Dify工作流实践—根据word需求文档编写测试用例到Excel中

前言

这篇文章依赖到的操作可查阅我之前的文章:

dify里的大模型是怎么添加进来的:在Windows本地部署Dify详细操作

flask 框架@app.route()函数的开发和调用:PythonWeb开发框架---Flask工程创建和@app.route使用详解

结构化提示词的编写:大模型结构化提示词编写方法

1.Chatflow和工作流的区别

Chatflow:支持反复提问

工作流:不支持反复提问,只能做一次任务,做完就结束了

2.编写测试用例工作流

2.1 创建工作流

给工作流取个名称,右下角点击【创建】

创建成功后默认添加了 【开始】节点

2.2 添加输入变量

给 "开始" 节点添加输入变量

添加变量:本地doc文档

2.3 提取需求文档内容

添加第二个节点:文档提取器

给第二个节点 "文档提取器" 添加输入和输出变量,还可以修改节点名称

2.4 用大模型写测试点

添加第三个节点:添加大模型,让大模型根据提取的需求内容编写测试点

选择模型:点击节点,在右侧面板上点击模型,然后在弹出的面板上下拉选择模型

选择模型后,要注意调整 "温度" 和 "输出最大长度",并打开开关

添加System提示词:

添加用户提示词:

2.5 用大模型写测试用例

添加第四个节点:添加大模型,让大模型根据测试点写测试用例

选择模型:点击节点,在右侧面板上点击模型,然后在弹出的面板上下拉选择模型,注意调整温度和最大生成长度,并打开开关

添加System提示词:

添加用户提示词:

2.6 写用例到Excel文档中

dify工作流中并不支持直接生成excel文件,但是支持HTTP请求

实现把大模型生成的测试用例存放在Excel中的方法是:用flask启动一个微服务,写一个@app.route()函数,dify的HTTP请求去调用这个接口,实现步骤如下:

  • 编写@app.route()函数:

安装依赖库

pip install flask pandas openpyxl

python 复制代码
from flask import Flask,request,jsonify
import os
import pandas as pd
import datetime

app = Flask(__name__)


@app.route('/')
def hello_world():  # put application's code here
    return 'Hello World!'


@app.route('/write_to_excel', methods=['POST'])
def write_to_excel():
    # 1. 检查请求数据
    if not request.is_json:
        return jsonify({"result": -1, "error": "Content-Type必须是application/json"}), 400

    data = request.json

    # 2. 参数为空检查
    if not data or len(data) == 0:
        return jsonify({"result": -1, "message": "输入参数为空"}), 400

    try:
        # 3. 生成带时间戳的文件名
        timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
        excel_file_path = os.path.join(os.getcwd(), f'output_{timestamp}.xlsx')  # 添加时间戳

        # 4. 数据处理
        df = pd.DataFrame(data)
        df.to_excel(excel_file_path, index=False, engine='openpyxl')

        return jsonify({
            "result": 1,
            "message": "数据已成功写入Excel文件",
            "file_path": excel_file_path,
            "saved_rows": len(data),
            "timestamp": timestamp  # 返回时间戳信息
        }), 200

    except Exception as e:
        return jsonify({"result": -1, "error": str(e)}), 500



if __name__ == '__main__':
    app.run()
  • 启动Flak服务
  • dify工作流中添加HTTP节点
  • 配置HTTP请求节点

【 注意】

url 不能填写:http://127.0.0.1:5000/write_to_excel,dify是在容器里的,相当于一个被隔离的子系统,如果dify是通过docker desktop安装并且和flask服务在一台电脑上,url填写为:http://host.docker.internal:5000/write_to_excel ;如果不在一台电脑上,url填写为:http://flask所在电脑IP:5000/write_to_excel

【其他】

如果不知道测试点的输出格式是什么,可以在 "测试用例" 后面直接加 "结束"节点,先运行,看输出结果,然后在 "测试用例" 和 "结束" 节点中间加上"HTTP请求"节点

2.7 添加结束节点

给 "结束" 节点添加输出

2.8 运行

右上角点击【运行】按钮,弹出面板,上传文件,点击【开始运行】

运行过程中可以在 "追踪" 下看每个节点运行情况和运行结果

点开可以看到每个节点的输入和输出

详情里面可以看到输入和最后的输出,以及使用的Token数

结果里是最后的执行结果

2.9 落地结果

相关推荐
mzlogin2 小时前
DIY|Mac 搭建 ESP-IDF 开发环境及编译小智 AI
人工智能
归去_来兮2 小时前
知识图谱技术概述
大数据·人工智能·知识图谱
就是有点傻2 小时前
VM图像处理之图像二值化
图像处理·人工智能·计算机视觉
行云流水剑2 小时前
【学习记录】深入解析 AI 交互中的五大核心概念:Prompt、Agent、MCP、Function Calling 与 Tools
人工智能·学习·交互
love530love2 小时前
【笔记】在 MSYS2(MINGW64)中正确安装 Rust
运维·开发语言·人工智能·windows·笔记·python·rust
A林玖2 小时前
【机器学习】主成分分析 (PCA)
人工智能·机器学习
Jamence2 小时前
多模态大语言模型arxiv论文略读(108)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记
tongxianchao2 小时前
双空间知识蒸馏用于大语言模型
人工智能·语言模型·自然语言处理
苗老大2 小时前
MMRL: Multi-Modal Representation Learning for Vision-Language Models(多模态表示学习)
人工智能·学习·语言模型
中达瑞和-高光谱·多光谱3 小时前
中达瑞和SHIS高光谱相机在黑色水彩笔墨迹鉴定中的应用
人工智能·数码相机