虫无涯的博客

本文介绍了如何利用Dify Agent与AntV打造高效的数据可视化解决方案。通过Dify Agent的低代码特性快速构建数据处理流程，结合AntV丰富的图表库实现专业可视化效果。文章详细演示了从创建Dify Agent、添加AntV工具到设置提示词的全过程，并以一周温度数据为例，展示了生成条形图、柱状图、面积图等多种图表的方法。该方案既能简化开发流程，又能满足个性化可视化需求，为开发者提供了一套可落地的实战参考。

本文介绍了在Dify平台调用硅基流动模型时，如何解决流程编排中不显示思考过程的问题。首先通过硅基流动模型API获取免费模型并创建API key，然后在Dify中下载插件并创建工作流。初始运行发现模型虽能输出详细思考内容（如1+1问题的多角度分析），但前端不显示思考过程。最终通过优化工作流设计，新增文本变量和下拉选项，成功在前端展示模型的完整思考过程。解决方案着重于正确配置模型节点参数，确保输出内容包含<think>标签内的完整推理逻辑。

摘要：本文介绍了在Ubuntu系统上本地部署Dify开源大语言模型平台的详细步骤。Dify是一个支持多模型（如GPT、Llama等）的低代码AI应用开发平台，提供RAG增强、Agent框架等功能。部署过程包括：1）安装Docker和Docker Compose；2）获取Dify源码并配置环境变量；3）解决国内镜像拉取问题；4）通过docker-compose启动服务。完成部署后，用户可通过localhost访问并初始化管理员账号，快速构建生成式AI应用。文中还提供了常见问题排查方法和常用命令参考。