A place to hold mainly reading notes, and some technical stuff occasionally. 这里主要是一些读书笔记、感悟;还有部分技术相关的内容。
目录[-]
上一篇文章介绍了如何使用 Ollama
和 Dify
搭建个人 AI
助手。首先通过 Ollama
私有化部署了 Qwen2.5 (7B)
模型,然后使用 Docker Compose
一键部署了 Dify
社区版平台。在 Dify
平台上,通过普通编排的方式,创建了基于 Qwen2.5
模型的聊天助手,并添加了个人知识库作为上下文,实现了真正的个人助手功能。
今天我们使用 Dify
提供的工作流编排以及 Dify
自带的 Tavily Search
搜索工具、 LLM
模型 Qwen2.5 (7B)
模型实现自己的AI搜索引擎。
新建一个“聊天助手”类型的应用,编排方法选择“工作流编排”。
进入编排页面之后,默认生成了一个带有开始和介绍节点,中间有个 LLM
的节点(自动选择了我们的默认模型 Qwen2.5
)的默认布局,这就相当于工作流版的基础个人助手。
在 LLM
节点前面,增加一个搜索工具节点(通过前一个节点的 +
,在弹窗里的“工具”Tab下找到搜索工具),这里选择 Tavily Search
。
Tavily Search
需要授权后才能使用,通过“如何获取”超链接跳转到 Tavily Search
官方进行注册登录,我这里使用 GitHub
账号直接登录,之后可以获取到一个 API Key
,一个月有1000的免费次数。
作为搜索引擎, Tavily Search
需要接收用户的输入(sys.query)作为参数,最后将结果(text)返回。
Note:输入、输出参数可以通过输入 /
进行选择。
在LLM节点,键入/选择 Tavily Search
的输出 text
,编辑系统提示词 Prompt
:
根据搜索引擎返回的结果:,回答用户问题。
通过上述步骤,一个简版 AI
搜索引擎搭建完毕,我们进行预览测试:输入问题“看下Black Forest Labs的最新消息”。
在回答处有个“查看日志”按钮,点击查看详细的对话日志。
而且可以对每个节点进行跟踪记录查看,包含了每一步的输入与输出,方便调试。
我问了近期发生的事情,可以看到这个 AI
助手基本都看可以正常回答。
当我问了“今天太原天气怎样”的问题后,最后竟然返回:很抱歉,作为人工智能,我无法提供实时信息。。
什么?我专门给你配了可以联网的搜索引擎,你跟我说无法提供实时信息??
经过节点跟踪排查之后,我发现,其实 Tavily Search
搜索工具节点已经查到了相关信息,但是到了 LLM
节点,并没有真正使用到搜索引擎的返回信息。
经过分析之后,我尝试在 LLM
节点增加了上下文,并修改了系统提示词:
根据后面这部分内容:,来回答用户问题
再次尝试相同的问题,看模型如何回答。这次成功回复了我们问题。
上面对于天气情况的回答,看似没问题,其实多问几次就会发现,模型不能很好地理解相对时间,eg: 今天、昨天、去年。这个问题可以通过 Dify
提供的 Time
相关工具,再借助 Dify
的智能体 Agent
来解决,目前我还没有进行验证。
其他功能,诸如对话开场白、下一步问题建议以及内容审查功能可以根据自己的需求进行发挥。
本文通过组合 Dify
的工作流编排、 Tavily Search
搜索引擎工具以及 Qwen2.5
模型,成功实现了一个能够回答实时问题的 AI
搜索引擎,步骤详细,极具可操作性。后续想办法解决模型对相对时间(今天、昨天、去年等)的理解存在局限性。这个 AI
搜索引擎能够回答一些实时新闻和事件相关的问题,展示了 Dify
工作流编排功能的便捷性、实用性。
If you have any questions or any bugs are found, please feel free to contact me.
Your comments and suggestions are welcome!