dify案例分享
什么是提示词(Prompt)?
提示词(Prompt)是用户与人工智能模型(如大语言模型、生成式AI等)进行交互的核心工具,本质上是一段文本指令或输入信息,用于引导模型生成符合预期的输出。其表现形式多样,可以是一个问题(例如“量子力学的基本原理是什么?”)、一个任务描述(例如“将这段中文翻译成法语”),甚至是一段带有参数的复杂指令(例如“以科幻风格写一篇关于火星殖民的短篇小说,包含三个主要角色”)。
从技术角度看,提示词是模型生成内容的上下文起点。模型基于预训练数据中的概率分布,通过分析提示词的语义和结构,预测并生成后续文本。因此,提示词的精准度直接决定了输出内容的相关性和质量。
下面我们看一下张图全面了解一下提示词。
我们在学习AI的时候不管你是技术人员还是非技术人员,高质量的提示词决定你的AI 能力和水平,也可以体现出你和AI 沟通能力。
很多小伙伴在学习过程中遇到第一困难就是 提示词不会写。复杂的提示词语法也记不住。我之前也给大家写过关于提示词的文章。
零门槛,小白也能学会的GPT提示词
今天给大家把提示门槛进一步降低,我们将使用dify工作流利用AI辅助能力实现一个提示词优化器功能。我们先看一下实现的效果:
第一步工作流生成提示词
第二步提示词生成
第三步美化后提示词生图
三步就搞定了一个AI绘画的提示词,当然我们这个工作流不仅仅局限AI绘画,其它也是可以的。话不多说下面带大家一起去实现这个工作流。
我们回到dify工作台,新建一个chatflow工作流,如下图:
这个开始节点这里我们有2个参数。第一个是prompt 提示词输入参数,第二个我们做一个下拉 提示词类型。
这样我们就完成了开始节点的设置。
考虑提示词需要适配各种类型,我们这里大致分5种(通用提示词优化、通用提示词优化-带输出格式要求、带建议优化、指令性优化、迭代提示词优化)
我们这里用到工作流中条件分支。
这里我设置一下条件promptype
条件 设置“包含”关系
每个条件值和前面的promptype 值对应上。设置完成后截图如下:
这个地方就利用大语言模型对用户输入的提示词进行扩写。因为我们这里用到了5个提示词模版,所以我们这里需要设置5个LLM提示词优化优化。我这里主要那一个讲解一下。
模型这里我们选择硅基流动提供的最新的智谱提供的 GLM4-32B-0414版本的模型、和GLM4-9B-0414模型。这个模型用起来速度非常快。准确性也还可以。如果没有硅基的小伙伴可以去这个地址https://cloud.siliconflow.cn/i/e0f6GCrN 新户可以送14元。
系统提示词
系统提示词
系统提示词
系统提示词
系统提示词
以上都是5个LLM大语言模型系统提示词。用户提示词其实都一样的。它的内容如下
用户提示词
完成的设置好的提示词给大家展示一下
这个直接回复就比较简单对5个LLM大语言模型结果输出。
有的小伙伴可能会提出,可以利用变量聚合器合并最后只需要输出一个直接回复即可。这个方法是可以解决问题,不过缺点吗就是聚合后的输出结果是直接返回用户信息,把AI的流式输出给弄丢了,这样用户体验不好。尤其是生成的内容比较多,另外在遇到模型输出比较慢 用户就会等半天。建议大家还是使用上面的方式。(感兴趣的小伙伴也可以自己去尝试验证一下我说的)
以上我们就完成了工作流的制作,这个工作流其实还是比较简单和基础的。对初学者和入门级小伙伴非常友好,即学会了DIFY工作流(chatflow),又学会了如何扩写提示词。
接下来我们验证一下这个提示词扩写的能力。
打开预览,输入用户提示词和 提示词类型。
扩写后的提示词
提示词内容如下:
这个提示词就是我优化后的提示词了,秒变“旅行计划规划大师”
我们可以在dify 找一个最简单chat ,把上面生成好的提示词复制到系统提示词里面
当然你也可以把这个提示词在其他AI辅助工具或者代码里面替换,分分钟就变成了旅游规划大师了。
下面以Cherry Studio 为案例
我们也可以把工作流分享给其他小伙伴使用。
体验地址https://difyhs.duckcloud.fun/chat/ukN4XhnVKLFN2wqw 备用地址(http://14.103.204.132/chat/ukN4XhnVKLFN2wqw)
相关资料和文档可以看我开源的项目 https://github.com/wwwzhouhui/dify-for-dsl
本工作流的提示词我们主要参考这个开源项目https://github.com/linshenkx/prompt-optimizer,我看了一下这个项目感觉应该是用cursor生成和实现了。感兴趣的小伙伴可以去研究一下。
今天主要带大家了解并实现了利用 Dify 工作流构建提示词优化器的功能。借助 Dify 强大的工作流设计能力,我们实现了通过简单的三步流程生成高质量提示词的过程。整个过程虽有一些细节需要注意,如条件分支的设置和系统提示词模板的使用,但操作本身并不复杂,能够有效帮助大家降低编写提示词的门槛,提升与 AI 的沟通能力。感兴趣的小伙伴可以去尝试。今天的分享就到这里结束了,我们下一篇文章见。
