探索高效工作流的秘密：GLM-4.7 与 Dify 平台深度集成实践

嗨，我是************Lethehong************！座右铭：他强任他强，清风拂山岗。感谢您的关注与支持！

目录

[引言：如何利用蓝耘 MaaS 平台构建高效 AI 工作流](#引言：如何利用蓝耘 MaaS 平台构建高效 AI 工作流)

[核心工具：蓝耘 MaaS 平台的优势解析](#核心工具：蓝耘 MaaS 平台的优势解析)

[蓝耘 MaaS 平台：高性能 LLM 的可靠承载底座](#蓝耘 MaaS 平台：高性能 LLM 的可靠承载底座)

工作流搭建：从配置到集成

目标与预期成果：打造智能化工作流

准备工作：工具与配置详细说明

[选择 GLM-4.7 模型：模型配置与接入](#选择 GLM-4.7 模型：模型配置与接入)

完整工作流搭建步骤

步骤一：输入变量配置

[步骤二：GLM-4.7 模型配置](#步骤二：GLM-4.7 模型配置)

步骤三：图像生成配置

步骤四：音频转换功能

工作流优势与注意事项

工作流优势：

注意事项：

总结：构建智能工作流的未来前景

---

引言：如何利用蓝耘 MaaS 平台构建高效 AI 工作流

随着 AI 技术的迅速发展，如何让企业的数字化流程更高效、更智能，成为了许多技术团队的关键问题。今天，我们将以蓝耘 MaaS 平台为基础，展示如何构建高性能 LLM 模型工作流，实现一站式的智能化服务。通过本文，你将了解如何利用 GLM-4.7 模型，配置并定制一套完整的工作流，帮助你在 AI 应用中实现快速部署与优化。

核心工具：蓝耘 MaaS 平台的优势解析

蓝耘 MaaS 平台：高性能 LLM 的可靠承载底座

蓝耘 MaaS 平台以其卓越的性能和高可定制性，提供了支持大规模语言模型（LLM）的基础架构。平台中的 GLM-4.7 模型，因其强大的中文处理能力和 4096 字的上下文长度，成为了在国内进行大规模 AI 应用的首选工具。

工作流搭建：从配置到集成

目标与预期成果：打造智能化工作流

在本文中，我们将完成以下几个目标：

1. 配置并接入 GLM-4.7 模型；
2. 利用 Dify 平台进行工作流设计，并在此基础上实现精准的占卜解读功能；
3. 集成文本生成、图像生成及音频处理等功能，打造一个多功能的 AI 应用工作流。

以下是工作流的一些成果展示：

这里展示了通过 GLM-4.7 模型与 Dify 平台实现的工作流成果，包括自动化占卜解读、智能化图像生成及音频转化等多种功能集成。通过此工作流，用户可以得到更为丰富且定制化的服务体验。

准备工作：工具与配置详细说明

选择 GLM-4.7 模型：模型配置与接入

为什么选择 GLM-4.7：

GLM-4.7 模型具备以下特点：

• 强大的中文处理能力；
• 4096 字的上下文长度，适应复杂对话和长文本生成。

配置步骤：

1. 登录 Dify 平台，进入右上角的用户头像菜单，选择 "设置" 进入配置页面；
2. 在设置页面中，找到 "模型提供商" 设置选项，选择 OpenAI-API-compatible，然后点击保存以完成设置；

1. 登录 蓝耘 MaaS 平台，进入 " API Key 管理" 页面，复制您已生成的有效 API Key；

1. 返回 Dify 的模型配置页面，点击 "编辑模型凭据" 按钮，按照以下字段填写参数：

1. 1. 凭据名称：输入自定义名称，例如 "GLM-4.7" 以便识别；
   2. 显示名称：设置为 "GLM-4.7"；
   3. API Key：粘贴在蓝耘 MaaS 平台复制的 API Key；
   4. API 地址 ：https://maas-api.lanyun.net/v1（蓝耘 MaaS 平台固定接口地址）；
   5. 对话类型 ：选择 "对话" 类型；
   6. 上下文长度与最大 token 限制 ：设置为 4096，以与模型的最大支持长度匹配；

通过这些步骤，你将成功将 GLM-4.7 模型配置到 Dify 平台中，准备好进行进一步的工作流设计。

完整工作流搭建步骤

步骤一：输入变量配置

**目的：**通过用户输入的变量，确保工作流能够接收到正确的上下文信息。

操作步骤：

1. 进入 Dify 工作流编辑页面，选中 "开始" 节点；
2. 在输入设置中，添加三项核心问题供用户填写：

1. 1. 变量 1：user_question（用户问题）
   2. 变量 2：specific_context（背景信息）
   3. 变量 3：three_numbers（三个数字）

1. 标记两项变量为 "必填"，确保用户提交数据时无遗漏。

示意图说明

在这个步骤中，用户需要填写三个变量，确保模型能够根据具体问题和背景信息生成定制化的响应。通过这种方式，我们可以进一步提高模型的准确度和交互质量。

步骤二：GLM-4.7 模型配置

目的：通过 GLM-4.7 模型，利用精准提示词进行占卜解读。

具体操作

编写精准提示词（核心配置）：

```xml
<instruction>
你是一个精通易经的大师。请根据用户提供的占卜信息，进行专业的易经卦象解读。

输入变量说明：
- 
: 用户想要询问的具体问题或情况（字符串）

- 
: 用户提供的相关背景信息或细节（字符串）

- 
: 用户提供的三个随机数字，用于起卦（例如：7, 9, 5）。请确保这是三个用逗号分隔的整数。


处理步骤：
1. 首先，使用提供的三个数字 
进行梅花易数起卦。第一个数字取上卦，第二个数字取下卦，第三个数字取动爻。计算方法是：数字除以8的余数对应八卦（1乾、2兑、3离、4震、5巽、6坎、7艮、8坤），数字除以6的余数对应动爻位置（余数0为6爻）。

2. 根据计算出的上卦、下卦和动爻，确定本卦、互卦和变卦。
3. 结合用户的问题 
 和背景信息 {，对卦象进行详细解读。

4. 解读应包括：本卦的含义、变卦的含义、动爻的爻辞解析，以及这些如何与用户的问题和情境相关联。
5. 最后，基于卦象给出具体的建议或启示。
6. 整个回应应使用流畅、连贯的中文散文体，避免使用项目符号或编号列表。确保回复专业、富有洞察力，并且易于理解。
7. 注意：输出中不应包含任何XML标签。

示例：
<example>
<input>
<user_question>我最近的职业发展如何？</user_question>
<specific_context>我在当前公司工作了三年，感觉遇到了瓶颈，正在考虑是否寻求新的机会。</specific_context>
<three_numbers>7, 9, 5</three_numbers>
</input>
<output>
根据您提供的数字7、9、5起卦。上卦为艮（山），下卦为乾（天），得本卦为山天大畜。动爻在第五爻，变卦为风天小畜。

山天大畜卦，象征着深厚的蓄积和暂停。艮山在上，止而不动；乾天在下，刚健不息。这正对应了您所描述的"瓶颈期"------并非退步，而是能量和经验的积累阶段，需要暂停脚步，厚积薄发。

动爻在第五爻，爻辞曰："豮豕之牙，吉。"意思是阉割过的公猪，其獠牙虽在，却已去除凶性，变为祥和。这表明您目前虽有才能与潜力（獠牙），但需要收敛锋芒，以柔克刚，避免因过于刚强急切而引发不必要的冲突。变卦为风天小畜，风行天上，预示着微小的收获和逐步的进展，而非剧烈的变动。

综合来看，卦象建议您不必急于寻求外部的巨大改变。当前的重点应是内在的提升和调整，利用这段"停滞期"深入学习、巩固关系、完善计划。您强大的内在能量（乾）需要配合外在的审慎与耐心（艮），待时机成熟，自能如风助火，有所小成。
</output>
</example>
</instruction>
```

示意图说明

在这一环节，模型会根据用户提供的数字和背景信息进行占卜解读，最终给出深刻的分析和建议。通过配置精准的提示词，模型能够生成更符合用户需求的内容。

步骤三：图像生成配置

**目的：**将文字内容转化为图像，增强交互性。

操作步骤： 配置图像生成 API，集成后即可将用户输入的文本转换成相关图像。

**注意：**到这里节点，在未添加模型的情况下，会给你一个modelscope的api地址点击跳转即可，然后在下图中创建访问令牌，将api复制到节点中即可。

示意图说明

图像生成功能是提升用户体验的关键一步。通过将文字转化为图像，能够为用户提供更直观、生动的反馈，增加互动感。

步骤四：音频转换功能

目的：为工作流添加音频处理功能，允许用户生成音频内容。

这里不展示细节，给大家给到相对应的参数，以下 Python 函数实现音频文件的转换：

def parse_audio_array_to_html(audio_array):
    """
    解析音频文件数组并返回HTML音频标签
    """
    try:
        # 检查是否是数组格式
        if isinstance(audio_array, list) and len(audio_array) > 0:
            audio_file = audio_array[0]
            
            # 提取URL和文件名
            url = audio_file.get('url', '')
            filename = audio_file.get('filename', '')
            
            # 生成HTML音频标签
            audio_html = f"<audio controls><source src='{url}' type='audio/x-wav'>{filename}</audio>"
            
            return audio_html
        else:
            return "No audio files found in array"
            
    except Exception as e:
        return f"处理错误: {e}"

def main(arg1:str) -> dict:
    markdown_result = parse_audio_array_to_html(arg1)
    # 解析并输出结果
    return {"result": markdown_result}

工作流优势与注意事项

工作流优势：

• 高度自定义：能够根据不同的用户需求快速配置和修改；
• 多模态整合：不仅支持文本生成，还支持图像与音频的生成，提供完整的多媒体服务；
• 易于集成：与其他工具和平台的兼容性强，便于企业快速部署。

注意事项：

• 配置时，确保 API Key 和接口地址正确，避免因配置问题导致接口调用失败；
• 在部署过程中，测试数据应覆盖各类用户输入，确保工作流稳定性；
• 优化提示词时，注意将上下文信息和用户需求准确传达给模型，以获得更为精准的输出。

总结：构建智能工作流的未来前景

通过蓝耘 MaaS 平台的支持，我们不仅实现了一个基于 GLM-4.7 模型的高效工作流，还集成了图像和音频生成等多种功能，为用户提供了更加全面的智能化体验。无论是面向企业级应用，还是个人开发者，本方案都为实现 AI 驱动的创新应用提供了强有力的技术支持。希望本文能为你的 AI 项目提供一些启示和帮助。