今天我们将继续深入讲解Dify,重点介绍如何创建应用。具体来说,我们将探讨如何根据不同的需求来决定选择什么类型的应用最为合适,帮助大家更好地理解在Dify平台上构建应用的最佳实践。
首先,我们需要进入Dify的首页选择工作室,并创建空白应用。如图所示:
点击后,紧接着就会看见各种类型的应用,我们意义介绍他们的特点。如图所示:
之所以他被称为聊天助手,是因为他的核心功能仅限于与用户进行自然语言对话,无法调用任何外部工具进行复杂操作。简单来说,这类聊天助手类似于目前商业中广泛应用的智能客服系统,专注于解答用户的常见问题或进行简单的互动交流,如下图所示:
这里简单讲一下,变量是一个前提内容条件,只有用户填写了这些信息后,才可以正常聊天,如图所示:
这个其实可以理解为一个知识库。因为利用个人业务数据来微调大型模型的成本相对较高,且微调的过程可能需要大量的计算资源和时间。因此,采用挂载一个知识库的方式,不仅可以迅速提供给大模型所需的业务知识,还能通过这种方式高效地帮助大模型理解和适应当前的业务场景。如图所示:
我们除了最开始的那种方式创建,还有一种方式创建,如图所示:
agent应用在聊天应用的基础上增加了一个关键功能——工具,没错这个就是需要大模型调用外部能力去回答用户问题的工具。如图所示:
他不再仅仅局限于内部的知识库,而是扩展到了外部的数据资源,能够更广泛地获取和整合外部信息。
这个文本生成应用并不是应用,而是一个快速优化文本的小助手,如图所示:
如果你想要一个快速生成用户的润色、简历等相关业务,可以尝试一下。
这个适用于简单的单次任务执行,因为你无法拿到用户的上下文对话轮数。
除此之外,工作流模式的应用必须包含一个结束节点,才可以顺利运行。如果没有结束节点,系统将会直接报错,导致工作流无法正常执行。为了确保工作流能够在Agent应用中正确地添加到工具中,并作为外部工具参与对话流程,必须在设计时明确设置好结束节点。
这样一来,整个工作流的执行就能无缝集成,确保与其他工具的交互顺畅无误。如图所示:
这个chatflow和工作流的区别有几点,第一个很关键的就是他有记忆窗口,可以理解对话上下文信息。如图所示:
因为他无法像工作流一样嵌入到Agent应用中,所以他本身就可以正常对话。如图所示:
通过上述内容,基本上已经对Dify的应用场景和功能有了一个全面的了解。未来在遇到相关需求或场景时,您可以直接根据实际情况创建相应的应用,而无需再花费额外的时间去深入了解其各个细节。
我是努力的小雨,一个正经的 Java 东北服务端开发,整天琢磨着 AI 技术这块儿的奥秘。特爱跟人交流技术,喜欢把自己的心得和大家分享。还当上了腾讯云创作之星,阿里云专家博主,华为云云享专家,掘金优秀作者。各种征文、开源比赛的牌子也拿了。
💡 想把我在技术路上走过的弯路和经验全都分享出来,给你们的学习和成长带来点启发,帮一把。
🌟 欢迎关注努力的小雨,咱一块儿进步!🌟
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。