在 Dify 上搭建 Agent，加强数据可视化效果

于 2025-05-26 19:22:38 发布
阅读量886 收藏 22
点赞数 13
文章标签： 信息可视化 架构 网络 neo4j 人工智能 语言模型
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/m0_59164520/article/details/148238184
版权

在 AI 应用领域，传统模型因数据孤岛受限，集成复杂且效率低。MCP 协议诞生，旨在提供统一、标准化且安全的数据连接方案，打破数据孤岛，简化集成流程，满足复杂场景需求，提升模型动态扩展与跨平台协作能力。

虽然市面上已经有许多 MCP 工具，并且 AntV 已开源数据可视化 MCP Server Chart[1] 可视化插件，但 MCP 插件在 Dify 中使用时，由于需要连接 SSE 插件等原因，过程显得颇为繁琐。为简化这一流程，我们开发了 AntV 可视化图表 Dify 插件并且已上架至 Dify 市场，希望每个人都能轻松创建炫酷的图表，告别复杂操作，让数据展示变得轻松又简单。

img

Dify[2] 市场新鲜出炉的 AntV 可视化图表来啦！快瞅瞅，让你的 Agent 摇身一变成为图表大师，分分钟生成超炫酷的可视化图表，惊艳全场！还不赶紧试试？

一键安装

Dify 插件市场 搜一搜「AntV 可视化图表」 然后轻松点几下完成安装。

img

image.png

简单搞定一个可视化应用

  1. 创建 Agent 应用

img

  1. 添加 AntV 可视化图表工具

img3. 快来试一下图表可视化能力

根据输入数据，输出可视化图表

请根据各地天气输出柱状图：杭州：30北京：25西安：28武汉：27吉林：10成都：27

image.png

直接询问 AI 生成可视化图表

请生成10天学习前端思维导图

image.png

还有更多可视化效果，请大家来试试…

总结

在 AI 应用平台中，很重要的概念就是 Tool / 服务，其中数据可视化在数据可视化、展现上就是很重要的一个 Tool，我们基于 AntV 实现一套 AI 可视化插件， AI 可视化插件拥有以下能力：

  • MCP 服务（mcp-server-chart），可在 MCP 客户端上使用可视化能力，在 蚂蚁百宝箱、阿里云百炼、cline，均已上架。
  • Dify 插件（dify-plugin-visualization[3] ）， 已上架至 Dify 市场。

这些插件已全部开源，欢迎大家使用，未来规划上架至各大 AI应用市场，增强数据可视化效果。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

基于Dify实现对Excel的数据分析
hhue2007的专栏
05-11 1081
在dify部署完成后，大家就可以基于此进行各种应用场景建设，目前dify支持聊天助手（包括对话工作流）、工作流、agent等模式的场景建设，我们在日常工作中经常会遇到各种各样的数据清洗、格式转换处理、数据统计成图等数据分析工作，本次主要基于对话工作流模式对Excel文件、csv文件进行解析处理，并进行成图等数据分析工作。主要用到的插件有LLM节点，文档提取器、参数提取器、自定义代码节点、echart插件等。实现解析Excel数据，经过上述不同节点的处理分析流程，最终实现数据统计图展示。
【深度学习新浪潮】如何用Dify构建自己的AI Agent？
最新发布
agito_cheung的博客
05-24 206
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。
DeepSeek + Python 提效测试用例生成落地
weixin_44872675的博客
02-05 3881
通过 DeepSeek 结合自动化测试工具（如 Selenium 或 pytest），将生成的测试用例转化为自动化测试脚本。结合 DeepSeek 的语义分析功能，检查测试用例是否覆盖所有需求，并补充遗漏的测试场景。构建统一的测试用例库，支持整个团队通过 DeepSeek 查询和复用测试用例，减少重复劳动。的能力扩展到测试用例生成场景，并探讨具体的落地实践和可扩展的应用场景。将测试用例与历史缺陷关联，生成针对性用例，确保修复的缺陷不会再次出现。通过关键词提取和语义分析，解析需求文档中的重要信息。
让 Agent 系统“看得见”：任务链日志观测、行为追踪与流程可视化实战
努力分享一些人工智能相关的知识干货！
04-23 555
多智能体系统一旦复杂，就不仅是“跑起来”的问题，而是“怎么知道它在跑什么、哪里出错了、要不要回退”的问题。这时候你需要从执行链路中抽象出可观测系统。不是日志拼接，而是结构化 Trace × 行为回放 × 图谱可视化 × 状态比对机制。本篇将基于前文 FlowGraph / DSL 框架，进一步构建一套具备行为追踪、日志埋点、错误回溯与图谱可视化的智能体系统治理能力，参考 LangGraph、AutoGen、DeepSeek-Agent 的工程实践，还原你应该具备的“调试 + 监控 + 控制”一体能力闭环。
TensorFlow相关组件的安装
AAI666666的博客
01-11 2813
TensorFlow相关组件的安装
62页PPT，初步看懂人工智能！
数据中心运维管理
08-08 1374
来源：鲜枣课堂
23张PPT搞懂DeepSeek核心技术！
QcloudCommunity的博客
02-12 1806
DeepSeek 作为AI 大模型其中的佼佼者，各种突破与创新不断涌现，正引领着人工智能发展的新方向；本文以 PPT 式风格直观呈现技术精髓，深入揭秘 DeepSeek 核心技术。关注腾讯云开发者，一手技术干货提前解锁????今晚7:30还有腾讯云工程师还将现场演示教你 DeepSeek 丝滑部署的 N 种方式，记得预约直播！????DeepSeek 核心技术大揭秘，以 “PPT 式风格” 更好地展现核心技术...
Dify平台构建私有数据可视化智能体，实现类似ChatGPT的数据分析与展示
03-27
内容概要：本文介绍了如何利用Dify平台快速搭建一个能够进行数据可视化分析的智能体。作者首先回顾了之前用Trae+ Dify构建Data McpServer与Agent的经验，指出当时仅能返回JSON格式的数据。此次改进则聚焦于通过Dify...
AI Dify + 大模型+ Agent 详细教程 从0-1教你构建小助手
热门推荐
ll253q的博客
05-28 2万+
需要注意到数据安全，隐私安全，确保人工智能能更好的造福社会，也希望人工智能可以不断的向前发展！
【AI】一文解锁：Docker部署Dify平台，打造可视化LLM应用环境
德仔
02-25 1021
Dify是一款开源的大语言模型(LLM)应用开发平台。它融合了后端即服务（Backend as Service）和LLM Ops的理念，使开发者可以快速搭建生产级的生成式AI应用。即使你是非技术人员，也能参与到AI应用的定义和数据运营过程中。Dify内置了构建LLM应用所需的关键技术栈，包括对数百个模型的支持、直观的Prompt编排界面、高质量的RAG引擎、稳健的Agent框架、灵活的流程编排，并同时提供了一套易用的界面和API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。
阿里研究院：2024大模型训练数据白皮书.pdf
06-30
《阿里研究院：2024大模型训练数据白皮书》是一份全面分析大模型训练数据领域现状、挑战和未来发展的报告。报告深入探讨了训练数据的来源、质量、标注、安全以及隐私保护等方面，为大模型训练提供了丰富的数据洞察和策略建议。该白皮书不仅总结了当前大模型训练数据的应用现状，还预测了未来数据需求的趋势，并对数据安全和隐私保护提出了重要的思考。
余俊晖-多模态GraphRAG初探文档智能知识图谱大模型结合范式.pdf
04-05
DataFunSummit2025知识图谱峰会嘉宾演讲PPT合集
23张PPT详解DeepSeek核心技术：架构创新与行业应用进展
02-21
内容概要：这篇PPT文档详细介绍并解释了中国本土大语言模型DeepSeek的关键技术和应用前景。首先，概述了DeepSeek的独特特点，如内容token化、无自我意识及上下文长度限定等。接着深入探讨了DeepSeek的核心技术架构及其创新点，例如多模态深度Transformer和支持文本、代码、数学符号的统一理解，MoE（Mixture of Experts）架构以及多层级注意力机制MLR。文档中提到DeepSeek通过架构改进和技术优化实现了低成本训练及高性能推理，在金融、医疗等多个行业中得到了成功的应用。文档同时也分析了DeepSeek的优势——相较于其他国际领先的AI模型，具有更低廉的训练费用和较高的运行效能。文档的最后一部分内容介绍了高效使用DeepSeek的方法及应用场景案例，并指出它不仅能在复杂的工业环境中运用自如。 适合人群：有兴趣深入了解人工智能领域的研究人员和工程师；需要应用深度学习技术的企业和个人。 使用场景及目标：①想要快速了解最前沿的人工智能技术趋势和发展现状；②寻找能够应用于特定领域的先进大模型方案；③希望掌握利用大模型解决问题的有效途径和实践经验。
AI菜鸟向前飞 — LLM简介
2401_82469710的博客
05-11 1591
AI菜鸟向前飞 — LLM简介
2023大模型安全解决方案白皮书
12-06 1097
在当今迅速发展的数字化时代，人工智能技术正引领着科技创新的浪潮而其中的大模型技术则被视为人工智能的一大突破。大模型是指参数量巨大能力强大的人工神经网络模型，以其卓越的表现在自然语言处理、计算机视觉、语音识别等领域赢得了持续的关注和青睐。这些模型的出现，不仅在学术界引起了研究者们的广泛兴趣，也在商业应用领域带来了一系列创新和变革大模型技术的崛起，首要得益于深度学习的发展以及硬件计算能力的提升。深度学...
Dify 通过 API 调用 RAGFlow 外部知识库
NLP工程化
11-16 7968
本文使用 Dify v0.10.0+ 和 RAGFlow v0.12.0+ 版本（源码运行）。Dify 中的 RAG 一直被诟病，现在 Dify 提供了外部知识库 API，这样就可以连接到 Dify 之外的知识库并从中检索知识。第一个问题是 API 规范，包括接口格式、输入和输出参数等。第二个问题是哪些外部知识库支持该 API 呢？理论上讲只要支持 API 规范都是可行的。
ai agent dify
03-18
<think>好的，用户想了解或使用Dify作为AI代理的实现或使用信息。我需要先回忆一下Dify的相关知识。Dify是一个开源的LLM应用开发平台，支持构建基于大语言模型的AI代理和应用程序。用户可能想知道如何具体实施或使用它作为AI代理。 首先，我应该介绍Dify的基本概念和核心功能，比如可视化编排和多种模型支持。然后，可能需要分步骤说明如何实现AI代理，包括安装、创建应用、配置Agent工具等。同时，用户可能关心具体的代码示例，所以需要提供API调用或配置文件的例子。 还要考虑用户可能的后续问题，比如性能优化、多模型集成或者企业级应用场景，因此生成相关问题会有帮助。需要确保使用正确的LaTeX格式，比如变量用$...$，独立公式用$$...$$。另外，引用部分要正确标注，比如引用提供的资料中的[^1]和[^2]。 需要检查是否有遗漏的关键点，比如Dify的RAG引擎、支持的模型类型，或者如何扩展自定义工具。确保回答结构清晰，步骤明确，用户能按指南操作。最后，验证所有技术术语和流程的正确性，避免错误信息。</think>### Dify作为AI代理的实现与使用指南 Dify是一个开源的LLM应用开发平台，支持构建基于大语言模型的AI代理（Agent）和应用程序。其核心功能包括可视化编排AI工作流、支持多种模型（如GPT-4、Claude等）以及RAG引擎[^1]。 #### 一、实现AI代理的步骤 1. **环境搭建** ```bash # 使用Docker部署 git clone https://github.com/langgenius/dify cd dify && docker-compose up -d ``` 2. **创建AI应用** - 在仪表盘选择"创建空白应用" - 配置基础信息：命名空间、模型供应商（如OpenAI） - 设置API密钥：$API_KEY = os.getenv("OPENAI_API_KEY")$ 3. **配置Agent工具** ```yaml # agent_tools.yml示例 tools: - type: web_search config: engine: google max_results: 5 - type: code_interpreter enable: true ``` #### 二、核心功能实现 1. **对话流程控制** ```python from dify_client import DifyClient client = DifyClient(api_key="your_api_key") response = client.generate( inputs={"query": "查询北京天气"}, tools=["web_search", "knowledge_base"], reasoning_mode="chain_of_thought" # $f(x)=\sum_{i=1}^n w_i x_i$ ) ``` 2. **记忆机制** $$M_t = \alpha M_{t-1} + (1-\alpha)E_t$$ 其中$\alpha$为记忆衰减因子，$E_t$为当前对话的嵌入向量 #### 三、典型应用场景 1. 客服自动化（支持上下文保持[^1]） 2. 数据分析助手（集成SQL执行器） 3. 智能文档处理（基于RAG引擎） ```python # RAG实现示例 def retrieve_context(query): embedding = model.encode(query) return vector_db.search(embedding, top_k=3) ```
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
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