Dify 工作流-复刻吴恩达教授的 Agent Workflow 翻译

mac下dify+deepseek部署,实现私人知识库 mac种,使用Dify+deepseek实现私有知识库 阅读详情
AI摘要

本文介绍在Dify中复刻AI Agent translation - agent的方法,包括准备工作、注册deepseek、绘制工作流和测试。还分享大模型AI学习路径,分初阶应用、高阶应用、模型训练和商业闭环四个阶段,涵盖大模型应用、开发、训练及部署等知识,资料可在优快云免费领取。

前一段时间吴恩达教授开源了一个专注于翻译的 AI Agent——translation-agent。

这个 translate-agent 主要以 AI 大模型为翻译引擎,再通过在工作流中增加一些针对性的建议和反思,辅以:

  • 提示词设定输出风格

  • 处理习语和特殊术语

  • 指定语言使用或方言等

使之更易于翻译出比较符合当地语言的内容。

https://github.com/andrewyng/translation-agent

我们今天在 Dify 中通过可视化工作流的方式来复刻一下这个 AI Agent~

准备工作

  • AI 应用——Dify,可以本地部署也可以使用官方提供的地址

  • AI 大模型:工作流中使用的大模型深度求索家的 deepseek-chat,我们下面会大概介绍一下

注册 deepseek

访问 deepseek 的官网:https://www.deepseek.com/,选择接入 API(新用户会免费获取 500w 的 token 哦~)。

在 API Keys 页面,创建一个名为 dify 的 key:

这里要记得保存下生成的 Key 哦,Key 的值只在创建时展示一次!

绘制工作流

回到 Dify 中,我们先要将 deepseek 接入到模型供应商中:

这里不需要设置代理地址,deepseek 国内直连~

然后新建一个工作流,起名就叫 translate-agent,它需要 7 个步骤,一共 8 个节点:

  • 开始节点:需要用户提供——目标语言、原始内容、原始语言、国家(可选);

  • LLM 节点:用来将用户输入的内容翻译为目标语言;

  • 条件分支节点:判断用户是否有输入 country 的变量;

  • LLM 节点-建议:如果没有 country 的变量,AI 大模型会根据翻译后的结果再给出一次优化建议;

  • LLM 节点-根据输入的 country 进行建议:译文的最终风格和语气都会与目标语言所在的国家口语风格相符;

  • 变量聚合器:上面两个 LLM 节点的输出最终都会聚合到这个节点上进行输出

  • LLM 节点:根据建议,优化一次翻译内容

  • 结束:最终输出到用户

测试

我们节选一段《小王子》中的内容来测试一下这个工作流:

原文:

“Just that,” said the fox. “To me, you are still nothing more than a little boy who is just like a hundred thousand other little boys. And I have no need of you. And you, on your part, have no need of me. To you, I am nothing more than a fox like a hundred thousand other foxes…”

看!翻译得多好~和我看过的译文一模一样:

“当然了,”狐狸说道,“对我来说,你与其他成千上万个小男孩没什么区别。我不需要你,你也不需要我。对你来说,我与其他成千上万只狐狸毫无差别。但是,如果你驯服了我,我们就谁也离不开谁了。那时候,对我来说,在这个世界上你就是独一无二的。而对你而言,我也是这个世界上独一无二的……”

但是这样我反而觉得这可能是模型数据中有这些内容,所以试试将诗词翻译成英语看看:

原文:

君不见黄河之水天上来,奔流到海不复回

译文翻译:你没有看到黄河的水从天上降下来,冲向大海,永不返回吗?

😂对不起,难为你了

但是反着把这个英文再让它翻译时,输出的结果倒是有点原诗词那味儿了!

你没看到黄河之水从天倾泻而下,奔流入海不复返,浩浩荡荡,势不可挡?

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“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。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

OFDM基本原理 OFDM基础介绍,包括OFDM的核心思想,数学推导了OFDM信号的调制解调过程。 阅读详情

相关推荐

PADS Layout中快速导入自定义元器件封装的实用技巧

本文详细介绍了在PADS Layout中高效导入自定义元器件封装的实用技巧。针对封装“找不到”、“对不上”、“导不进”三大痛点,系统梳理了从封装文件来源识别、库规划管理,到三种核心导入场景(从库文件添加、从其他设计借用、处理第三方格式)的完整操作流程,并提供了导入后的关键验证清单与常见问题排查方法,旨在帮助硬件工程师快速掌握这一提升设计效率的关键技能。

weixin_29302047的博客 375

Dify+DeepSeek-R1: 我的超强AI工作流,详细的部署与使用实录

上面演示的只是Dify最简单的聊天应用知识库和工作流的使用,还有更多的功能和工作流值得您挖掘,更多高级的用法玩Dify的工作流本身就像搭积木一样,用它来搭建各种有趣的 AI 应用。比如做一个智能客服,帮你自动回答客户的问题;或者做个私人助理,帮你整理文档、写邮件、做会议记录;甚至可以做个创意助手,帮你写文案、做营销策划、设计广告语。你不需要写复杂的代码,只要像拖拽积木一样,把不同的功能模块组合在一起,就能做出你想要的应用。它就像是给你一套 AI 魔法工具,让你能轻松地把脑子里的想法变成现实。

2401_85375186的博客 7万+

【cocos2dx面试题干货】--2021年最新cocos2dx面试干货(引擎篇)

【cocos2dx面试题干货】--2020年度最新cocos2dx面试干货(引擎篇 ) 大家好,我是Lampard~~ 经过春招一番艰苦奋战之后,我终于是进入了心仪的公司。 今天给大家分享一下我在之前精心准备的一套面试知识。 由于我面试的岗位是cocos2dx的开发岗,今天就先给大家分享一下引擎方面的知识。 本人亲测80%的引擎相关题目都...

Lampard的博客 1万+

deepseek+dify零成本部署本地知识库保姆级教程

下载安装后查看版本号安装成功!搜索具体参数可参照配置表自行选择出现success安装成功!

qq_42217708的博客 1万+

modelsim软件安装教程及踩坑(极简版)

1.安装的网盘链接:链接:https://pan.baidu.com/s/1ltUfssyXlCnqDmLhWyhlwA提取码:jery 2.步骤(参考博文):https://blog.youkuaiyun.com/weixin_42693097/article/details/90523692?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163521788716780357213801%2522%252C%2522scm%2522%253A%2522

subtitle_的博客 3779

SPSS回归分析(线性:一元(简单)和多重;非线性logistic)

SPSS线性回归分析回归分析一、线性模型(针对连续因变量,线性关系)(一)简单线性回归(一元线性回归)1、绘制散点图2、建立简单(一元)线性回归模型3、建立模型后,检查预测结果(二)多重回归分析1、绘制矩阵分布散点图(论文专用你懂的)2、建立多重回归模型point 1:自变量加入方法:逐步(步进)法3、建立模型后,检查预测结果二、非线性模型(将非线性问题转换为线性问题)1、logistic分析的回归模型1.1 建立回归模型1.2 利用回归模型进行预测 根据之前的学习,通过评价实验得到了主观数据, 通过 描述

weixin_44394352的博客 5万+

【AI大模型】DeepSeek+dify 本地知识库:真的太香了,手把手教你搭建部署!!

我们之前说的知识库都是广义知识库。 在关于模型哪里我们说了,我们可以通过提示词临时注入知识,给大模型,但是大模型的上下文是有长度限制的,我们通过各种技术把最合适的内容挑选出来,然后给大模型。

2401_85325557的博客 2412

基于 Simulink 的固态变压器(SST)多级协同控制实战教程

《固态变压器多级协同控制仿真指南》摘要: 本教程详细讲解了基于Simulink的固态变压器(SST)三级架构建模与控制方法。核心内容包含:1)搭建级联H桥整流(CHB)、双有源桥(DAB)和逆变器(VSI)的三级主电路;2)提出创新的多级协同控制策略,通过功率前馈实现输入输出级动态匹配;3)给出系统级功率平衡、单元级均压控制的具体实现方案。教程特别强调解决实际工程中的关键问题:代数环处理、软启动设计和刚性系统求解器选择,并提供了硬件在环(HIL)仿真建议。附带的MATLAB代码示例可直接用于实现电容电压均衡

xiaoheshang_123的博客 117

DeepSeek+dify 本地知识库:真的太香了

哪里我们说了,我们可以通过提示词临时注入知识,给大模型,但是大模型的上下文是有长度限制的,我们通过各种技术把最合适的内容挑选出来,然后给大模型。由于我的dify安装的比较早,是0.7.x版本,为了给大家演示,就把原来的铲了。点击工作室,我们可以看到有很多丰富的应用,包括聊天助手、agent、工作流等 我们选择最简单的应用,聊天助手,点击5,创建空白应用。默认占用的是80和443端口,如果你本机已经部署了其他的应用,占了该端口,修改.env文件中的下面两个变量。需要注意的是dify,上传文件是有大小限制的。

大华的程序人生 6240

单反相机物镜设计[DG-10]

REAR(要打在像面,操作数要找像面对应位置15):以透镜单位表示的真实光线径向坐标,波长由Wave定义,参见“Hx、Hy、Px和Py”。最小玻璃厚度最小不能小于semi-dia的1/10,要根据layout看有没有过厚过薄,反复调节。PROD:两个操作数的乘积(操作#1 X操作#2)。3x4就是57.3x0.41=23.5。拦光一般在第一面和最后一面操作,减少边缘无用光线。光阑面与镜面贴近,要调距离,同时设置光阑像差。后截距是指从镜头后表面到焦点的距离。CONS:弧度转为角度。镜头相互嵌入,有错误。

weixin_72050316的博客 600

LPDDR5 学习笔记01:功能概述

LPDDR5/LPDDR5X SDRAM设备采用8/16DQ通道架构,支持2Gb-32Gb容量。通过CK命令时钟和更快的WCK数据时钟协同工作,7个CA引脚传输控制信息,支持2:1或4:1的WCK:CK比例。设备提供BG/8B/16B三种存储模式选择,分别支持不同数据速率(最高8.533Gbps)和突发长度。采用0.5V VDDQ电源电压,实现高速双倍数据速率传输,并通过差分WCK时钟完成数据采样。读写采用突发访问机制,需先激活命令再执行读写操作。新型LPDDR5X仅支持BG和16B模式,优化了高速性能。

一只豌豆象的博客 2197

Awesome-Dify-Workflow 完整指南:40多个开箱即用的 Dify 工作流模板,三步跑通第一个任务

晚上十一点,你还在为一篇两千字的产品稿翻译来回折腾:先复制进网页翻译,再贴给大模型润色,来回粘贴五次,格式还乱了两回。同事八点半就下班了——他打开了一个叫 **Awesome-Dify-Workflow** 的开源项目,用现成的 **Dify 工作流** 一键跑完了"直译、反思、意译"三步翻译。 这件事的关键,不是同事写了多聪明的提示词,而是这个仓库把 40 多个别人调好的 Dify 工作流模板

gitblog_00224的博客 952

基于Simulink的超级电容与锂电池混合储能协调控制仿真

摘要:本文介绍基于Simulink的光伏-混合储能系统(HESS)建模与仿真方法,通过超级电容和锂电池的协同控制实现功率平抑。系统采用直流耦合架构,利用一阶低通滤波法将总功率分解为低频(锂电池承担)和高频分量(超级电容承担),并设计SOC自平衡机制维持超级电容工作点。仿真结果表明,该方案可使锂电池电流波动降低62%,光伏功率波动率降至7.5%,有效延长电池寿命。文章详细展示了从主电路搭建、功率分配到闭环控制的完整实现步骤,为新能源系统储能优化提供实用参考。

amy_mhd的博客 136

Dify工作流自动化实战:50个免费模板,把翻译和数据分析变成“点一下“的事

晚上十点,你还在电脑前做一件事:把一篇三千字的中文技术文档翻成英文。先开翻译网页机翻一遍,再贴进 ChatGPT 让模型"润色",最后手动核对术语、调整格式——两个小时过去,腰酸背痛,而这样的活下周还有三篇。另一边,同事发来一份 CSV 让你"简单看一下趋势",你看了眼数据,脑子里浮现的是 Pandas 的语法——而你上次写 Python 已经是半年前。 这不是你不努力,而是你一直在用"手工流水

gitblog_01169的博客 644

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

从 0 到 1 用 Dify 工作流搭出企业级 AI 助手:Awesome-Dify-Workflow 完整实操手记

如果你问一个做运营的朋友,最近一年最省心的工具是什么,答案里大概率会出现"Dify 工作流"。而 Awesome-Dify-Workflow 这个开源仓库,把 30+ 个验证过的工作流模板集中打包,导入就能用,几乎人人都能零代码搭建企业级 AI 助手。今天我不打算罗列功能清单,而是带你从零开始,完整走一遍"搭一个 AI 助手"的真实流程。 ## 从需求到草图:把"会翻译、会分析、会写文案"拆成一

gitblog_00173的博客 131

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

5分钟跑通第一个Dify工作流:46个现成模板,抄作业式玩转AI自动化

你有没有过这样的经历:刷到别人晒出的Dify智能体、自动化流程,觉得"真香",可真到自己上手,打开工作流画布就傻眼了——该先拖哪个节点?变量怎么接?提示词怎么写才不翻车?从零搭一个能用的流程,动辄折腾一下午,最后还可能因为某个小配置跑不通,直接劝退。 这个痛点,其实有个特别省力的解法:**抄作业**。今天要安利的 Awesome-Dify-Workflow 就是一个"作业答案合集",它把 46+

gitblog_00475的博客 1017

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

大模型部署加工作流:Deepseek+dify零成本部署本地运行实用教程(超级详细!建议收藏)

Dify 是一个开源的大语言模型(LLM)应用开发平台,它致力于为开发者提供一站式、低代码甚至无代码的 AI 应用开发体验。 Dify 核心目标是降低 AI 应用开发门槛,支持从原型设计到生产部署的全流程管理。Dify 拥有直观的可视化界面,开发者无需深入底层代码,只需通过简单的拖拽、配置操作,就能定义应用的 Prompt(提示词)、上下文以及各种插件。

专注 AI、大数据、Python、爬虫、数据分析可视化、机器学习、推荐算法、知识图谱、大模型应用与全栈系统开发,长期沉淀真实项目案例、源码解析、系统设计、部署经验与工程化实践,分享可运行、可复用、可落地的技术方案。 3466

Deepseek+Dify:零代码玩转AI应用开发,普通人也能轻松实现!

上文我们已经安装好Dify,这里就带大家在Dify里设置deepseek,并开始第一个AI应用的搭建。一)环境及准备前置条件:电脑硬件满足基本要求,且已经完成了Ollma+Deepseek+Dify社区版的安装。软硬件要求:具体可查看[一文解锁,Dify + Deepseek 构建本地知识库与 Agent 应用]二)Dify模型设置1. 访问Dify,浏览器输入 localhost/install,首次进入初始化设置账号密码,然后登录。页面如下:2. 添加模型。

2401_84494441的博客 1619

DeepSeek+Dify炸场!本地知识库「私有化核弹」:效率飙涨300%,企业数据安全从此躺赢!

操作系统: mac在使用docker进行镜像拉取的时候,存在拉取不下来,或者超时的问题,就会报docker: Error response from daemon: Get “https://registry-1.docker.io/v2/“: net/http: request canc的错误,导致无法开心的使用docker。

wind1_rain的博客 2908

DeepSeek+dify 搭建本地知识库:零基础保姆级教学

大语言模型(LLM)是依托深度学习技术,基于海量历史文本数据训练形成的概率生成系统。

大模型研究中心 3019

Dify+DeepSeek-R1: 我的超强AI工作流,详细的部署与使用实录!

上面演示的只是Dify最简单的聊天应用知识库和工作流的使用,还有更多的功能和工作流值得您挖掘,更多高级的用法玩Dify的工作流本身就像搭积木一样,用它来搭建各种有趣的 AI 应用。比如做一个智能客服,帮你自动回答客户的问题;或者做个私人助理,帮你整理文档、写邮件、做会议记录;甚至可以做个创意助手,帮你写文案、做营销策划、设计广告语。你不需要写复杂的代码,只要像拖拽积木一样,把不同的功能模块组合在一起,就能做出你想要的应用。它就像是给你一套 AI 魔法工具,让你能轻松地把脑子里的想法变成现实。

2301_82275412的博客 1560

DeepSeek大模型与Dify AI应用平台整合入门

边看边用边学将Dify LLM应用开发平台在NAS端部署,再结合DeepSeek-R1大模型对接构建私有的AI平台服务。构建属于自己的AI平台聊天助手,工作流,知识库和智能体。

liu_xp2003的博客 1万+

DeepSeek + Dify部署本地大模型和知识库

DeepSeek + Dify部署本地大模型和知识库

huang9604的博客 7686

当下热点:DeepSeek+Dify 本地知识库,用了都说太香了!

之前我做了个AnythingLLM+DeepSeek去搭建本地知识库的教程,我发现阅读数挺高的,说明大家挺喜欢这个系列。但是我最近又发现 Dify+DeepSeek 去搭建本地知识库才是最牛的,,比德芙还要丝滑~今天这篇文章,纯小白也可以跟着做,不需要有计算机技术基础哦,一起来动手搭建本地最强知识库吧!

优快云_224022的博客 2998

DeepSeeK+Dify本地部署

最近在研究Dify,刚好空下来就把在windows下Dify的部署流程给大家安排上,希望能够帮到想研究的小伙伴们。

wal1314520的博客 4308

如何通过 Deepseek + Dify 实现零成本部署本地智能体

如何通过 Deepseek + Dify 实现零成本部署本地智能体

qq_63911508的博客 1974
上一篇: 物理诺奖得主最新演讲,Hinton带伤飞到瑞典,LSTM之父:都是剽窃
下一篇: Knowledge Graph Studio:让知识图谱构建更简单、更智能
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2826原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值