awigu的博客

本文介绍了如何配置和使用CherryStudio AI助手。主要步骤包括：1）下载安装CherryStudio及相关工具；2）配置filesystem、fetch和python工具；3）添加助手并设置提示词、模型及MCP服务器；4）运行助手完成数据抓取与分析任务。文章还对比了MCP事件驱动模式和Dify计划驱动模式的特点，前者灵活适应非结构化任务，后者可控性强适合标准化流程。整个配置过程详细说明了文件路径设置和工具导入方法，为用户提供完整的操作指南。

摘要：本文介绍了产品客服分类问答场景的工作流实现方法。系统采用Chatflow模式，包含开始节点、问题分类节点、知识检索节点、LLM节点和直接回复节点五个核心环节。通过设置三类问题标签（售后、操作、其他），系统能自动识别用户问题类型并调用相应知识库进行回复。其中售后和操作类问题会关联对应知识库并由LLM节点生成专业回复，其他问题则直接返回预设回复。该系统通过明确的流程设计和分类标准，实现了手机产品客服问答的智能分类处理。

本文介绍了如何使用Django框架快速搭建一个AI辅导员网站。主要内容包括：1）创建Django工程和应用；2）配置全局和局部URL路由；3）编写视图函数和HTML模板，嵌入聊天机器人iframe；4）启动服务器并测试运行效果。通过简单的5个步骤，即可实现一个网页版的智能聊天程序。文章还展示了最终的运行效果和Django项目目录结构。

本文介绍了Excel和Word文档数据的两种分段方法：通用分段和父子分段。通用分段将每行/段设为父块，用"\n\n"分隔；父子分段在此基础上增加子块划分，Excel用";"、Word用","分隔子块。示例中学生信息被分成2个父块，各含5个子块。两种分段方式分别适用于不同数据处理需求。

本文介绍了基于Dify平台构建AI辅导员聊天助手的完整流程。首先需准备辅导员知识库文档，在Dify创建聊天助手应用并设置专业提示词和开场白。重点是通过父子分段方式创建知识库，选择合适的embedding模型和向量检索方法。完成知识库集成后，经过调试优化即可发布应用，支持API调用或网页嵌入。文中特别强调操作后需"发布更新"保存设置。该方案实现了限定知识范围的智能问答服务，可应用于高校学生辅导场景。

Coze、Dify和LangChain是三种不同的AI开发平台。Coze（字节跳动）主打低代码可视化开发，适合快速搭建简单应用；Dify作为开源LLM平台，侧重企业级解决方案，支持复杂工作流；LangChain是开源框架，通过编程接口提供高度灵活性。三者在模型支持、知识库管理等方面各有优势：Coze易用性强，Dify功能全面，LangChain扩展性佳。选择取决于需求复杂度——简单应用选Coze，企业级需求用Dify，定制化开发则适合LangChain。

本文介绍了如何利用Dify平台开发聊天助手智能体。Dify作为开源LLM应用开发平台，支持从Agent构建到AI工作流编排等多种功能。开发过程包括：创建聊天助手应用、编排提示词和开场白、调试模型响应、发布应用等步骤。通过设置专业提示词如旅游规划场景，并添加对话开场白提升用户体验。开发者可在本地部署大模型进行调试，最终将应用发布为可交互的Web服务或API。该方案展示了使用Dify快速构建对话式AI应用的完整流程，为日常对话场景提供了实用解决方案。

本文详细介绍了Docker环境搭建及Dify、Ollama的本地部署流程。首先讲解了Docker Desktop的下载安装、配置镜像源及验证方法；其次说明Dify源码获取、环境配置和启动步骤；然后介绍Ollama的安装、模型路径设置及本地大模型下载；最后展示如何在Dify工作台关联Ollama本地模型。整个部署过程包含环境配置验证、服务启动检查等关键步骤，最终实现在本地完成Dify智能体开发环境的搭建。