微信扫码
添加专属顾问
我要投稿
将AI大模型与业务流程深度整合的实战指南,助你实现智能化工作流。 核心内容: 1. 利用南瓜树低代码平台和Dify大模型平台,实现用户评价记录功能 2. 大模型对评价内容进行正负面分类,并进一步判断具体问题类型 3. 业务功能开发:创建用户评价信息表和数据服务,实现评价内容的保存与分类
本次实战是基于“南瓜树低代码平台+dify大模型应用平台”,实现记录用户评价功能
整体思路:
1、大模型根据自然语言推理,对评价的内容按正负面评价进行分类;2、如果是负面评价,则再进行判断是售后问题还是运输问题、其他问题3、调用http接口,将用户评价内容保存到数据库。
演示内容分为两部分,业务功能开发、工作流开发。
一、业务功能开发:南瓜树低代码平台上开发一个数据服务
1、创建一个业务表:用户评价信息表
CREATE TABLE `product_evaluate_info` ( `productId` varchar(48) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '商品ID', `review` varchar(2000) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '客户评价', `review_type` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '分类1', `review_type2` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '分类2', `createBy` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL, `create_time` datetime DEFAULT CURRENT_TIMESTAMP ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
2、开发一个数据服务:新增客户评价
数据引擎:默认1,如果其他数据库,则可参考数据引擎中的ID
数据编码:即接口唯一调用标识,后续调用这个服务时需要用到
sql:必传参数表达式: {! param=#paramValue#},非必传参数表达式: {? param=#paramValue#},用户环境变量参数:@Env(loginId)日期变量参数: @{yyyy} 当前年份 @{MM} 当前月份 @{dd} 当前日期天 @{yyyy-MM-dd} 当前年月日 @{yyyy-MM-dd HH:mm:ss} 当前年月日时分秒
更多关于南瓜树数据服务功能的使用请参考:
https://note.youdao.com/s/UUewGMj8
insert into product_evaluate_info(productId,review,review_type,review_type2,createBy) values({! #productId#} ,{! #review#} ,{! #review_type#} ,{! #review_type2#} ,@Env(loginId))
整体内容如图:
3、验证服务是否正常
4、检查数据库是否存在数据
二、AI应用开发:在Dify上开发一个工作流
1、创建一个工作流应用
2、梳理业务工作流逻辑
涉及节点类型:
1、开始、结束节点2、条件分支节点3、http请求节点4、参数提取节点5、问题分类器节点6、变量聚合节点
业务逻辑:
a、开始节点:用户输入文本变量:产品ID和客户评价评价
b、添加环境变量:token:默认值设置为1ApiCode:调用服务的数据编码username:用户登录业务系统的账号password:用户的系统账号密码
c、条件分支节点:根据环境变量token判断用户是否登录,如果没有登录,则调用登录接口实现登录
d、http请求节点:调用登录接口,传入环境变量中设置的账号密码,实现登录
e、参数提取器节点:解析登录接口返返回的token,覆盖环境变量的token值
f、问题分类器节点:对用户输入的评价调用大模型进行推理分类:将分类结果标识为正面评价 或 负面评价
g、http请求节点:将大模型识别出来的结果,调用我们刚开发的“新增客户评价”服务将数据保存到数据库;;需要在header中添加授权、将用户输入的商品ID和评价内容、环境变量的ApiCode、以及大模型的判断分类结果作为参数传入接口{"productId":"1", "review":"这个商品质量很好", "review_type":"正面评价", "review_type2":"", "ApiCode":""}
h、变量聚合器节点:将所有http请求节点的结果进行聚合输出
i、结束节点:将聚合的结果进行展示输出
整体节点图如下:
大模型自动识别为负面分类,且是售后问题
大模型自动识别为正面分类
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-30
知识融合新范式:Cherry Studio×dify 知识库联动全解析
2025-04-29
Dify 平台集成 Palo Alto Networks 安全插件,为 AI 应用注入企业级安全防护
2025-04-29
Dify→ LLM 节点 说明
2025-04-28
速看!最新版 Dify 连接 Ollama 与 vLLM 全攻略
2025-04-27
Docker 部署 dify 连接 ollama 模型报错?
2025-04-27
Dify 工作流→ 节点及相关功能
2025-04-26
java对接Dify的工作流API(实战篇)
2025-04-26
关于一次dify的渗透
2024-12-24
2024-04-25
2024-07-16
2024-07-20
2024-04-24
2024-06-21
2024-05-08
2024-11-15
2024-05-09
2024-08-06
2025-04-27
2025-04-15
2025-03-20
2024-12-19
2024-09-13
2024-09-13
2024-08-28
2024-04-24