从0开始创建一个票务识别智能体-CSDN博客

本文链接：https://blog.csdn.net/weixin_43440181/article/details/147784629

Dify最牛的地方就是像搭积木一样简单——不用懂代码，普通人稍微学学就能用它的「智能机器人」和「流程图」功能，自己拼出一套自动化工具。比如自动回复客户、处理文件这些事，你拖拖拽拽就能搭出想要的功能，特别适合折腾些好玩的小发明。

我们可以通过智能体或工作流，自定义工具完成很多我们好玩的功能。

报文篇幅较长，简单说下内容：

从0开始创建一个票务识别智能体；
介绍搭建过程中的各个细节；
教会你每一步为什么，而不是只是完成；

通过实践这个流程，我相信你可以学会自己搭建自己需要的智能体。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

一、Dify 工作流：

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了 LLM 应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。

Dify 工作流分为两种类型：

Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。
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。

二、如何开始呢？

从一个空白的工作流开始构建或者使用系统模版帮助你开始；
熟悉基础操作，包括在画布上创建节点、连接和配置节点、调试工作流、查看运行历史等；
保存并发布一个工作流；
在已发布应用中运行或者通过 API 调用工作流；

根据这四步,我们一步一步来实现。

三、创建火车票单类票据识别智能体工作流：

3.1 创建工作里空白应用：

在首页，选择工作室-> 工作流-> 创建空白应用

按照下图所示 1-> 2 -> 3 ，操作

工作流创建成功：

3.2 添加节点：

点击 + 号，添加节点。

选择自己需要的节点：我们这里选择 LLM

3.3 选择LLM 节点后如下：

3.4 修改配置LLM

选择模型，这里选择的模型需要支持： 多模态输入的大模型。因为要使用视觉。我这里使用的是通过ollama 部署的 llava 本地模型。

输入角色提示词，在SYSTEM中填入：

根据图片识别内容，给出json格式的结构化信息，包括：起始站，终点站，车次，乘车日期，出发时间，票面价格，身份证号，姓名。

因为我们的任务非常简单，因此无需复杂的提示词，只要把你的要求清晰表达出来即可。

**视觉**选项打开，否则 Dify 默认不启用多模态能力。

添加结束节点：

3.5 一个火车票识别智能体就搭建完了。点击发布。

3.6 开启图片上传功能：

3.7 火车票识别智能体运行：

3.8 点击运行，上传火车票：

图片支持：本地和网络地址

3.9 点击开始运行，分析结果：

可以看出结果是比较糟糕的，识别的信息错误很大。主要是模型不星。

3.10 更换大模型：

使用：Qwen/Qwen2-VL-72B-Instruct

3.11 重新识别，非常完美的结果：

四、创建多类票据识别智能体工作流：

多票据，可以知道，需要先判断是什么票？

遇事不决，交给大模型。

4.1 只需加一个`发票类型识别`的LLM：

发票和火车票，提示词如下：

你是发票识别专家，根据用户上传的发票图像，给出发票类型。只需返回指定的发票类型对应的序号，无需其他任何内容。
发票类型包括：
1.火车票
2.增值税电子发票
如果无法判断，直接输出0。

如果是火车票，输出 1. 如果是增值税电子发票，输出2.

4.2 添加条件分支:

这个分支的意义是，如果是火车票，走哪个模型；如果是发票，走哪个模型：

4.3 需要新增一个 LLM发票识别.

提示词：

根据图片识别内容，给出json格式的结构化信息，包括：发票标题，发票号码，开票日期，购买方信息名称，购买方统一社会信用代码/纳税人识别号，销售方信息名，销售方统一社会信用代码/纳税人识别号，项目名称，规格型号，单位，数量，单价，金额，价税合计（小写），备注。

其实就是，把发票上的信息。描述了一下。

4.4 添加变量聚合器

把不同识别大模型的输出，都统一路由到一个叫变量聚合器的组件中：

这样的话，就不用给每一个识别模型，都设置结束节点。

4.5 配置结束节点：

4.6 完整工作流展示：

4.7 验证：运行识别火车票，完美实现功能：

从追踪结果看：完全符合我们的判断；

如果识别是火车票，输出 1. 条件判断走：火车票识别大模型，通过变量聚合器后，输出。

4.8 验证：运行发票识别，完美：

4.9 导出保存DSL：

4.10 导入入口：

如果想要使用别人的工作流，这里直接导入即可。

五、备注一下，文中使用的模型都是用的硅基的，获取流程如下：

注册即送 2000 万 Tokens

5.1 注册地址：

https://cloud.siliconflow.cn/i/5WC4oDo4

5.2 如何获取 SiliconCloud api-key?

点击注册地址： https://cloud.siliconflow.cn/i/5WC4oDo4。注册后登陆进入以下页面，创建api-key。

配置后，在聊天助手中就可以使用，可以看到硅基的模型：

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。

倘若大家对大模型抱有兴趣，那么这套大模型学习资料肯定会对你大有助益。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

请添加图片描述

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。