 的查询语法
 {     "multi_match": {       "query": "{{x_request_id}}",       "fields": ["x_request_id", "x-request-id", "request-id", "p-request-id"]     }   }