Microsoft PromptFlow 快速入门指南：开发DAG工作流-优快云博客

Microsoft PromptFlow 快速入门指南：开发DAG工作流

promptflow Build high-quality LLM apps - from prototyping, testing to production deployment and monitoring. 项目地址: https://gitcode.com/gh_mirrors/pr/promptflow

前言

在现代机器学习工作流中，构建高效、可维护的流程至关重要。Microsoft PromptFlow 提供了一个强大的框架，允许开发者以代码优先的方式创建和管理机器学习工作流。本文将带您快速了解如何使用PromptFlow开发基于DAG（有向无环图）的工作流。

环境准备

在开始之前，请确保您已准备好以下环境：

Python环境：推荐使用Python 3.9或更高版本。可以使用conda创建隔离环境：
```
conda create --name pf python=3.9
conda activate pf
```

安装PromptFlow：

pip install promptflow promptflow-tools

验证安装：
```
pf -v
```

理解PromptFlow的核心概念

什么是Flow？

在PromptFlow中，Flow是一个由YAML文件定义的DAG（有向无环图），它由多个相互连接的函数节点组成。每个节点代表一个特定的处理步骤，节点之间通过输入/输出依赖关系连接。

Flow目录结构

典型的Flow目录包含以下关键文件：

flow.dag.yaml：定义Flow的结构、输入输出、节点和工具
.promptflow/flow.tools.json：包含工具元数据
源代码文件（.py, .jinja2等）：实现具体功能的脚本
requirements.txt：Python依赖包列表

实战：Web分类示例

让我们通过一个实际的Web分类示例来理解PromptFlow的工作方式。

1. 获取示例项目

示例项目演示了如何使用GPT模型对URL进行分类。项目结构清晰，是学习PromptFlow的理想起点。

2. 安装依赖

进入项目目录后，首先安装所需依赖：

pip install -r requirements.txt

3. 理解DAG定义

flow.dag.yaml文件定义了整个工作流的拓扑结构。主要包含以下部分：

inputs：定义Flow的输入参数
nodes：定义各个处理节点及其连接关系
outputs：定义Flow的最终输出

开发工具推荐

VS Code扩展

PromptFlow提供了专门的VS Code扩展，极大地提升了开发体验：

安装VS Code Python扩展
安装PromptFlow扩展
选择合适的Python解释器

扩展提供了可视化编辑器，可以直观地查看和编辑Flow结构。

开发与测试流程

编辑Flow

您可以通过以下方式修改Flow：

修改默认输入值
添加/删除节点
调整节点连接关系

例如，修改flow.dag.yaml中的默认URL：

inputs:
  url:
    type: string
    default: https://www.example.com

创建连接

许多Flow需要与外部服务（如OpenAI API）交互。PromptFlow使用"连接"来安全地管理这些服务的凭据。

使用CLI创建连接

准备connection.yaml文件：

name: open_ai_connection
type: azure_open_ai
api_key: your_api_key
api_base: your_api_endpoint

然后执行：

pf connection create -f connection.yaml

使用SDK创建连接

from promptflow.client import PFClient
from promptflow.entities import AzureOpenAIConnection

pf = PFClient()
connection = AzureOpenAIConnection(
    name="open_ai_connection",
    api_key="your_api_key",
    api_base="your_api_endpoint"
)
pf.connections.create_or_update(connection)

测试Flow

PromptFlow提供多种测试方式：

CLI方式

pf flow test --flow web-classification

SDK方式

from promptflow.client import PFClient
pf = PFClient()
flow_result = pf.test(flow="web-classification", 
                     inputs={"url": "https://www.example.com"})