Dify+Ollama+Qwen3案例实战:10分钟实现AI业务数据查询

私有化部署 Dify+Ollama并使用qwen2快速搭建 AI 应用 Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员,也能参与到 AI 应用的定义和数据运营过程中。 阅读详情
AI摘要

本文介绍了Qwen3大模型的特点,包括架构性能、创新功能和应用部署等。还讲述了用Ollama部署Qwen3的方法,以及在Dify中搭建智能问数工作流,如添加模型、创建知识库和对话工作流等。最后提供了AI大模型学习资料,助力零基础入门。

1.具有里程碑意义的Qwen3

Qwen3是阿里巴巴于2025年4月29日发布的新一代开源大模型系列,作为通义千问(Qwen)家族的最新成员,它在性能、架构设计和应用场景上实现了多项突破。以下是核心特点:

(1)模型架构与性能

混合专家(MoE)与密集模型(Dense)并存:

包含两款MoE模型(Qwen3-235B-A22B和Qwen3-30B-A3B)和六款Dense模型(0.6B至32B),覆盖从轻量到超大规模需求。

旗舰模型Qwen3-235B-A22B:在数学、代码等基准测试中媲美DeepSeek-R1、Gemini-2.5-Pro等顶级模型,但激活参数仅22B,显著降低部署成本。

小模型高效:Qwen3-4B性能接近前代72B模型,MoE版30B模型激活参数仅3B,却超越Qwen2.5-32B。

(2)创新功能

双思考模式:

思考模式:逐步推理复杂问题(如数学、编程),类似人类深度思考。

非思考模式:快速响应简单请求,降低延迟。

用户可通过在提示词中设置/think和/no-think关闭和开启思考模式。

多语言与长上下文:

支持119种语言,训练数据达36万亿token(Qwen2.5的两倍)。上下文长度扩展至32K,优化长文本处理能力。

(3)应用与部署

Agent与工具调用:原生集成Qwen-Agent框架,简化工具调用和代码生成,适合开发智能应用。在BFCL评测中Agent能力超越Gemini 2.5-Pro。

低成本部署:仅需4张H20显卡即可运行满血版235B模型,显存占用为同类1/3。支持消费级设备(如4090显卡运行30B模型)。

2.Ollama部署Qwen3

(1)Ollama请自行安装,安装Qwen3所需的Ollama版本为v0.6.6或更高版本。

(2)使用命令行窗口输入:ollama run qwen3:8b,会自动安装模型。

img

3.Dify实战:搭建智能问数工作流

(1)Qwen3模型添加

安装ollama模型插件,添加Qwen3模型,由于机器所限,仅安装了Qwen3:8b和Qwen3:4b两个小模型,配置如下图所示:

img

(2)创建知识库

将建表的sql语句文档作为知识库(包含表结构、字段注释等元数据),后续工作流节点中大模型根据知识库创建sql语句,选择"高质量"索引模式,使用Embedding模型将SQL文本向量化。
在这里插入图片描述

img

(3)创建对话工作流

创建新应用,在工作室点击“创建空白应用”,选择“Chatflow”作为应用类型,填写名称和描述后点击“创建”。

img

设计对话工作流

开始节点: 设置输入参数(如用户消息)。

知识检索节点: 从知识库中检索与用户问题相关的文本内容,可作为下游 LLM 节点的上下文来使用。这里通过知识库检索跟用户问题相关的数据库表结构,供大模型生成SQL语句。

大模型SQL生成节点: 调用大语言模型的能力,根据用户问题和知识库内容生成SQL语句,模型选择qwen3:8b,上下文选择知识检索的返回值,提示词如下:

img

代码执行节点: 通过python代码过滤生成sql语句中多余的内容,我们使用/no_think关闭思考模式时发现生成的sql还是有空的,这里通过代码过滤。

img

在这里插入图片描述

SQL查询工具:SQL查询工具这里使用rookie_text2data,可在Dify插件市场安装,通过SQL查询工具向数据库发送查询语句,然后返回查询到的数据,注意返回数据格式选择“JSON”。

img

代码执行节点:对SQL查询工具返回的数据进行处理,返回标准数据给模板转换节点。

在这里插入图片描述

模板转换节点:通过Jinja2 的 Python 模板语言灵活地进行数据转换、文本处理,通过模板转换节点构造html页面输出数据。
在这里插入图片描述

直接回复节点:将模板转换的输出内容直接做输出处理。

img

整个工作流设计如图所示:

img

输出效果展示:

哪位客户的订单数量最多?

img

客户订单数量前10名

img

客户订单金额前10名

img

产品销售前10名

img

实践证明Qwen3-8B模型在单表SQL构建场景中展现出卓越的性能表现,能够高效地将自然语言问题转化为精准的SQL查询语句,并返回正确的数据库查询结果,在10次的提问中有9次能够正确返回数据,当然跟用户的问题也有一定的关系。

如何零基础入门 / 学习AI大模型?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

read-normal-img

640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

img

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】

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

Dify实战:从部署到RAG知识库与工作流编排的完整指南 大模型应用落地过程中,开发者常被上下文管理、知识库分段、检索调优等工程细节困扰。RAG(检索增强生成)作为连接大模型与私有数据的关键技术,其价值在于让模型基于可验证的上下文生成回答,避免幻觉。要实现高效的RAG流水线,需要理解文档分段、向量化、混合检索与重排序等原理,并结合实际场景选择合适的技术方案。Dify作为开源LLM应用开发平台,通过可视化工作流编排将模型接入、知识库构建、智能体工具调用等环节标准化,大幅降低工程复杂度。无论是私有化部署的问答机器人,还是面向内部员工的知识助手,Dify都能将原本数周的 阅读详情

相关推荐

AI Agent与RAG工程落地实战指南:从概念到生产级部署

AI Agent和RAG是当前大语言模型(LLM)应用开发的核心范式,前者本质是任务编排与状态管理的智能工作流引擎,后者则是动态弥合语义鸿沟的上下文增强机制。二者协同构成Agentic RAG架构,在客服工单分派、政策合规查询、芯片参数对比等真实业务中实现‘理解-检索-计算-决策’闭环。其技术价值在于将非结构化知识转化为可验证、可审计、可监控的生产服务,显著降低模型幻觉风险并提升端到端P95延迟可控性。典型应用场景涵盖金融风控问答、制造供应链分析、政务热线响应等强领域约束环境。本文聚焦LLM应用开发与RAG

abxlep7702的博客 426

Dify开源AI应用平台:从零部署到企业级实战指南

如果你正在寻找一个能快速构建、部署和管理 AI 应用的开源平台,Dify 是目前最值得投入时间学习的工具之一。它不是一个简单的模型调用工具,而是一个集成了智能体工作流、RAG(检索增强生成)管道、多模型集成和完整可观测性的生产级平台。简单来说,你可以通过拖拽的方式,像搭积木一样组合出复杂的 AI 应用,而无需从零开始写代码。这对于想快速验证 AI 想法、构建企业内部工具或开发面向用户的 AI 产品的团队和个人开发者来说,能极大提升效率。 Dify 的核心优势在于其“开箱即用”和“可视化编排”能力。它支持对接

weixin_34080951的博客 461

Oracle 11g版本下载及安装超详细教程图解

新手Oracle安装教程

weixin_43738344的博客 10万+

AI大模型企业应用实战:Prompt让LLM理解知识

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

2401_84204413的博客 3217

Windows C语言编程:Beep API实现蜂鸣器原理与实战

如果你在 Windows 上写过 C 语言程序,想给程序加个简单的提示音,第一个想到的可能是 printf("\a") 。这个转义字符确实能在某些终端里发出“嘀”的一声,但它太原始、太不可控了,而且很多时候根本没声音。那么,有没有一种更“Windows”、更可控、更专业的方法来让你的程序“说话”呢? 答案是肯定的,而且它比你想象的要强大和复杂。Windows 提供了一个名为 Beep 的 API 函数,专门用于生成蜂鸣声。你可能觉得这功能太简单,甚至有点过时——不就是让电脑“哔”一声吗?但恰恰是这个看似简单

weixin_34109408的博客 396

开关电源EMC整改实录:用WSX系列共模电感搞定30MHz辐射超标

本文详细介绍了开关电源EMC整改实战,通过WSX系列共模电感成功解决30MHz频段辐射超标问题。文章分析了共模干扰的产生机制,对比了不同磁芯材料的性能差异,并提供了电路布局优化与安装技巧,最终通过实测数据验证了整改方案的有效性。

weixin_29305313的博客 420

【Dify+Ollama+Qwen3 硬核实战】10 分钟搭建 AI 业务数据查询系统:从模型部署到交互落地全流程解析

Qwen3 是阿里巴巴于 2025 年 4 月 29 日重磅发布的新一代开源大模型系列,作为通义千问(Qwen)家族的最新成员,其在性能表现、架构设计与应用场景三大维度实现了跨越式突破。

Android 开发架构 2297

python 携程登陆_Python 学习练习之用户登录接口

目的:用python实现简单用户注册,登陆,加黑功能,放个流程图吧。以下内容仅为练习 执行流程:[root@zabbix login]# python user_login.pyusername:tompassword:123456Are you want to register ? [y/n]yRegister successful,Please relogin ![root@zabbix lo...

weixin_28679635的博客 519

大模型入门实战:通过 HuggingFace 调用 Llama3

至此,我们成功演示了如何通过 Hugging Face 的 Transformers 调用 Llama 模型,并获取了模型的回答。但是如果你的需求只是简单地调用模型,而无需进行微调或复杂的部署,可以尝试使用 Ollama。它不仅操作更加便捷,还提供了开箱即用的 RESTful 接口,适合快速集成到生产环境中。下一篇,我将会讲解如何通过 Ollama 下载部署 Llama 模型并调用。

python12345_的博客 2606

手把手教你搞定Pattern Recognition Letters的LaTeX投稿(附elsarticle.cls生成避坑指南)

本文详细指导如何在Pattern Recognition Letters(PRL)期刊上使用LaTeX进行投稿,特别针对elsarticle.cls文件的生成与常见问题提供避坑指南。从模板准备、文件上传到投稿后的验证,系统梳理全流程技术要点,帮助研究者高效完成学术论文投稿。

weixin_33824385的博客 433

秋招突击——笔试整理——8/25——拼多多笔试整理

继续加油! 转变思维,有简单到复杂,由直观到抽象,这种贪心模拟的题目一直是这样的!

Blackoutdragon的博客 2404

48-dify案例分享-Qwen3 vs 传统合同审查,这场对决谁能胜出?

本文介绍基于本地 ollama 搭建 Qwen3 模型结合 dify 1.3.1 版本实现合同评审工作流。涵盖 ollama 安装、模型下载与启动,dify 配置与验证,工作流搭建及测试。对比显示 Qwen3 生成报告风险点更详细,有法律依据,具创新性,能提升审查效率与质量。

个人技术 1954

YOLO11涨点优化:SPPF原创自研创新 | SPPF创新结构,重新设计全局平均池化层和全局最大池化层,增强全局视角信息和不同尺度大小的特征

SPPF_improve利用全局平均池化层和全局最大池化层,加入一些全局背景信息和边缘信息,从而获取全局视角信息并减轻不同尺度大小所带来的影响

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 1873

Dify实战指南:从零部署到构建企业级AI应用与工作流

如果你正在寻找一个能快速将 AI 想法落地、无需复杂编码就能构建生产级 AI 应用和智能体工作流的平台,那么 Dify 绝对值得你花时间深入了解。它不是一个简单的提示词工具,而是一个开源的、企业级的 AI 应用开发平台,由 LangGenius 团队打造。简单来说,Dify 让你能像搭积木一样,通过可视化拖拽的方式,连接大模型、知识库、工具和逻辑判断,构建出复杂的 AI 应用。 这篇文章不是泛泛而谈的概念介绍,而是直接切入实战。我们会从 Dify 的核心能力、部署方式讲起,手把手带你完成从零部署到构建第一个

weixin_30312563的博客 436

中国石油招标投标网 — 中标候选人爬虫技术分析

复制真实浏览器的 TLS 握手参数(密码套件顺序、TLS 扩展、ALPN 等),绕过基于 JA3/JA3S 指纹的服务端检测。所有 API 请求体使用 RSA-1024 公钥加密,响应体使用私钥解密,HTTP body 全程为密文。库使用 urllib3 的默认 TLS 握手参数,与真实浏览器差异明显,易被 JA3 指纹检测工具识别。密钥隐藏在 CSS 文件中,这是一种隐蔽分发技术,防止简单的密钥抓取。切换次数越多,等待时间越长,最大 60 秒,避免被代理 API 限流。为空,也返回包含基础信息的空行。

猫敷雪 287

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Qwen3-8B-AWQ:双模式切换重构开源大模型部署范式

# Qwen3-8B-AWQ:双模式切换重构开源大模型部署范式 ## 导语 阿里巴巴通义千问团队推出的Qwen3-8B-AWQ模型,凭借独特的"思考/非思考"双模式切换技术和4-bit量化优化,在保持95%全精度性能的同时将显存占用压缩至25%,重新定义了中小规模大模型的部署标准。 ## 行业现状:效率与性能的双重挑战 2025年,大语言模型部署正面临"三重矛盾":企业对高性能的需求与有限算力...

gitblog_00685的博客 1199

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

供应链AI协同平台WorkMate部署实战:从架构选型到人机协同落地

人工智能技术正加速渗透企业核心业务,但如何将大模型的推理能力与现有业务系统无缝衔接,仍是供应链数字化中的关键难题。传统工具链下,计划员常需在ERP、WMS和数仓之间反复切换数据,人机协同则通过明确分工——机器负责数据处理与规律识别,人类聚焦例外判断与最终决策——构建了“感知-推理-执行-复核”的任务闭环。这种模式不仅提升了补货、库存扫描等高频场景的效率,更让AI建议与人工审批形成动态平衡。私有化部署与Docker Compose编排为数据安全提供了基础,同时借助向量检索与任务分级,企业能在可控成本下实现智能

weixin_34356555的博客 397

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

AI应用安全网关实战:从权限控制到生产部署全解析

在AI应用开发中,API网关是保障服务安全与稳定的核心基础设施。其核心原理在于作为所有请求的统一入口,通过身份认证、流量控制、协议转换等机制,对后端服务进行保护与治理。在AI应用场景下,其技术价值尤为凸显,因为大模型接口的开放性和自然语言交互的非结构化特性,带来了全新的安全挑战,如权限越界、敏感数据泄露和恶意指令注入。传统的API网关难以理解用户意图和会话上下文,因此需要专门设计的AI应用安全网关。这类网关通过集成意图识别、动态策略引擎和会话级管控,能够将权限控制从简单的API端点校验,前置到对用户操作意图

weixin_34049948的博客 390

基于OpenClaw框架构建企业级微信AI助手:桥梁监测智能交互实践

AI Agent(智能体)作为连接大语言模型与实际业务的关键技术,其核心原理在于通过工具调用、记忆管理和任务规划,使AI能够理解并执行复杂指令。这项技术的核心价值在于将自然语言交互能力无缝嵌入现有工作流,实现从“人找数据”到“数据找人+智能问答”的范式转变,从而大幅提升工程效率与响应速度。其典型应用场景包括智能客服、数据分析助手和自动化流程执行。本文聚焦于企业级AI Agent框架OpenClaw,探讨如何利用其开箱即用的微信连接器与模块化技能架构,快速构建一个部署于内网的桥梁健康监测数据分析助手,有效解决

weixin_30896825的博客 355

智能体与开源模型:从概念到实战的完整开发指南

随着大模型能力的持续提升,单纯依赖模型本身的应用已逐渐走向瓶颈,如何将模型转化为实际业务价值成为开发者关注的核心。智能体(Agent)作为大模型落地的主要形态,通过任务拆解、工具调用与流程编排,让AI从“能对话”进化为“能干活”。与此同时,开源模型的快速进步极大降低了智能体开发的门槛——本地部署、数据可控、可定制微调,使其成为企业级应用的首选。本文从基础概念出发,解析智能体的核心架构与工作模式,梳理开源模型选型与部署方案,并结合Dify、LangChain、vLLM等主流工具链,给出知识库问答智能体的完整实

weixin_34413802的博客 395

Dify深度实践:从本地部署到知识库工作流编排的关键策略

在AI应用开发领域,如何将大模型能力转化为可落地的业务系统,始终是开发者关注的核心命题。以Dify为代表的AI应用定制化平台,通过可视化的应用编排、知识检索与模型调度,显著降低了构建复杂AI Agent的工程门槛。其设计精髓在于将模型接入、业务逻辑与知识管理三层解耦,配合工作流引擎实现确定性流程与生成式能力的无缝融合。通过本地部署,企业可获得数据可控性与深度定制灵活性,而知识库的高质量切分和检索策略直接决定RAG系统的回答质量。从内部知识库问答、政务RAG项目到多租户团队协作,Dify凭借可替换的向量数据库

weixin_34007020的博客 209

OpenClaw本地部署指南:构建可审计、可回滚的AI工作流底盘

AI工作流引擎是现代智能自动化系统的核心基础设施,其本质是将大模型能力与业务逻辑、状态管理、外部系统深度耦合的运行时框架。相比传统LLM编排工具,它更强调技能契约化、有状态协同与本地优先执行。OpenClaw正代表这一演进方向——以Skill为单元封装确定性副作用,通过Stateful Orchestration实现流程可中断、可重放、可审计,并依托Local-First Runtime满足金融、政务等强合规场景的数据主权要求。本文聚焦OpenClaw原生部署实践,覆盖环境主权控制、PostgreSQL+C

weixin_30369041的博客 498

OpenClaw智能体框架本地Docker部署全指南

AI智能体框架是构建可编程数字员工的核心基础设施,其本质是一套支持技能扩展、工作流编排与模型解耦的运行时系统。OpenClaw作为典型代表,采用Docker容器化架构实现环境隔离与依赖锁定,通过Skill抽象机制提供标准化能力插槽,并依托配置中枢(.env)与健康感知服务编排保障生产级稳定性。该框架强调‘全链路掌控’而非开箱即用,适用于需深度集成CI/CD、对接内部HR/SAP等业务系统的工程场景。本文聚焦于本地Docker Compose部署实践,覆盖环境校验、网络连通性调试、PostgreSQL初始化、

abcyan1235的博客 505

构建企业级AI Agent:从核心能力到工程落地的全栈指南

AI Agent作为智能体技术,其核心原理在于通过大型语言模型(LLM)理解任务意图,并结合规划、工具调用与记忆等能力,将复杂流程自动化。这项技术的核心价值在于将不确定的业务流程转化为确定、可管理的自动化服务,从而在客户服务、数据分析和内部审批等企业场景中释放生产力。要实现从‘玩具’到‘生产力’的跨越,关键在于满足企业级应用对稳定性与安全性的严苛要求。本文聚焦于如何构建真正可落地的企业级Agent,深入探讨了其必须具备的可靠性、智能性、连接性与可管理性四大核心能力矩阵,并提供了涵盖架构设计、技术栈选型、安全

weixin_30696427的博客 372
上一篇: AI大模型详解!中国人工智能大模型技术白皮书!
下一篇: 在文本分类任务上,Qwen3-0.6B真的比Bert效果好么?
冻感糕人~
博客等级 码龄3年 8926粉丝 2402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