自建AI平台:一步步教你搭建Dify,使用Agent工作流并实现AI微信消息生成发送

前言

最近在研究复杂的AI工作流来处理一些复杂的问题,想自建一个类似coze这样的AI应用开发平台,coze 海外版平台目前开始收费了,免费额度非常的少。据我了解目前只有两个开源项目支持复杂的AI工作流,一个是fastgpt ,一个是Dify,根据网上的资料,个人觉得Dify的操作体验更好,支持的模型更全。

主要介绍

Dify 官方地址:https://dify.ai/

官方介绍:

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 LLMOps 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。

由于 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。

搭建教程

在官方文档有搭建教程:https://docs.dify.ai/v/zh-hans

先找到项目GitHub 开源链接clone 下来,使用docker部署运行

git clone https://github.com/langgenius/dify.git   cd dify/docker   cp .env.example .env   docker compose up -d

这里需要注意的是在.env配置文件中需要更改端口号,官方的端口号是

EXPOSE_NGINX_PORT=80   EXPOSE_NGINX_SSL_PORT=443

一般会跟自己的项目有冲突,解决冲突过后打开正确修改后的EXPOSE_NGINX_PORT端口

先设置管理员的账号密码,然后就直接进入了主要的应用界面

测试

我想测试一个简单的Agent工作流,在开始之前先添加大模型供应商,在某宝上有很多可以购买的。

在右上角点击头像,再点击设置

添加大模型供应商,我这里选择的是openai的chatgpt4

这里有一个知识点,在Dify中Agent和Workflow是两种不一样的东西。

Agent: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,一般比较简单,处理一些笼统的对话问题。

Workflow: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,比较复杂,需要自己设计很多细节

一般是使用两个能力进行结合,Agent 负责对话理解,Workflow处理具体的细节功能,今天我就把之前在coze做的微信消息转发的机器人迁移到了Dify这里,把具体步骤给大家讲解一下。

先创建一个Workflow,添加输入的两个参数:好友昵称 和 消息内容

再在后面添加一个 HTTP请求的能力,调用微信消息发送的API 就能发送消息了。

需要发送消息的昵称和消息内容进行组装

继续创建一个结束的流程,把上面的http请求接口的结果进行返回

然后点击发布,发布的时候需要配置这个工作流的别名叫wechat_message。

最后再创建一个Agent,添加一下刚才发布的工作流,并设置默认的prompt为:

请确保你作为一个聊天机器人,在处理对话时能够深刻理解对话内容及对话者的意图。使用wechat_message工具时,不要简单地直接转发信息,而应该基于对话的上下文,生成富有洞察力且相关的回复。这样的处理不仅展示了你的语义理解能力,还能有效地提升对话的质量和参与度。

效果实测:

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

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