【AIGC】AI工作流workflow实践：构建日报

优质文章学习记录

— 2 min read
【AIGC】AI工作流workflow实践：构建日报

workflow实践

  • 引言
  • 实现步骤分析
  • 实践
    • 创建 dify workflow 应用
    • 创建工作流内部节点
      • 1、设置输入字段
      • 2、创建两个LLM节点
      • 3、设置结束节点
    • 运行工作流
  • 结语

引言

工作流 workflow 是现在 LLM 很重要的一个概念，因为对于一个模型来说，非常复杂的问题很难一次性完美解决，而且可能需要很多别的辅助工具。而工作流就是将这些工具和模型组合起来，形成一个完整的解决方案。今天我们来做个工作流实践，帮助读者理解工作流。我们来构建一个帮助我们写日报的工作流。在帮助我们完成日报的填写的同时，我们需要它进行 AI 味的去除，免得出现别人一看就是 AI 写出来的文章的情况。

实现步骤分析

  1. 我们需要一个可以构建工作流的平台，这边我们选择 dify
  2. 我们需要模型根据我们提供的今天做的事情去自动生成日报

我们需要对刚才生成的文章进行 AI 味的去除

在这里插入图片描述

实践

创建 dify workflow 应用

进入 dify，创建一个 workflow，选择工作流，标题就写日报生成

在这里插入图片描述

创建工作流内部节点

1、设置输入字段

在开始节点设置一个字段接收用户的输入，这个节点我们设置为message

在这里插入图片描述

2

Read more

【AIGC】冷启动数据与多阶段训练在 DeepSeek 中的作用

【AIGC】冷启动数据与多阶段训练在 DeepSeek 中的作用

博客主页： [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AIGC |ChatGPT 文章目录 * 💯前言 * 💯冷启动数据的作用 * 冷启动数据设计 * 💯多阶段训练的作用 * 阶段 1：冷启动微调 * 阶段 2：推理导向强化学习（RL） * 阶段 3：拒绝采样与监督微调（SFT） * 阶段 4：多场景强化学习 * 💯代码示例：冷启动数据与多阶段训练的实现 * 1. 冷启动微调阶段 * 作用与应用： * 2. 推理导向的强化学习阶段 * 作用与应用： * 3. 拒绝采样与监督微调阶段 * 作用与应用： * 4. 多场景强化学习 * 作用与应用： * 总体流程 * DeepSeek 中的应用 * 💯总结 💯前言 在人工智能领域，深度学习模型的训练和优化往往需要大量的标注数据和计算资源。然而，面对复杂任务时，即使是最先进的技术和大量的训练数据也未必能够保证模型的最优表现。DeepSeek
【Copilot配置】—— copilot-instructions.md vs AGENTS.md vs .instructions.md三种指令文件解析与配置

【Copilot配置】—— copilot-instructions.md vs AGENTS.md vs .instructions.md三种指令文件解析与配置

Copilot 指令文件全解析：copilot-instructions.md vs AGENTS.md vs .instructions.md 作为常年和 VS Code 打交道的研发，最近在折腾 Copilot Agent 时，我发现很多同学和我一样，被 .github/copilot-instructions.md、AGENTS.md 和 .instructions.md 这三个文件绕晕了。 明明都是给 Copilot 写的 “指令”，为什么要分三个文件？它们的生效范围有啥区别？什么时候该用哪一个？ 带着这些疑问，我翻遍了官方文档，又在自己的 AI Agent 项目里反复实测，终于把这三者的关系理得清清楚楚。这篇文章就用最直白的语言，结合实战配置，帮你彻底搞懂 Copilot 指令文件的使用逻辑。 一、先搞懂核心：

彻底解决llama.cpp项目CUDA编译难题：从环境配置到性能优化全指南

彻底解决llama.cpp项目CUDA编译难题：从环境配置到性能优化全指南 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 你是否在编译llama.cpp时遭遇过CUDA相关的"nvcc not found"错误？是否尝试启用GPU加速却始终无法识别显卡？本文将系统梳理llama.cpp项目中CUDA编译的常见问题，提供从环境配置到高级优化的完整解决方案，让你的NVIDIA显卡充分释放AI计算潜能。 CUDA编译基础与环境检查 llama.cpp通过CUDA后端实现NVIDIA GPU加速，其核心配置位于CMakeLists.txt构建系统中。官方推荐的基础编译命令看似简单： cmake -B build -DGGML_CUDA=ON
web开发者快速上手AI Agent：基于Dify平台构建低代码HR招聘应用系统实战

web开发者快速上手AI Agent：基于Dify平台构建低代码HR招聘应用系统实战

图片来源网络，侵权联系删。 文章目录 * 1 引言 * 2 Web开发与AI Agent应用的衔接点：Dify如何成为你的“AI后端” * 3 Agent提示词优化的核心原理：用Web思维理解AI逻辑 * 3.1 上下文管理 = 前端状态管理（State Management） * 3.2 提示词模板 = 组件Props接口 * 4 实战：基于Dify构建低代码HR招聘系统（端到端流程） * 4.1 步骤1：在Dify中创建“简历筛查Agent” * 4.2 步骤2：前端调用（Vue3示例） * 4.3 步骤3：扩展至面试评分 & 智能培训 * 5 常见问题与解决方案（Web开发者视角） * Q1：模型响应慢，影响用户体验？ * Q2：