基于Dify构建一个AI辩论赛

双AI飞书辩论会:多智能体协作的工程实践指南 多智能体协作并非只能用于任务分工,对抗式辩论同样是极具价值的设计模式。当两个大模型分别扮演正反方,围绕同一议题展开结构化交锋时,系统能自动生成比单次问答更尖锐、更全面的分析结论。本文从多智能体协作的基本原理出发,介绍如何利用飞书机器人作为消息通道,构建一个支持双AI自动辩论的落地系统。内容涵盖飞书自建应用与事件订阅配置、两个Agent的上下文隔离策略、防止模型过早妥协的提示词约束、辩论轮次仲裁与人工中断机制,以及实测中遇到的重复消息、限流、长连接断线等典型问题。无论是从事AI Agent开发,还是探索企业内 阅读详情

前段时间有一个小伙伴发来需求:能否用Dify实现一个辩论赛的效果,让A模型和B模型针对同一个议题进行辩论。

我觉得还挺有意思的,就搭建了一个。

设计思路

通过Dify中的循环节点来实现,让正方AI和反方AI进行多轮交互,再植入一个评委AI,对双方的观点进行打分,过程中不断的持续输出双方的观点和每轮的评分以及总得分。

工作流总览

总览图如下:

1. 开始节点

设置三个变量,分别是议题,正方观点,反方观点。

运行时的输入展示如下:

2. 循环节点

设置循环轮数,达到对应的轮数了就停止循环,正方,反方各发表一次观点算一轮。

3. 正方AI

设定正方的提示词,这里的重点是需要把反方的观点内容传过来【通过环境变量存储反方的观点内容】。

4. 反方AI

内容上和正方AI一样,因为反方后发言,直接可以将正方的发言内容传入。

5. 评委AI

把正方反方观点传入,让大模型打分,并格式化的输出分数,为了后续好计算。

6. 总分计算

这里的重点是将评委输出的格式化分数提取出来,然后进行累加运算,最后再把总分存入到会话变量中。

7. 输出

将正方,反方,评委打分内容输出,最后再把反方言论存到会话变量,以便于下一轮正方能知道反方说的是什么【这里就与开头接上了】。

测试与效果

最后,来整体性测试一下:
输入议题和正反方观点。

正方:qwen3-max,反方:deepseek-V3.1,打分评委:qwen-plus。

第一轮

第二轮

可以看的出来,他们吵的很凶........

第四轮

反方逐渐占据了上风。。

最终,由反方代表deepseek-V3.1取得了胜利,评委qwen-plus也不知道帮衬着点自家兄弟。

整体效果还是非常不错的,通过一个Dify循环工作流实现了AI之间的激烈辩论,而且还有评委评价和打分,有类似场景的朋友可以获取DSL尝试一下。

讲解视频:https://www.bilibili.com/video/BV1p6SCBUE5p/

公众号后台回复:辩论赛
即可获得完整的DSL工作流,你也可以根据自己的实际场景进行改造,感谢你的关注~

加我进学习交流群,一起探讨AI的发展~

大模型技术全景与核心概念解析:从基础原理到AI智能体架构(实时更新中) 本文系统解析了大模型技术的核心概念与架构。首先介绍了LLM(大语言模型)、LLMOps(模型运维)、AIGC(生成内容)、AGI(通用AI)等基础概念,重点阐述了大模型的工作原理,包括预处理、推理和后处理三个阶段。深入讲解了Token分词、FLOPs计算、Embedding向量表示等关键技术,并分析了LoRA微调、MoE架构等前沿方法。文章还探讨了AI智能体的发展前景,为理解大模型技术提供了全景视角。 阅读详情

相关推荐

python文件转为可执行文件(.exe)的详细步骤

本文详细介绍了如何从零开始把python文件打包成为可执行文件(.exe)。

m0_67093160的博客 3万+

Python Tkinter打造高颜值计算器,可自定义按钮颜色,新手也能看懂的GUI入门项目!

链接: https://pan.baidu.com/s/1-jBLifbFyNz6gPmaMdzyKQ 提取码: 6678。通过网盘分享的文件:2025一带一路暨金砖大赛之第二届智能体构建与应用赛项--赛项样题。--来自百度网盘超级会员v4的分享。

2301_80175386的博客 91

UniApp实战:5分钟搞定后台持续定位与轨迹实时更新(附完整代码)

本文详细介绍了在UniApp中实现后台持续定位与动态轨迹地图系统的完整方案。针对物流配送、运动健身等场景,文章深入讲解了权限申请、坐标系选择、定位防抖优化、地图轨迹线(polyline)实时绘制等核心步骤,并提供了可复用的完整代码,帮助开发者高效解决App切后台定位停止、轨迹漂移等常见难题。

weixin_29266679的博客 483

使用Dify构建辩论赛论点生成助手

借助Dify平台,无需编程即可快速构建辩论赛论点生成系统。通过整合大模型、知识库与提示工程,实现辩题分析、论据检索与陈词生成的一体化流程,助力辩手高效备赛,同时为教学提供可扩展的AI辅助工具。

weixin_31749299的博客 751

实用电路精讲系列---双级运放放大电路(差分放大+跟随缓冲)

本文分析了双极运放放大电路的工作原理及其典型应用。该电路结合差分放大器和跟随缓冲器,实现高精度信号放大与阻抗匹配。差分放大器通过放大差模信号并抑制共模噪声提升信噪比;跟随缓冲器则提供阻抗变换,确保信号稳定传输。两者协同工作可优化输入阻抗、增强噪声抑制并提高设计灵活性。文章还列举了10个典型应用案例,包括医疗设备、工业传感器和新能源系统等,展示了该电路在精密电子系统中的关键作用。最后通过实用电路分析,详细说明了各模块功能及设计注意事项。

weixin_40590799的博客 2957

噪声整形与过采样实战:从N-bit ADC到DSM的SQNR优化指南

本文深入探讨了噪声整形与过采样技术在DSM(Delta-Sigma调制器)中的应用,重点分析了量化器位数(N)、滤波器阶数(L)和过采样率(OSR)对SQNR优化的影响。通过实战案例和参数协同优化策略,帮助工程师在音频处理和通信系统设计中实现更优的信号质量。

weixin_42561040的博客 339

基于Dify与RAG构建AI项目复盘助手hindsight实战

项目管理中,复盘往往因记忆偏差与时间不足而流于形式。RAG(检索增强生成)技术为大模型提供了外部知识库支撑,使AI能基于真实过程数据进行分析,而非凭空生成。通过将会议纪要、周报、缺陷清单等项目文档切片向量化,Dify这类低代码平台可快速编排知识库检索与生成工作流,将“事后聪明”转化为结构化、可追溯的洞察。本实践以hindsight应用为例,详解如何利用Dify搭建一个基于KPT框架的自动复盘工具,涵盖数据清洗、检索参数调优与Prompt设计,最终输出带证据链的改进建议,帮助团队真正从历史项目中获得可执行的经

weixin_29052717的博客 264

高通Camx架构调试不求人:手把手教你开UMD/KMD Log与Dump图像(附离线Log合成脚本)

本文详细介绍了高通Camx架构的调试方法,包括UMD/KMD Log的精准配置与图像Dump技术,帮助工程师快速定位移动影像系统中的问题。通过实战案例和自动化脚本,提升调试效率,适用于图像色彩异常、帧率波动等常见问题的诊断与解决。

weixin_30516243的博客 254

Dify如何实现跨模型的输出质量评分与排序

Dify通过评分与排序路由机制,实现多个大模型输出的自动化质量评估与优选。借助规则、裁判模型或自定义脚本打分,结合业务需求对结果排序并智能路由,确保返回最优回答。该流程支持动态决策、人工复核与数据回流,提升AI应用的稳定性与可控性。

weixin_30205153的博客 366

innovus:streamOut gds中pg text带有冒号(:)解决办法

streamOut后查看layout,发现部分PG text后面加了冒号,比如VDD: / VSS:。当然,这个问题还有另一种解决办法,就是通过脚本给terminal打text再streamOut。我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?

m0_61544122的博客 1190

【电源专题】Type-C母座外壳直接接主板GND还是接RC呢?别再纠结了!

Type-C屏蔽壳接地这件事,没有唯一标准答案。符合规范、贴合产品、能过认证,就是最优解。希望这篇文章能帮你理清思路。

一点硬件 601

用Dify搭建AI复盘助手Hindsight:终结“马后炮”式项目复盘

项目管理中,复盘是提升决策质量的关键环节,但人的记忆常受事后聪明偏差影响,导致复盘沦为“分锅会”。RAG(检索增强生成)作为LLM应用开发的核心技术,为构建智能化分析工具提供了新路径——通过将历史项目资料向量化并精准检索,AI能基于证据链还原项目现场。在AI应用搭建平台Dify上,开发者可以低代码串联知识库、Prompt与工作流,打造专属AI复盘助手。这类工具能自动识别时间线矛盾、情绪化归因等信号,辅助团队从混乱信息中提炼事实,让复盘从“凭记忆开会”变为“按证据推演”,真正提升决策预判力。本文即分享了基于D

weixin_32377497的博客 303

RD算法(一)初出茅庐 —— 算法原理

在《SAR成像概述》的第4节已经对各种SAR成像算法进行了一个简要的概述,本文就直接从RD算法讲起了。

5288

ComfyUI LLM Party:零基础构建AI工作流的终极指南

ComfyUI LLM Party是一个革命性的开源项目,让你无需编写复杂代码就能轻松构建强大的AI工作流和多工具调用系统。无论你是AI新手还是专业人士,都能通过直观的可视化界面快速创建智能应用,实现从文本生成到图像处理的全方位AI能力。 ## 🎯 为什么选择ComfyUI LLM Party? - **可视化操作**:拖拽式节点设计,告别复杂编程 - **多模型支持**:兼容OpenAI、

gitblog_00572的博客 1206

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...

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Agent-Reach:从零搭建能触达真实世界的AI Agent全链路实践

AI Agent的核心价值在于突破纯对话模型的边界,通过工具调用、数据访问与工作流编排真正“动手办事”。然而,从能聊到能办,关键在于触达层的设计——Agent能调用多少外部资源,决定了它实际解决问题的能力。本文以开源项目Agent-Reach为主线,系统拆解Agent架构选型、记忆分层实现、Skill技能封装、工具调用链路、并发与Token成本控制,以及安全权限校验等工程化要点。无论你是刚接触Agent开发的新手,还是正在使用LangChain、Dify等框架的工程师,都能从中获得可落地的架构思路与避坑经验

weixin_29052717的博客 292

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

轻量级CLI代码审查工具:开放、可嵌入、可审计的AI协作者

代码审查是保障软件质量的关键工程实践,其本质是在提交前对源码进行上下文感知的规范性与安全性判断。随着大语言模型(LLM)能力成熟,传统人工Review正面临效率瓶颈与经验沉淀难题。轻量级CLI代码审查工具应运而生——它不替代开发者,而是将团队规则、语言规范与工程元信息(如Git历史、依赖版本、AST结构)深度融合,通过命令行深度嵌入开发工作流,实现本地化、低延迟、高可控的自动化审查。支持多LLM后端、YAML规则热加载、安全文件白名单及修复建议AST对齐等核心能力,适用于Java/Python/Go等主流语

weixin_42522669的博客 154

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 218

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 386

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 245

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 199

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 499

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 197

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 556

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 90

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 570
上一篇: 【每天一个小笔记】02 Dify环境变量
下一篇: 【每天一个小笔记】01 Docker 部署项目
凸凹恼
博客等级 码龄5年 5粉丝 21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