基于dify开发一个根据角色查询权限内的数据记录——提示词管理助手

需求描述：

在日常实际工作中，我们期望基于用户的角色信息，精准管控其数据可见范围。以智能体开发工作为例，此场景下需运用大量提示词，那么，我们应如何对这些提示词进行有效管理？又该如何施行用户的授权操作呢？

本文以案例：提示词管理的数据权限管控这个业务场景来实现：

基于小南瓜开发平台实现对提示词的后台管理，基于dify开发一个提示词查询智能体助手

一、基于小南瓜开发平台实现提示词后台管理

1、设计提示词表单

这里需要注意，如果需要增加数据权限管控功能：则在设计表单时:必须要有一个DATA_ROLE字段，

2、配置表单

注意：1、表单名称：随意2、实体表名：必须为英文3、表单：上一步中导出的表单提示词json字符串

3、业务设计

列表名称：随意表单配置主键：表单配置列表中的列表Key字段列表头展示字段：最终配置菜单时，需要展示哪些字段，就配置哪些字段

4、菜单配置

路由参数：{"listid":"业务设计列表中的列表key","formId":"表单配置列表中的key"}

组件路径：autoListInfo/autoListInfo   #固定

路由地址：/随意

5、菜单授权给角色

将配置好的菜单授权给对应的角色

刷新页面即可看到该菜单列表数据：

6、添加提示词数据，并授权给对应角色

上图中的权限角色(key)字段的数据来自角色管理中的权限字符

7、在没有做数据授权的情况下

管理员新增了2条数据

DSZ用户无法查看到任何数据

8、在授权的情况下

管理员给两条数据中其中一条数据授权给角色：TSC_USER(提示词功能用户)

DSZ用户可以看到该条数据

以上则完成了提示词数据的权限管控。

---

二、基于dify开发一个提示词查询智能体助手

1、开发一个MCP服务，查询提示词的数据

2、设计一个提示词查询智能体助手

3、提示词助手演示效果

用admin用户查询：帮我查询一下我有多少个提示词

返回结果提示有2条，但是只有一条比较可用

在环境变量中切换用户账号，用dsz用户查询：帮我查询一下我有多少个提示词

返回结果提示只有被授权的一条

以上测试结果，实现了根据根据数据权限实现管控的目的。

---

总结

小南瓜开发平台可实现对库表字段与数据权限的全面管控。实际操作中，我们依据具体业务需求，灵活开发相关服务，确保数据权限管理既高效又精准，满足多样化业务场景的应用。

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。

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】