基于moonshot模型的Dify大语言模型应用开发核心场景

基于moonshot模型的Dify大语言模型应用开发核心场景学习总结

一、Dify环境部署
1.Docker环境部署
这里使用vagrant部署，下载vagrant之后，vagrant up登陆，vagrant ssh，在vagrant 中使用 vagrant centos/7 init 快速创建虚拟机
安装完成之后，修改vagrant配置文件的网络，保证本地与虚拟机网络连通

在centos7上部署dokcer环境

1、卸载系统之前的 docker

sudo yum remove docker \docker-client \docker-client-latest \docker-common \docker-latest \docker-latest-logrotate \docker-logrotate \docker-engine

2、安装必须的依赖 Docker-CE
启用 EPEL 源
Extra Packages for Enterprise Linux（EPEL）源包含了许多额外的软件包，可能会包含你需要的软件包。你可以通过以下命令安装 EPEL 源：

sudo yum install -y epel-release
sudo yum install -y yum-utils \ device-mapper-persistent-data \ lvm2

3、设置 docker repo 的 yum 位置
阿里云镜像

sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

4、安装 docker 以及 docker-cli

sudo yum install docker-ce docker-ce-cli containerd.io

5、启动 docker

sudo systemctl start docker

6、设置 docker 开机自启

sudo systemctl enable docker

bug：安装docker时显示空间不足
解决办法：在VirtualBox界面右键删除centos7所有数据，重新安装即可
安装docker时空间不足的问题，去VirtualBox里面删除centos7，从新安装就行了，而且必须使用阿里云镜像

sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

其他步骤都一样，第一此我装cenos7直接占了40G硬盘，卸载后第二次装才正常只占5G硬盘
第二次装centos7的时候先要删除pc目录下的Vagrantfile文件，然后再执行vagrant init centos/7
完成之后记得改Vagrantfile文件的配置地址config.vm.network “private_network”, ip: “192.168.56.10”
2.Centos7安装dify
在docker安装git，配置pub公钥至github

如果git无法下载，临时忽略 SSL 验证

git config --global http.sslVerify false

下载完后恢复 SSL 验证

git config --global http.sslVerify true

如果出现类似Error response from daemon: Get “https://registry-1.docker.io/v2/”: net/http: request canceled while waiting for connection (Client.Timeout exceeded while awaiting headers) 的错误，说明镜像源网站不可用，需要更换镜像源网址

sudo vi /etc/docker/daemon.json
填入

{
"registry-mirrors":[ 
"https://docker-0.unsee.tech",
"https://docker.imgdb.de", 
"https://docker.h1mirror.com" 
]
}

当Dify版本更新后，你可以克隆或拉取最新的Dify源代码，并通过命令行更新已经部署的Dify环境。‍‍‍‍‍‍‍‍‍‍‍‍
进入dify源代码的docker目录，按顺序执行以下命令：
更新dify，如过更新了.env配置文件需同步至复制的配置文件

cd dify/docker
docker compose down
git pull origin main
docker compose pull
docker compose up -d

docker compose ps 查看已运行服务

3.Dify compose环境验证
3.1 Dify调试命令

#停止容器下所有服务
docker compose stop
cd /root/dify/docker
#启动
docker compose start
#停止并移除
docker compose down
#安装并启动 
docker compose up -d

3.2 502Gateway问题
安装完成后访问首页，本地vagrant服务器ip为192.168.56.10，访问dify注册地址：http://192.168.56.10/install，出现一直加载的问题，始终无法访问，最后使用卸载、重装、更新等操作，在次访问还是同样的问题，最后等待了一会就可以成功访问了，可能是dify在下载相关查询或者是nginx转发ip的问题

http://192.168.56.10/console/api/setup
502 Bad Gateway

3.3 修改nginx服务配置
通过下列命令获取api-1、web-1服务的ip，将新的ip更新至nginx配置文件中

 docker ps -q | xargs -n 1 docker inspect --format '{{ .Name }}: {{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}'

/docker-api-1: 172.18.0.8172.19.0.5
/docker-web-1: 172.18.0.5

docker inspect --format '{{range.NetworkSettings.Networks}}{{.IPAddress}}{{end}}' docker-api-1
172.18.0.9172.19.0.4docker inspect --format '{{range.NetworkSettings.Networks}}{{.IPAddress}}{{end}}' docker-web-1
}
172.18.0.3#重启nginx
docker compose restart nginx

3.4 启动Dify
更新nginx配置无效，重装dify即可，若还是访问一直在加载，就多等待一会

二、Dify学习

1. 聊天助⼿Demo：创建基于知识库的问答机器⼈，⽀持PDF⽂档检索

获取api key

Api-key在kimi月之暗面上新建

Api-base:https://api.moonshot.cn/v1

设置成功

给聊天助手配置大模型

提示词编写完成之后，点击发布

点击重新开始

开始聊天

使用变量

在提示词中输入“/”导入变量，然后替换所有变量

刷新

开始提问

通过上述操作，可以实现智能面试大模型，可以嵌入网站、并且可以提供访问API等

使用ai生成知识库文档，导入文档至机器人

预览

将创建的知识库，导入给聊天机器人

开始提问，基于知识库中的元数据标签提出问题，机器人回答知识库中标签对应的答案

2. Agent Demo：开发调⽤天⽓API的智能体，实现动态数据获取。

创建心知天气账号

创建免费API KEY

使用账号API KEY拼接API

https://api.seniverse.com/v3/weather/daily.json?key=SIl3naRjcyTKgfT7m&location=wuhan&language=zh-Hans&unit=c&start=0&days=5

API参数定义

创建自定义工具

使用ai生成OPen API Schema

{ "$schema": "http://json-schema.org/draft-07/schema#", "type": "object", "properties": { "results": { "type": "array", "items": { "type": "object", "properties": { "location": { "type": "object", "properties": { "id": { "type": "string" }, "name": { "type": "string" }, "country": { "type": "string" }, "path": { "type": "string" }, "timezone": { "type": "string" }, "timezone_offset": { "type": "string" } }  , "required": ["id", "name", "country", "path", "timezone", "timezone_offset"] }, "daily": { "type": "array", "items": { "type": "object", "properties": { "date": { "type": "string", "format": "date" }, "text_day": { "type": "string" }, "code_day": { "type": "string" }, "text_night": { "type": "string" }, "code_night": { "type": "string" }, "high": { "type": "string" }, "low": { "type": "string" }, "rainfall": { "type": "string", "pattern": "^[0-9.]+$" }, "precip": { "type": "string", "pattern": "^[0-9.]+$" }, "wind_direction": { "type": "string" }, "wind_direction_degree": { "type": "string" }, "wind_speed": { "type": "string", "pattern": "^[0-9.]+$" }, "wind_scale": { "type": "string", "pattern": "^[0-9]+$" }, "humidity": { "type": "string", "pattern": "^[0-9]+$" } }, "required": ["date", "text_day", "code_day", "text_night", "code_night", "high", "low", "rainfall", "precip", "wind_direction", "wind_speed", "wind_scale", "humidity"] } }, "last_update": { "type": "string", "format": "date-time" } }, "required": ["location", "daily", "last_update"] } } }, "required": ["results"] }

我这里可以优化为只传城市location这一个参数，目前是全量传参

把自定义工具添加到agent的工具中

在语言交互阶段，输入参数

测试：武汉天气
API参数：
key=SIl3naRjcyTKgfT7m
location=wuhan
language=zh-Hans
unit=c
start=0
days=5

测试：宜昌天气
API参数：
key=SIl3naRjcyTKgfT7m
location=yichang
language=zh-Hans
unit=c
start=0
days=5

在“探索”中打开，这里动态数据获取完成，只需要传入不同的查询参数，比如location所查询的位置传入需要查询的城市即可返回当前城市的天气信息，实现了动态传参查询的效果，这里的天气查询API可以使用现有的天气网址提供，也可以延申一下，将自己开发的API提供给Dify，灵活的在Dify的业务中使用。

3. Chatflow Demo：设计多轮对话流程（如⽤户身份验证→需求收集→服务推荐）
   1.Dify工作流分为两种类型：
   （1）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。
   （2）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。

2.用户身份验证→需求收集→服务推荐的多轮对话流程。
（1）用户身份验证：用户输入用户名和密码，程序通过authenticate_user函数检查输入的信息是否与模拟的用户数据库匹配，验证用户身份。
（2）需求收集：身份验证成功后，通过collect_requirements函数与用户进行多轮对话，收集用户的需求信息，用户可以输入多个需求类型及其具体内容，输入done结束需求输入。
（3）服务推荐：根据收集到的用户需求，通过recommend_services函数向用户推荐相应的服务。

创建Chatflow

新增变量
username
password
hobby

定义问题分类器

创建http请求模块

#编写分类API接口
@GetMapping("/handle")
public String handle(@RequestParam String username,@RequestParam String password,@RequestParam String hobby){//用户校验if (!username.equals("1") || !password.equals("2")) {return "用户名或密码错误";}List<String> list;String message;Random random = new Random();switch (hobby) {//摄影服务推荐case "1":list = Arrays.asList("视觉中国：是一家知名的视觉内容服务提供商，拥有丰富的图片、视频等视觉资源，也提供专业的摄影服务，涵盖广告摄影、产品摄影、活动摄影等领域。","图虫网：聚集了大量专业摄影师和摄影爱好者，可以在这里找到各种风格的摄影师，提供商业摄影、旅拍、人像摄影等服务，还能购买摄影作品的版权。","桔子拾光：是一家专注于餐饮视觉传播的机构，在厦门、广州设有分公司，主营美食摄影、美食短视频等服务，合作过百草味、圣农食品等国内食品一线品牌以及众多本地知名餐饮品牌");int randomIndex1 = random.nextInt(list.size());message  = list.get(randomIndex1);break;case "2"://// 旅游服务推荐list = Arrays.asList("携程：提供全方位的旅游服务，包括机票预订、酒店预订、旅游度假产品预订、火车票预订、汽车票预订、景点门票预订等，还有用户点评和攻略分享，能帮助用户规划行程。","去哪儿网：专注于旅游产品的搜索和比较，提供机票、酒店、度假、门票等产品的预订服务，其价格比较功能可以帮助用户找到性价比高的旅游产品。","马蜂窝：以旅游攻略和游记分享为特色，用户可以在平台上查看其他旅行者的经验和建议，了解目的地的景点、美食、住宿等信息，还能预订酒店、机票、当地游等产品。");int randomIndex2 = random.nextInt(list.size());message  = list.get(randomIndex2);break;case "3"://美食服务推荐list = Arrays.asList("舌尖上的美食地图：集美食推荐、点评、交流于一体的附近美食推荐平台，覆盖全国众多城市和县区，通过权威推荐和用户真实点评，帮助用户发现身边的特色美食和品质餐厅。","大众点评：是一个生活消费点评平台，提供美食、酒店、购物、休闲娱乐等各类商家的信息和用户点评，用户可以根据评分、评价、距离等筛选餐厅，还能查看餐厅的菜单、地址、电话等详细信息。","小红书：虽然不是专门的美食推荐平台，但有大量的美食博主分享美食探店、美食制作、地方特色美食等内容，用户可以通过搜索关键词或浏览相关话题，发现各种美食推荐和美食攻略。");int randomIndex3 = random.nextInt(list.size());message  = list.get(randomIndex3);break;default://发送至默认客户支持邮箱message = "已发送至默认客户支持邮箱";break;}return message;
}

定义变量聚合器，将所有请求接口的响应返回到这里

定义结束节点收纳变量聚合器的返回，结束节点变量为output（变量聚合器输出）

输入用户名和密码开始交互，用户输入”摄影“，会根据用户需求通过收集器进行分类，然后传入类型参数（hobby ：摄影=1，旅游=2，美食=3），开始http请，首先API接口会校验账号和密码，如果校验失败会返回”用户名或密码错误”,如果校验通过，根据类型像API传入不同的参数

流程如下：
通过下面可知，需求收集器根据用户的输入自动分类为”摄影”，然后去触发摄影接口

响应结果：
"桔子拾光：是一家专注于餐饮视觉传播的机构，在厦门、广州设有分公司，主营美食摄影、美食短视频等服务，合作过百草味、圣农食品等国内食品一线品牌以及众多本地知名餐饮品牌

4. ⼯作流Demo：构建⾃动化文章⽣成流程（LLM提示词生成章节→章节json解析&格式转换→迭代节点生成完整文章）
   创建工作流
   

使用ai生成提示词

##角色 文章撰写专家
##技能 根据用户输入的文章标题 /title 和各章节名称 /chapter，生成各个章节下的子章节。
##目标 确保生成的每个子章节和父章节紧密相关。 纵观整体章节，必须保证各章节过渡连贯流畅。 最终输出 json 字符串。
##限制 输出的 json 字符串必须是标准 json 字符串，不要包含任何 XML 标签和转义字符，如\n 。 严格按照输出示例中的例子输出 json 字符串，不要输出其他任何文本。
#输出示例 [ { “chapter”: “引言”, “subchapter”: “1. 气候变化对沿海城市影响的概述 2. 理解这些影响的重要性 3. 研究范围与方法简述” }, { “chapter”: “气候变化对沿海城市的具体影响”,
“subchapter”: “1. 海平面上升引发的洪水风险 2. 极端天气事件频率增加的冲击 3. 海洋生态变化对渔业的影响” }, {
“chapter”: “应对策略与措施”, “subchapter”: “1. 基础设施加固与防洪工程建设 2. 生态保护与修复举措 3.
城市规划中的气候适应性调整” }, { “chapter”: “结论”, “subchapter”: “1.
总结气候变化对沿海城市影响的关键要点 2. 展望未来沿海城市应对的方向 3. 强调跨部门合作的必要性” } ]

将提示词填入user处

嵌入提示词变量

验证LLM

生成成功

[ { “chapter”: “关于评价的故事”, “subchapter”:
“1.庄子如何评价事物2.超越常规的评价标准3.评价与个人成长的关联4.如何从评价中获得启发5.评价对人际关系的影响” }, {
“chapter”: “关于得失的故事”, “subchapter”:
“1.庄子对得失的看法2.得失对心态的影响3.如何在得失中寻找平衡4.得失观与生活哲学5.得失中的道德考量” }, { “chapter”:
“关于困境的故事”, “subchapter”:
“1.庄子如何看待困境2.困境中的自我反思3.通过困境实现自我超越4.困境与逆境中的创造力5.困境中的人际关系” }, {
“chapter”: “关于选择的故事”, “subchapter”:
“1.庄子的选择哲学2.如何在复杂环境中做出选择3.选择对人生道路的影响4.选择与责任的关系5.选择中的道德挑战” }, {
“chapter”: “关于心态的故事”, “subchapter”:
“1.庄子的心境观2.心态对生活质量的影响3.如何在变化中保持平和心态4.心态与幸福感的关系5.心态的修炼与提升” } ]

Json格式转换，并将text文本类型转换为object数组进行输出

def main(arg1: str) -> dict:import jsondata=json.loads(arg1)result=[{"chapter":item["chapter"], "subchapter":item["subchapter"]}for item in data]return {"result":result}

迭代节点

提示词：
system:
你是一个文章撰写专家，你是工作是写长形式有吸引力的文章。
user:
你正在编写一篇名为/title的文章，根据一下信息/item写一个章节
生成全文时以完整的大纲作为参考/chapter

迭代输入输出

def main(arg1: list):
data = articleSections
return {
“result”: “\n”.join(data)
}

节点编排完成

可以使用下列title和标题自动生成小说了！！！

文章标题
武侠修仙：5 个秘籍，开启超凡修行之路
章节
1.关于功法的秘籍
2.关于法宝的秘籍
3.关于奇遇的秘籍
4.关于心境的秘籍
5.关于突破的秘籍

三、主机巡检场景学习

（1）Apifox Mock数据配置
1.创建mock接口
获取义主机监控指标（CPU、内存、磁盘）/getItemVal

2.定义主机监控指标JSON数据结构

利用率：usage
阈值：threshold
异常：warning
危险：critical

响应定义

{"host": "example_host","metrics": {"cpu": {"usage": 20,"threshold": {"warning": 70,"critical": 90},"status": "normal"},"memory": {"usage": 94,"threshold": {"warning": 80,"critical": 95},"status": "warning"},"disk": {"usage": 99,"threshold": {"warning": 85,"critical": 98},"status": "critical"}}
}

3.定义期望

4.配置Mock脚本

apifox_host_monitoring_mock.js脚本内容如下：

// 获取当前时间戳，用于模拟周期性波动
const timestamp = new Date().getTime();// 模拟 CPU、内存、磁盘使用率的波动
function getUsage(metric) {let baseUsage;switch (metric) {case 'cpu':baseUsage = 50;break;case 'memory':baseUsage = 60;break;case 'disk':baseUsage = 70;break;default:baseUsage = 0;}// 模拟周期性波动，波动范围在 -20 到 20 之间const fluctuation = Math.sin(timestamp / 10000) * 20; let usage = baseUsage + fluctuation;// 确保使用率在 0 到 100 之间usage = Math.max(0, Math.min(100, usage)); return usage;
}// 根据使用率和阈值判断状态
function getStatus(usage, thresholds) {if (usage >= thresholds.critical) {return 'critical';} else if (usage >= thresholds.warning) {return 'warning';}return 'normal';
}// 生成 Mock 数据
const mockData = {"host": "example_host","metrics": {"cpu": {"usage": getUsage('cpu'),"threshold": {"warning": 70,"critical": 90},"status": getStatus(getUsage('cpu'), { warning: 70, critical: 90 })},"memory": {"usage": getUsage('memory'),"threshold": {"warning": 80,"critical": 95},"status": getStatus(getUsage('memory'), { warning: 80, critical: 95 })},"disk": {"usage": getUsage('disk'),"threshold": {"warning": 85,"critical": 98},"status": getStatus(getUsage('disk'), { warning: 85, critical: 98 })}}
};// 返回 Mock 数据
mockData;    

运行接口：

{"host": "227.41.194.179","metrics": {"cpu": {"usage": 12,"threshold": {"warning": 32,"critical": 77},"status": "veniam quis ut"},"memory": {"usage": 71,"threshold": {"warning": 6,"critical": 37},"status": "ex ad ea"},"disk": {"usage": 12,"threshold": {"warning": 9,"critical": 60},"status": "laboris fugiat nisi"}}
}

5.定义未云端接口，提供外网访问
https://m1.apifoxmock.com/m1/3316678-2786266-default/m1/3316678-2786266-default/getItemVal

浏览器访问

（2）Dify⾃定义⼯具开发

1.创建自定义工具
调⽤ApifoxMock接⼝获取数据

2.使用ai生成JSON Schema

{"openapi": "3.1.0","info": {"title": "Untitled","description": "Your OpenAPI specification","version": "v1.0.0"},"servers": [{"url": ""}],"paths": {"/m1/3316678-2786266-default/m1/3316678-2786266-default/getItemVal": {"get": {"summary": "Get data from the specified API","responses": {"200": {"description": "Successful response","content": {"application/json": {"schema": {"type": "object","properties": {"host": {"type": "string"},"metrics": {"type": "object","properties": {"cpu": {"type": "object","properties": {"usage": {"type": "number"},"threshold": {"type": "object","properties": {"warning": {"type": "number"},"critical": {"type": "number"}},"required": ["warning", "critical"]},"status": {"type": "string"}},"required": ["usage", "threshold", "status"]},"memory": {"type": "object","properties": {"usage": {"type": "number"},"threshold": {"type": "object","properties": {"warning": {"type": "number"},"critical": {"type": "number"}},"required": ["warning", "critical"]},"status": {"type": "string"}},"required": ["usage", "threshold", "status"]},"disk": {"type": "object","properties": {"usage": {"type": "number"},"threshold": {"type": "object","properties": {"warning": {"type": "number"},"critical": {"type": "number"}},"required": ["warning", "critical"]},"status": {"type": "string"}},"required": ["usage", "threshold", "status"]}},"required": ["cpu", "memory", "disk"]}},"required": ["host", "metrics"]}}}}}}}},"components": {"schemas": {}}
}

2.获取主机监控指标（CPU、内存、磁盘）测试

3.编写Python⼯具获取主机监控指标