华为云Flexus+DeepSeek征文｜体验华为云ModelArts快速搭建Dify-LLM应用开发平台并搭建查询数据库的大模型工作流

什么是华为云ModelArts

华为云ModelArts ModelArts是华为云提供的全流程AI开发平台，覆盖从数据准备到模型部署的全生命周期管理，帮助企业和开发者高效构建、训练、部署AI模型，实现智能化升级。

开始接触华为云ModelArts Studio大模型即服务平台

访问官方地址https://www.huaweicloud.com/product/modelarts/studio.html

快速搭建Dify-LLM应用开发平台

什么是Dify-LLM应用开发平台

Dify-LLM 应用开发平台是一个基于大型语言模型（LLM）的低代码/无代码开发平台，旨在帮助开发者快速构建、部署和管理基于 AI 的应用程序。它提供了可视化的操作界面和丰富的工具，简化了从模型调用到应用上线的全流程，适合不同技术背景的用户使用。
华为云提供了一键部署快速搭建Dify平台的功能，使开发者可以快速搭建生产级的生成式AI应用
快速搭建的方案架构如下
通过VPC与安全组构建安全网络，用户经ELB接入CCE部署的Dify服务集群，结合Embedding与reranker增强AI能力，并依托Redis、PostgreSQL、CSS与OBS实现多样化数据存储与处理，具备高可用、可扩展特性

开始搭建Dify-LLM应用开发平台

先进入官网https://www.huaweicloud.com/solution/implementations/building-a-dify-llm-application-development-platform.html
选择一键部署（云服务器单机部署）
这里不做操作直接下一步
把密码设置好下一步
继续下一步
点击创建执行计划
可以查看费用，然后点击部署
可以看到正在按顺序部署
等待服务部署完毕，访问Dify-LLM应用开发平台
部署完毕，访问Dify-LLM应用开发平台
登录Dify-LLM应用开发平台
至此搭建Dify-LLM应用开发平台大功告成，不得不说，华为云一键部署Dify平台真是太方便了，全程不需要怎么操作，全是一键搞定

开始搭建大模型工作流

什么是大模型工作流

大模型工作流（Large Model Workflow）是指利用大规模预训练语言模型（如GPT、BERT等）完成复杂任务时，所采用的一系列系统化、结构化的处理步骤和方法。它通过将大模型能力与特定任务需求相结合，实现更高效、更可靠的AI应用

开始搭建

这次准备做一个大模型工作流，然后然后可以查询数据库数据输出，

然后我们需要调用华为云的DeepSeek-V3-32K模型作为基底大模型
安装dify中的大模型插件，OpenAI-API-compatible
等待安装完成
设置大模型
密钥从华为云中获取
进入api-key管理，创建自己的key，用于调用大模型
回来继续配置key，注意接口地址是https://api.modelarts-maas.com/v1
这样大模型就配置完毕了
然后安装插件，点击右上角工具列表，搜索rookie_text2data
开始安装
这里我们准备的mysql数据库，新建一个test的库
然后准备一个用户表与一个部门表

CREATE TABLE test.user (
id int NOT NULL AUTO_INCREMENT COMMENT '主键id',
name varchar(30) NULL COMMENT '用户名称',
age int NULL COMMENT '年龄',
department_id int NULL COMMENT '部门id',
gender varchar(255) NULL COMMENT '性别（男/女）',
PRIMARY KEY (id)
) COMMENT = '用户表';

CREATE TABLE test.department (
id int NOT NULL AUTO_INCREMENT COMMENT '主键id',
name varchar(255) NULL COMMENT '部门名称',
PRIMARY KEY (id)
) COMMENT = '部门表';
然后插入一些数据

INSERT INTO department (name) VALUES
('人力资源部'),
('财务部'),
('技术研发部'),
('市场营销部'),
('客户服务部');

INSERT INTO user (name, age, department_id, gender) VALUES
-- 人力资源部 (部门ID 1)
('张伟', 32, 1, '男'),
('李娜', 28, 1, '女'),
('王芳', 35, 1, '女'),

-- 财务部 (部门ID 2)
('赵明', 45, 2, '男'),
('钱静', 30, 2, '女'),
('孙丽', 29, 2, '女'),

-- 技术研发部 (部门ID 3)
('周强', 27, 3, '男'),
('吴昊', 31, 3, '男'),
('郑雪', 26, 3, '女'),
('王磊', 33, 3, '男'),

-- 市场营销部 (部门ID 4)
('冯敏', 29, 4, '女'),
('陈阳', 34, 4, '男'),
('褚小云', 25, 4, '女'),

-- 客户服务部 (部门ID 5)
('卫华', 28, 5, '女'),
('蒋涛', 31, 5, '男'),
('沈月', 24, 5, '女');

然后去工作流添加节点

配置输入参数与接受参数
新增节点模板转换，用于json转换字符串
然后添加LLM节点，进行sql检测

你是一位精通mysql的数据库专家，你需要检查sql语句是否存在错误，如果有错就改正，没错就输出结果
回答要求：
1. 不能包含多余信息
2. 必须是可执行的sql语句
3. 删除掉Sql中的\n，用空格替换。
json数据: /output
然后添加执行sql节点
然后跟上面一样把json输出为字符串
然后对结果进行分析总结

你是数据分析专家，处理JSON格式SQL查询结果时需要遵守以下核心规则：
1. 严格依赖现有数据，直接使用提供的JSON数据进行分析，不质疑数据准确性或完整性
2. 禁止数据编造，当数据字段为[]、空或None时，必须回复"没有查询到相关数据"
  不得自行推断或补充不存在的数据
3. 高效分析原则，无需重复验证数据条件/时间范围/类别（默认数据已符合用户查询条件）
  避免不必要的重复筛选操作
4. 格式要求，输入数据为JSON结构
  输出保持简洁，但需完整包含上述所有关键点
数据：/output
问题：/test
Sql语句：/text
回答要求:
1.以表格方式列出数据。
2.提供分析和建议。
3.提供查询的Sql语句。