工作流應用將復雜的任務拆分成一系列有序執行的步驟,以降低系統復雜度。在百煉,通過工作流組合使用大模型、API和函數計算等節點,可有效降低編碼成本。本文介紹如何創建工作流。
應用介紹
使用場景
旅行規劃:用戶可通過工作流插件選擇目的地等參數,自動生成旅行計劃,包括航班、住宿、景點推薦等。
報告分析:針對復雜數據集,通過組合數據處理、分析和可視化插件,生成結構化和格式化的分析報告,滿足不同業務需求。
客服支持:通過自動化工作流處理客戶咨詢,包括問題分類等,提高客服響應速度和準確性。
內容創作:實現文章、市場營銷文案等內容的生成,用戶只需輸入主題和要求,系統自動生成符合要求的文稿。
教育培訓:通過工作流設計個性化學習方案,包括學習進度跟蹤、測評等,實現學生的自主學習。
醫療問診:根據患者輸入的癥狀,通過組合多種分析工具生成初步診斷或推薦相關檢查,輔助醫生進行進一步判斷。
支持模型
通義千問-Max
通義千問-Plus
通義千問-Turbo
通義千問VL-Plus
通義千問VL-Max
模型詳情請參見模型列表。
具體案例
入門案例
本段落以創建一個判斷短信是否涉及電信詐騙的工作流應用為例進行說明。
在阿里云百煉大模型服務平臺左側導航欄中,單擊我的應用。
單擊新增應用,選擇工作流應用,單擊創建任務型工作流,進入工作流配置頁面。
進入頁面后,輸入節點會預設兩個參數,可自主更改,不影響后續操作。
將左側大模型節點拖入畫布配置頁面,將輸入節點連接到大模型節點,并配置對應參數。
配置輸入節點:刪除默認的city,date參數。輸入節點內置一個默認參數query,故此處不需要參數。
配置大模型節點:
參數
配置對應參數
模型配置
通義千問-Max
溫度系數
默認值
最長回復長度
1024
開啟搜索
關閉
Prompt
System Prompt: 分析并判斷所給信息是否存在詐騙嫌疑。給出肯定答案,是否存在詐騙嫌疑。 處理要求:細致審查信息內容,關注關鍵詞匯和典型詐騙模式,如請求緊急轉賬、提供個人信息、承諾不切實際的利益等。 操作步驟: 1. 識別信息中的關鍵要素,包括但不限于發件人身份、提出的請求、承諾的回報及任何緊迫性表述。 2. 對比已知的詐騙案例特征,檢查信息中是否有類似的操作手法或語言模式。 3. 評估信息的整體合理性,考慮所提要求是否符合常規邏輯和常規流程。 4. 若信息中包含鏈接或附件,不要直接點擊或下載,以避免潛在的安全風險,并提醒用戶注意此類內容的危險性。 輸出格式:明確指出該信息是否展現出詐騙的特征,并簡要說明判斷依據。如果存在詐騙嫌疑,提供一些建議或預防措施以保護用戶安全。 User Prompt: 判斷“${sys.query}”該信息是否涉嫌詐騙信息。
說明也可以輸入
/
插入變量。選擇系統變量的query。輸出
默認
將左側意圖分類節點拖入畫布配置頁面,將大模型節點連接到意圖分類節點,并配置對應參數。
參數
配置對應參數
輸入
選擇系統變量的query
模型配置
通義千問-Plus
意圖配置
添加參數
該信息涉及詐騙
該信息不涉及詐騙
其他意圖
默認
意圖模式
選擇單選模式
思考模式
選擇快速模式
高級配置
默認
輸出
默認
將左側文本轉換節點拖入畫布配置頁面,將意圖分類節點中所有節點連接到該文本轉換節點,并配置對應參數。
參數
配置對應參數
輸出模式
選擇文本輸出。
輸入
在輸出文本框中輸入
/
插入變量。分別選擇意圖分類_1中result的subject、thought,以及大模型_1的result。將文本轉換節點連接到輸出節點,并配置對應參數。
參數
配置對應參數
輸出模式
選擇文本輸出。
輸入
輸入
/
插入變量。選擇文本轉換_1的result。結果返回
默認
單擊右上角測試,在query參數輸入值
你媽想你了,有空打個電話
,單擊執行。等待工作流運行結束后,輸出節點會輸出運行結果。
繼續單擊右上角測試,在query參數輸入值
你有一條中獎信息,請查收
,單擊執行。等待工作流運行結束后,輸出節點會輸出運行結果。
單擊右上角發布,即可發布成功。
進階案例
本段落以創建一個智能導購員(可推薦手機、電視,冰箱)的對話性型工作流為例進行說明。在對話型工作流中,${sys.query}
為應用使用者在對話框中輸入的內容。
在阿里云百煉大模型服務平臺左側導航欄中,單擊我的應用。
單擊創建應用,選擇工作流應用,單擊創建對話型工作流,進入工作流配置頁面。
進入頁面后,輸入節點會預設兩個參數,可自主更改,不影響后續操作。
將左側意圖分類節點拖入畫布配置頁面,將輸入節點連接到意圖分類節點,并配置對應參數。
配置輸入節點:刪除默認的city,date參數。輸入節點內置一個默認參數query,故此處不需要參數。
配置意圖分類節點:
參數
配置對應參數
輸入
選擇系統變量的query
模型配置
通義千問-Plus
意圖配置
添加參數
電視
手機
冰箱
其他意圖
意圖未匹配時,匹配此鏈路,默認
意圖模式
選擇單選模式
思考模式
選擇快速模式
上下文
默認
高級配置
默認
輸出
默認
將左側大模型節點拖入畫布配置頁面,將意圖分類節點中
電視
節點連接到該大模型節點,并配置對應參數。參數
配置對應參數
模型配置
通義千問-Max
溫度系數
默認值
最長回復長度
1024
開啟搜索
關閉
Prompt
System Prompt: 你是負責給顧客推薦電視的智能導購員。 你需要按照下文中【電視的參數列表】中的順序來主動詢問用戶需要什么參數的電視,一次只能問一個參數,不要對一個參數進行重復提問。 如果用戶告訴了你這個參數值,你要繼續詢問剩余的參數。 如果用戶詢問這個參數的概念,你要用你的專業知識為他解答,并繼續向他詢問需要哪個參數。 如果用戶有提到不需要繼續購買商品,請輸出:感謝光臨,期待下次為您服務。 【電視的參數列表】 1.屏幕尺寸:【50英寸、70英寸、80英寸】 2.刷新率:【60Hz、120Hz、240Hz】 3.分辨率:【1080P、2K、4K】 如果【電視的參數列表】中的參數都已收集完畢,你要問他:“請問您是否確定購買?”,并同時將顧客選擇的參數信息輸出,如:50英寸|120Hz|1080P。問他是否確定需要這個參數的電視。如果顧客決定不購買,要問他需要調整哪些參數。 如果顧客確定這個參數符合要求,你要按照以下格式輸出: 【屏幕尺寸:50英寸,刷新率:120Hz,分辨率:1080P】。請你只輸出這個格式的內容,不要輸出其它信息。 User Prompt: 用戶的問題是:${sys.query}
說明也可以輸入
/
插入變量。選擇系統變量的query。上下文
關閉
輸出
默認
同理,將左側大模型節點拖入畫布配置頁面,將意圖分類節點中
手機
節點連接到該大模型節點,并配置對應參數。參數
配置對應參數
模型配置
通義千問-Max
溫度系數
默認值
最長回復長度
1024
開啟搜索
關閉
Prompt
System Prompt: 你是負責給顧客推薦手機的智能導購員。 你需要按照下文中【手機的參數列表】中的順序來主動詢問用戶需要什么參數的手機,一次只能問一個參數,不要對一個參數進行重復提問。 如果用戶告訴了你這個參數值,你要繼續詢問剩余的參數。 如果用戶詢問這個參數的概念,你要用你的專業知識為他解答,并繼續向他詢問需要哪個參數。 如果用戶提到不需要繼續購買商品,請輸出:感謝光臨,期待下次為您服務。 【手機的參數列表】 1.使用場景:【游戲、拍照、看電影】 2.屏幕尺寸:【6.4英寸、6.6英寸、6.8英寸、7.9英寸折疊屏】 3.RAM空間+存儲空間:【8GB+128GB、8GB+256GB、12GB+128GB、12GB+256GB】 如果【參數列表】中的參數都已收集完畢,你要問他:“請問您是否確定購買?”,并同時將顧客選擇的參數信息輸出,如:用于拍照|8GB+128GB|6.6英寸。問他是否確定需要這個參數的手機。如果顧客決定不購買,要問他需要調整哪些參數。 如果顧客確定這個參數符合要求,您要按照以下格式輸出: 【使用場景:拍照,屏幕尺寸:6.8英寸,存儲空間:128GB,RAM空間:8GB】。請你只輸出這個格式的內容,不要輸出其它信息。 User Prompt: 用戶的問題是:${sys.query}
說明也可以輸入
/
插入變量。選擇系統變量的query。上下文
關閉
輸出
默認
同理,將左側大模型節點拖入畫布配置頁面,將意圖分類節點中
冰箱
節點連接到該大模型節點,并配置對應參數。參數
配置對應參數
模型配置
通義千問-Max
溫度系數
默認值
最長回復長度
1024
Prompt
System Prompt: 你是負責給顧客推薦冰箱的智能導購員。 你需要按照下文中【冰箱的參數列表】中的順序來主動詢問用戶需要什么參數的冰箱,一次只能問一個參數,不要對一個參數進行重復提問。 如果用戶告訴了你這個參數值,你要繼續詢問剩余的參數。 如果用戶詢問這個參數的概念,你要用你的專業知識為他解答,并繼續向他詢問需要哪個參數。 如果用戶有提到不需要繼續購買商品,請輸出:感謝光臨,期待下次為您服務。 【冰箱的參數列表】 1.使用場景:【家用、小型商用、大型商用】 2.容量:【200L、300L、400L、500L】 3.能效等級:【一級能效、二級能效、三級能效】 如果【參數列表】中的參數都已收集完畢,你要問他:“請問您是否確定購買?”并同時將顧客選擇的參數信息輸出,如:用于小型商用|300L|一級能效。問他是否確定需要這個參數的冰箱。如果顧客決定不購買,要問他需要調整哪些參數。 如果顧客確定這個參數符合要求,你要按照以下格式輸出: 【使用場景:家用,容量:300L,能效等級:一級能效】。請你只輸出這個格式的內容,不要輸出其它信息。 User Prompt: 用戶的問題是:${sys.query}
說明也可以輸入
/
插入變量。選擇系統變量的query。上下文
關閉
輸出
默認。
將左側文本轉換節點拖入畫布配置頁面,將三個大模型節點連接到文本轉換節點,并配置對應參數。
參數
配置對應參數
輸出模式
選擇文本輸出。
輸入
輸入
/
插入變量。分別選擇三個大模型的result。再將左側文本轉換節點拖入畫布配置頁面,將意圖分類節點中其他意圖節點連接到該文本轉換節點,并配置對應參數。
參數
配置對應參數
輸出模式
選擇文本輸出。
輸入
輸入
此商品不在導購范圍內。感謝關臨,期待下次為你服務。
將兩個文本轉換節點鏈接到輸出節點,并配置對應參數。
參數
配置對應參數
輸出模式
選擇文本輸出
輸入
輸入
/
插入變量。分別選擇兩個文本轉換的result。單擊右上角測試,在對話框輸入
給我介紹一下你們的冰箱,我要家用的?
,單擊執行。等待工作流運行結束后,輸出節點會輸出運行結果。
可繼續追問,在對話框輸入
介紹一下200L的家用冰箱?
運行結果如下。可繼續問,在對話框輸入
給我介紹一下你們的耳機?
,運行結果如下。單擊右上角發布,即可發布成功。
節點說明
開始/結束節點
定義:開始節點用于開啟一個工作流,結束節點用于輸出工作流的結果。請注意,每個工作流都必須包含一個開始節點和一個結束節點。結束節點為最后節點,后面不能再添加其他節點,工作流應用中運行到結束節點后才輸出執行結果。結束節點至少需要聲明一個或多個輸出變量,聲明中可運用任意上游節點的輸出變量。
開始節點參數配置:
參數名
參數說明
變量名
輸入參數key。
類型
參數類型,支持String,Boolean,Number。
描述
參數描述。
說明開始節點提供了內置系統變量: 系統變量.query, 用于對話應用中的用戶輸入問題。
結束節點參數配置:
參數名
參數說明
輸出模式
可選文本輸出、JSON輸出。
輸入
文本輸出,輸入
/
可插入變量。JSON輸出,變量名 | 引用/輸入 | 變量。
結果返回
支持結果返回開關。
節點示例:
在以下
百煉手機咨詢工作流
中,結束節點聲明的變量知識庫_1/result為上游節點的輸出,即該工作流會在知識庫節點執行完成后結束,并輸出知識庫節點的執行結果。在測試界面,query參數中輸入
你們有哪些手機
:結束節點輸出:
知識庫節點
定義:配置知識庫,搜索相關內容或片段,輸出搜索結果及相關信息。知識庫節點可作為大模型節點的前置節點。
參數配置:
參數名
參數說明
輸入
輸入本節點需要處理的變量,用于識別需要處理的內容,支持引用前置/開始節點變量或直接輸入變量值。
選擇知識庫
可選擇自己指定的知識庫,可多選。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
節點示例:
常見場景:建立基于外部數據或知識的人工智能問答系統(RAG)。
以下是一個簡單的知識庫問答示例。其工作流程邏輯如下:知識庫節點作為大模型的前置節點。當用戶提出問題時,系統會將該問題傳遞給知識庫節點進行檢索。知識庫節點首先在知識庫中查找與用戶問題最相關的文本內容,并將其召回。接下來,用戶的問題和召回的內容會一起傳遞給大模型,以便大模型根據內容來回復問題。
在測試界面,query參數中輸入
給我介紹一下你們的手機
:知識庫節點輸出:
rewriteQuery:表示對用戶查詢的重寫版本,這通常用于優化查詢,以便更好地匹配可用的信息或文檔。
documentName:文檔的名稱或標識符,用于引用具體的文檔。
title:文檔的標題,通常是文檔的名稱或者描述,幫助用戶快速理解文檔的主題。
content:文檔的主要內容,通常是一小段文本,能夠提供與用戶查詢相關的信息。
score:評分值,用于表示該文檔與查詢的相關性,分數越高,表示該文檔與查詢的匹配度越好。
{ "result": { "rewriteQuery": "給我介紹一下你們的手機", "chunkList": [ { "score": 0.3639097213745117, "documentName": "百煉系列手機產品介紹", "title": "百煉手機產品介紹", "content": "參考售價:5999- 6499。百煉 Ace Ultra -游戲玩家之選:配備 6.67英寸 1080 x 2400像素屏幕,內置 10GB RAM與 256GB存儲,確保游戲運行絲滑無阻。百煉 Ace Ultra -游戲玩家之選:配備 6.67英寸 1080 x 2400像素屏幕,內置 10GB RAM與 256GB存儲,確保游戲運行絲滑無阻。5500mAh電池搭配液冷散熱系統,長時間游戲也能保持冷靜。高動態雙揚聲器,沉浸式音效升級游戲體驗。參考售價:3999- 4299。百煉 Zephyr Z9 -輕薄便攜的藝術:輕巧的 6.4英寸 1080 x 2340像素設計,搭配 128GB存儲與 6GB RAM,日常使用游刃有余。4000mAh電池確保一天無憂,30倍數字變焦鏡頭捕捉遠處細節,輕薄而不失強大。參考售價:2499- 2799。百煉 Flex Fold+ -折疊屏新紀元:集創新與奢華于一身,主屏 7.6英寸 1800 x 2400像素與外屏 4.7英寸 1080 x 2400像素,多角度自由懸停設計,滿足不同場景需求。512GB存儲、12GB RAM,加之 4700mAh電池與 UTG超薄柔性玻璃,開啟折疊屏時代新篇章。此外,這款手機還支持雙卡雙待、衛星通話,幫助您在世界各地都能暢聯通話。參考零售價:9999- 10999。", "score": 85.7 }, { "score": 0.3558429479598999, "documentName": "百煉系列手機產品概述", "title": "百煉手機產品概述", "content": "歡迎來到未來科技的前沿,探索我們精心打造的智能手機系列,每一款都是為了滿足您對科技生活的無限遐想而生。百煉 X1 -暢享極致視界:搭載 6.7英寸 1440 x 3200像素超清屏幕,搭配 120Hz刷新率,流暢視覺體驗躍然眼前。256GB海量存儲空間與 12GB RAM強強聯合,無論是大型游戲還是多任務處理,都能輕松應對。5000mAh電池長續航,加上超感光四攝系統,記錄生活每一刻精彩。參考售價:4599- 4999通義 Vivid 7 -智能攝影新體驗:擁有 6.5英寸 1080 x 2400像素全面屏,AI智能攝影功能讓每一張照片都能展現專業級色彩與細節。8GB RAM與 128GB存儲空間確保流暢操作,4500mAh電池滿足日常所需。側面指紋解鎖,便捷又安全。參考售價:2999- 3299星塵 S9 Pro -創新視覺盛宴:突破性 6.9英寸 1440 x 3088像素屏下攝像頭設計,帶來無界視覺享受。512GB存儲與 16GB RAM的頂級配置,配合 6000mAh電池與 100W快充技術,讓性能與續航并駕齊驅,引領科技潮流。參考售價:5999- 6499。百煉 Ace Ultra -游戲玩家之選:配備 6.67英寸 1080 x 2400像素屏幕,內置 10GB RAM與 256GB存儲,確保游戲運行絲滑無阻。", "score": 85.2 }, { "score": 0.28801095485687256, "documentName": "百煉系列手機概述", "title": "百煉系列手機概述", "content": "此外,這款手機還支持雙卡雙待、衛星通話,幫助您在世界各地都能暢聯通話。參考零售價:9999- 10999。每一款手機都是匠心獨運,只為成就您手中的科技藝術品。選擇屬于您的智能伙伴,開啟未來科技生活的新篇章。", "score": 86.3 } ] } }
結束節點輸出:
大模型節點-任務型工作流
定義:通過大模型處理輸入的變量或內容,輸出處理結果作為變量向后傳遞。大模型節點是工作流的核心,運用語言模型的對話、生成、分類等能力,根據提示詞處理多種任務,適用于工作流的各個環節。
節點參數配置:
參數名
參數說明
模型配置
選擇合適的大模型,支持模型參數調整,具體支持模型,請參見支持模型。
System Prompt
可用于設定模型的角色、任務、輸出格式等內容,如“你是一個數學專家,專業解決數學問題,請輸出符合格式的數學解題過程和結果”。
User Prompt
配置Prompt模板,支持變量插入,大模型將根據Prompt的配置進行處理和生成。
溫度系數
用于調節生成內容的多樣性。較高的溫度值將增加生成文本的隨機性,產生更多獨特的輸出;而較低的溫度值會使生成內容更為保守和一致。
最長回復長度
限制模型生成文本的最大長度(不包括Prompt)。該限制因模型類型而異,具體最大值可能會有所不同。
開啟搜索
啟用后,允許大模型在互聯網上搜索相關信息。如果您沒有看到該參數,則代表當前模型不支持開啟搜索開關。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
節點示例:
在測試界面,query參數中輸入
芯片工程師
:結束節點輸出:
短期規劃(1-3年): 1. 技能提升: - 技術技能:深入學習集成電路設計、模擬/數字電路原理、半導體物理、VLSI設計、版圖設計(LAYOUT)、Verilog或VHDL等硬件描述語言。掌握主流EDA工具(如Cadence, Synopsys, Mentor Graphics)的使用,特別是針對特定工藝節點的設計與驗證工具。 - 軟件與編程:強化Python、C/C++編程能力,了解機器學習基礎,因為這些技能在自動化設計、算法優化等方面越來越重要。 - 項目管理:學習基本的項目管理知識,如敏捷開發、Scrum框架,以提高團隊協作效率。 2. 項目參與: - 選擇涉及前沿技術的項目,如5G/6G通信芯片、AI加速器、自動駕駛芯片等,這些領域不僅技術挑戰大,也是行業發展的熱點。 - 參與從概念設計到流片(tape-out)的完整流程,尤其是關鍵環節如前端設計(RTL設計)、后端實現(物理設計)、驗證和測試,以獲得全面經驗。 3. 職位晉升路徑: - 從初級芯片設計工程師開始,逐步晉升為中級工程師,負責更復雜的模塊設計或項目領導職責。 - 考慮向專業技術方向發展(如模擬電路設計師、數字電路設計師、物理設計工程師)或向管理方向發展(如項目負責人、團隊經理)。 長期規劃(5-10年): 1. 行業趨勢分析: - 關注物聯網、人工智能、高性能計算、量子計算等領域的技術進展,這些將是推動芯片行業發展的主要動力。 - 隨著摩爾定律放緩,三維集成、新材料(如碳納米管、二維材料)的應用、以及后摩爾時代的新架構將成為研究重點。 2. 高級職位或跨領域轉型: - 高級技術專家:成為特定技術領域的權威,如射頻芯片設計專家、AI芯片架構師等,通過發表論文、申請專利等方式建立個人品牌。 - 跨領域融合:結合芯片技術與其他領域(如生物醫療、新能源)的知識,探索新的應用方向,如可穿戴設備中的智能芯片、能源管理系統中的高效控制芯片。 - 管理層發展:爭取成為部門總監或更高層級的管理職位,負責戰略規劃、團隊建設及業務拓展。 3. 累積經驗和資源: - 網絡構建:積極參與行業會議、研討會,加入專業社群,與業界領袖建立聯系,拓寬視野,尋找合作機會。 - 持續學習:緊跟技術發展,定期參加專業培訓、在線課程,甚至考慮攻讀MBA或相關領域研究生學位,提升管理和商業理解能力。 - 國際視野:如果條件允許,嘗試在不同國家或地區的公司工作,了解全球市場動態,積累國際工作經驗。 總之,芯片工程師的職業發展應聚焦于深化技術專長的同時,保持對行業趨勢的敏感性,靈活適應技術變革,不斷拓寬知識邊界,以實現個人職業生涯的持續成長和成功轉型。
大模型節點-對話型工作流
與工作流應用的大模型節點的不同:支持進行多輪對話配置,模型支持將選定的歷史對話信息作為輸入。
多輪對話配置:對話型應用會把前幾輪對話中在“上下文”中要求的變量收集起來作為輸入參數傳給大模型。
上下文:聲明大模型需要的上下文輸入,默認的 ${系統變量.historyList}代表的是前幾輪對話的應用輸入輸出。其他參數均指的是前幾輪對話中的應用參數。
API節點
定義:通過POST或GET的方式,調用自定義API服務,輸出API調用結果。
參數配置:
參數名
參數說明
API地址
填寫要調用的API地址,可選POST或GET。
Header設置
設置Header參數,設置KEY,VALUE。
Param設置
設置Param參數,設置KEY,VALUE。
Body設置
可選:none,form-data,ram,JSON。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
節點示例:
使用POST方法,調用接口。
結束節點輸出:
意圖分類節點
定義:根據意圖描述智能分類匹配,選擇其中一個鏈路執行。
參數配置:
參數名
參數說明
輸入
輸入本節點需要處理的變量,用于識別需要處理的內容,支持引用前置/開始節點變量或直接輸入變量值。
模型配置
模型選擇:通義千問-Plus。
意圖配置
意圖配置解釋文案:配置不同的意圖,輸入意圖描述,模型將根據不同的意圖描述匹配后續鏈路,如:“用于數學題的計算”,“關于天氣相關的知識問答”。
其他意圖
意圖未匹配時,匹配此鏈路。
意圖模式
單選模式:大模型將從現有的意圖配置中挑選最合適的意圖作為輸出。
多選模式:大模型將從現有的意圖配置中挑選所有匹配的意圖作為輸出。
思考模式
快速模式:該模式能夠避免輸出復雜的推理過程,從而提升處理速度,適用于簡單場景。
效果模式:該模式通過逐步思考,能夠更準確地匹配相應的分類。
高級配置
高級配置內容將作為額外的prompt提供給模型。在此,您可以輸入更多限制條件或提供更多案例,從而使模型的分類結果更符合您的要求。
假設您正在開發一個電商平臺的客服系統,用戶可能會提出各種關于訂單查詢、退換貨、支付意圖。為了確保模型準確分類,可以在高級配置中添加相關提示和示例。
請根據以下示例進行意圖分類: 案例1:用戶輸入“我想退還剛買的這件外套”,分類為“退換貨”。 案例2:用戶輸入“請幫我查詢訂單的發貨狀態”,分類為“訂單查詢”。 限制條件:僅處理與訂單相關的查詢,忽略支付和技術問題。
效果:
用戶輸入:
“我上周在你們網站訂購的那本書什么時候可以送到我家?”
分類結果:
“訂單查詢”
在該實例中,高級配置通過提供具體的分類案例,引導模型將“查詢送達時間”歸類為“訂單查詢”意圖,同時限定了分類范圍,排除了其他無關問題。
上下文
開啟上下文能力后,系統將以Message格式自動記錄歷史對話信息,調用模型時傳入上下文,模型將結合上下文內容進行生成。
僅在對話型工作流的意圖分類節點中有該配置項。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
說明該節點在對話型工作流中支持上下文。
運行該節點將消耗Token,并在運行時顯示其消耗數量。
節點示例:
以下是一個意圖分類節點示例。其工作流程邏輯如下:首先接收客戶問題。接著,將這些問題傳遞給意圖分類節點,該節點根據輸入的信息判斷屬于電視還是手機的問題,或者其他類別,意圖模式選擇多選模式,思考模式選擇快速模式(具體配置方式,請參見進階案例)。然后通過不同分支的文本轉換節點生成相應的輸出。最后,通過結束節點輸出并完成整個流程。
測試結果:在測試界面,query參數中輸入我想買電視、手機:
結束節點輸出:
文本轉換節點
定義:用于文本內容的轉換與處理,如抽取特定內容、格式轉換等,支持模板模式。
參數配置:
參數名
參數說明
輸出模式
支持文本輸出和JSON輸出。
輸入
通過大模型指定處理方式將需要處理內容轉換為特定格式,用戶后續節點的處理,可通過變量配置的方式引用前置節點的處理結果。
文本輸出:輸入
/
可插入變量。JSON輸出:變量名 | 引用/輸入 | 變量。
節點示例:
以下是一個簡單的文本轉換節點示例。其工作流程邏輯如下:首先,用戶輸入一個關鍵詞。然后,這個關鍵詞被傳遞給文本轉換節點,節點內部根據該關鍵詞進行處理,生成相應的輸出回復。最后,回復通過結束節點輸出,從而完成整個流程。
在測試界面,query參數中輸入
數學
:結束節點輸出:
腳本轉換節點
定義:通過腳本代碼處理,將輸入內容轉化為特定格式的模板或輸出形式。該過程包括對輸入數據的解析、轉換和格式化,以實現一致性和可讀性。
參數配置:
參數名
參數說明
輸入
輸入本節點需要處理的變量,用于識別需要處理的內容,支持引用前置/開始節點變量或直接輸入變量值。
代碼
通過編寫代碼的方式將需要處理內容轉換為特定格式,用于后續節點處理,可通過變量配置的方式引用前置節點的處理結果。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
節點示例:
以下是一個簡單的腳本轉換節點示例。其工作流程邏輯如下:用戶首先輸入兩個參數,這些參數隨后被傳遞給腳本轉換節點。在節點內部,代碼對這些參數進行處理,最終生成所需的輸出回復。流程以結束節點輸出回復的形式完成,從而實現整個過程的閉環。
在測試界面,city參數中輸入
北京
,date參數中輸入2022.2.10
:結束節點輸出:
條件判斷節點
定義:設置條件,滿足條件后字段選擇后續鏈路,支持且/或條件配置,多個條件是從上而下按順序執行。
參數配置:
參數名
參數說明
條件分支
填寫條件判斷語句。
其他
不需要條件判斷的可從此輸出。
節點示例:
以下是一個簡單的腳本轉換節點示例。其工作流程邏輯如下:用戶首先輸入兩個參數,這些參數隨后被傳遞給條件判斷節點。在節點內部對參數進行條件判斷,然后通過不同分支的文本轉換節點生成輸出回復。最后,結束節點將輸出生成的回復。
在測試界面,scert參數中輸入
12345
,admin參數中輸入admin
:結束節點輸出:
函數計算節點
定義:授權阿里云函數計算服務,調用函數計算中自定義的服務。
參數配置:
參數名
參數說明
輸入
輸入本節點需要處理的變量,用于識別需要處理的內容,支持引用前置/開始節點變量或直接輸入變量值。
Region
選擇地域:杭州,北京,上海。
服務配置
選擇服務配置。
輸出
輸出本節點處理結果的變量名,用于后續節點識別和處理本節點的結果。
節點示例:計算發酵系數。
以下是一個簡單的計算發酵系數示例。其函數計算節點內部邏輯如下:接受初始和最終的葡萄糖濃度以及生物質濃度作為輸入參數。接著,計算葡萄糖的消耗量及生物質的生成量。如果發現葡萄糖的消耗量為零或負值,則返回無窮大并記錄相應的警告;反之,函數將返回生物質生成量與葡萄糖消耗量的比值,這便是所需的發酵系數。總體而言,此示例利用葡萄糖和生物質濃度數據有效地計算出發酵系數。
在測試界面,依次填入下列參數:
glucose_initial(初始葡萄糖濃度)參數中輸入
100
,glucose_final(最終葡萄糖濃度)參數中輸入
50
,biomass_initial(初始生物質濃度)參數中輸入
10
,biomass_final(最終生物質濃度)參數中輸入
20
:
結束節點輸出:
AppFlow節點
發布應用
音視頻實時互動(對話型工作流應用)
功能簡介
百煉可以將對話型工作流應用發布為音視頻實時互動應用,并提供了便捷的調試窗口,支持通過H5/APP快速體驗demo效果,也可以通過音視頻SDK集成到用戶的Web/iOS/Android應用中。
功能亮點
全球高可用、低延遲:依托阿里云的實時音視頻網絡體系,全球3200+節點覆蓋和QoS優化,使得用戶可以在全球范圍內與 AI 智能體完成音視頻通話。
高度擬人化:通過持續迭代智能降噪、智能打斷、智能斷句等功能,使智能體在互動行為上更接近于人類,CosyVoice模型提供更加逼真的人聲。
易調試:提供體驗窗與調試信息展示,全流程可觀測、可修改、可調試。
易體驗、易集成:集成方式可參見集成方案概覽。
用法說明
首先,請配置一個可正常執行的工作流。
然后,請通過
調試出符合預期的效果。切換到語音交互或視頻交互,配置 API-KEY、音視頻設置后,在體驗窗調試音視頻交互效果。
點擊右上角體驗按鈕,生成臨時體驗二維碼,通過手機微信/釘釘/瀏覽器掃碼體驗交互效果。
效果確認后,點擊發布按鈕,進入發布渠道,完成智能媒體服務開通和slr授權后,創建互動智能體。
計費賬單從視頻云產出,百煉僅產出應用調用的賬單。