Dify实战：10分钟打造批量文档总结神器

• 10 分钟搭建全流程：手把手教你操作

• 应用场景

10 分钟搭建全流程：手把手教你操作

1、创建chatflow工作流

登录 Dify 平台后，我们会看到一个简洁明了的工作台 。在工作台中，旋转chatflow 点击 “新建空白应用” 按钮，给我们的工作流取一个响亮的名字，比如 “批量文档总结神器”，当然，你也可以根据自己的喜好来命名 。点击 “创建”。

2、添加文件输入节点

在工作流的编辑界面，我们可以看到左侧有一个节点库 。点击开始节点。点击该节点， 输入字段选择加号。

可以选择文档和图片两种类型。然后输入变量名称，点击确定。还可以设置批量处理的相关参数，比如一次最多处理的文件数量 。通过这些设置，我们可以让文件输入节点更符合我们的实际需求 。

2、设置迭代框，并添加文档提取器

接下来点击添加节点，选择迭代，然后就出现一个迭代框，由于文档的内容不能直接被大模型读取，因此我们需要在这个迭代器中添加一个文档提取器。

这里的迭代器的输入变量是输入的文件列表。

3、接入大模型进行文档结构化提取

接入这个节点大模型可是我们这个批量文档总结助手的核心大脑，它能对解析后的文本进行深入分析，提炼出关键信息 。在节点库中找到 “大模型” 节点，连接到 “文档提取器” 节点 。点击 “大模型” 节点，在设置面板中，首先要选择我们之前准备好的大模型，比如DeepSeek v3 等 。不同的模型在性能和特点上会有所差异，你可以根据自己的需求和预算来选择 。接着，我们需要配置一些模型参数，比如温度（temperature）。最大生成 Token 数等 。温度参数主要影响生成文本的随机性，取值范围一般在 0 - 1 之间，数值越大，生成的文本越具有多样性，但也可能会出现一些不太准确或不太连贯的情况；数值越小，生成的文本就越保守、越确定 。最大生成 Token 数则限制了模型生成文本的长度，你可以根据文档的实际情况和总结的要求来设置 。

除了模型参数，设置文档结构提取任务的提示词也是非常关键的一步 。提示词就像是给大模型下达的指令，告诉它我们想要什么样的总结结果。以下是提示词模版：

阅读以下文章内容并执行任务

# 任务

- **主要目标**：全面解析文章的结构。

- **目标**：详细说明文章每个部分的内容。

- **要求**：尽可能详细地分析。

- **限制**：无特别的格式限制，但需要保持解析的条理性和逻辑性。

- **预期输出**：文章结构的详细解析，包括每个部分的主要内容和作用。

# 推理顺序

- **推理部分**：通过仔细阅读文章，识别和解析其结构。

- **结论部分**：提供每个部分的具体内容和作用。

# 输出格式

- **解析格式**：每个部分应以标题形式列出，后跟对该部分内容的详细说明。

- **结构形式**：Markdown，以增强可读性。

- **具体说明**：每个部分的内容和作用，包括但不限于引言、正文、结论、引用等。

# 示例输出

## 示例文章解析

### 引言

- **内容**：介绍研究的背景、目的和重要性。

- **作用**：吸引读者的注意力，为文章内容提供上下文。

### 方法

- **内容**：描述研究的具体方法和步骤，包括实验设计、数据收集和分析技术。

- **作用**：使读者了解研究的科学性和可重复性。

### 结果

- **内容**：展示研究的主要发现和数据。

- **作用**：提供研究结论的证据基础。

### 讨论

- **内容**：解释结果的意义，对比其他研究，提出可能的改进方向。

- **作用**：帮助读者理解结果的广泛影响和未来研究的潜力。

### 结论

- **内容**：总结研究的主要发现和贡献。

- **作用**：强化文章的核心信息，提供明确的结论。

### 引用

- **内容**：列出文章中引用的所有文献。

- **作用**：提供进一步阅读的资源，确保学术诚信。

# 备注

- **边缘情况**：如果文章结构不典型（例如，缺少某些部分或有额外的部分），应在解析中明确指出这些特殊情况。

- **重要考虑事项**：解析时应关注文章的逻辑性和连贯性，确保每个部分的内容与文章的整体目标一致。

4、输出总结结果

大模型完成总结后，我们还需要将结果输出，方便我们查看和使用 。在节点库中找到 “大模型节点” 节点，连接到 “文档总结性” 节点 。然后选择上下文选择结构化提取的输出变量。

除了模型参数，设置总结任务的提示词也是非常关键的一步 。以下是提示词模版：

阅读以下文章内容并执行任务

# 任务

- **主要目标**：全面阅读上文，针对文章进行总结和归纳

- **要求**：基于当前归纳总结请输出一篇字数2000字左右的概要总结

- **限制**：无特定限制。

- **预期输出**：逻辑结构清晰，复合材料主题。不偏离事实

# 推理顺序

- **推理部分**：全面阅读文章，分析文章各个部分的内容，思考每个部分整体的内容

- **结论部分**：提出有意义和有价值的观点，确保观点不能偏离材料

# 输出格式

- **格式**：标题以加黑输出

- **内容**：针对文章的各个部分（如引言、背景、方法、结果、讨论、结论等）分别输出。

5、编辑迭代组件的参数

刚刚设置完迭代内部的组件，如下图所示：

接下来我们需要把迭代的输入和输出定义好。

选择开始节点的文档列表作为输入，而内容总结大模型节点的输出变量作为迭代节点的输出变量。

6、输出总结内容

添加回复节点，选择迭代的输出作为最后的输出。

最后总体流程如下图所示：

应用场景

批量文档总结助手已经搭建完成啦，就让我们试一试吧，来感受一下它的强大威力 ！

点击上传文档。

点击开始对话，输入请总结文档。最后看到总结后的结果。

整体还是比我们自己去阅读还是高很多，以下是批量文档处理助手的具体应用场景。

1、学术论文总结

学术论文的总结例如关于人工智能在医疗领域应用的学术论文，利用总结助手后，短短几秒钟，助手就给出了一份简洁明了的总结 。总结中不仅准确地可以提取了论文的核心观点，还清晰地阐述了主要论据，如相关的实验数据、研究案例等，以及最终的研究结论 。与人工总结相比，不仅速度大大提高，而且关键信息的提取更加全面和准确，让我们能够在短时间内快速掌握论文的精髓 。

2、商务报告总结

对于一份几十页的商务报告，人工总结通常需要花费很长时间以及理解，而总结助手在处理这份报告时，迅速梳理出了各个板块的重点内容，如市场的增长趋势、主要竞争对手的优势和劣势、公司在过去一年中的销售亮点和不足之处等 。通过总结助手生成的总结，我们可以一目了然地了解公司在市场中的地位和面临的挑战，为后续的决策提供了有力的支持 。如果手动总结这样一份报告，可能需要花费几个小时甚至更长时间，而有了我们的总结助手，一切都变得轻松快捷 。

3、会议纪要总结

在一次长达两个小时的项目会议中，产生了大量的讨论内容和决策事项 。以往，整理这样的会议纪要需要耗费不少时间和精力 。而使用总结助手对会议记录进行处理，它很快就提取出了会议的主要议题、各方的观点和建议、最终达成的决策以及后续的行动事项 。生成的会议纪要格式清晰，重点突出，就像一个专业的会议记录员，将会议的关键信息完整地呈现出来 。这不仅节省了整理会议纪要的时间，还确保了信息的准确性和完整性，方便团队成员随时查阅和跟进 。

通过以上这些案例可以看出，我们利用 Dify 搭建的批量文档总结助手，在处理不同类型的文档时，都能够快速、准确地提取关键信息，为我们节省大量的时间和精力 。无论是在学术研究、商务工作还是日常办公中，它都能成为我们的得力助手，让我们在处理文档内容的时候，效率更高效。