Documentation intelligente : création efficace de documents d'appel d'offres avec Dify Chatflow

Lecture et écriture de bases de données interactives en langage naturel

Vers la fin de l'année, la saison des appels d'offres est à nouveau à nos portes, et la préparation de documents volumineux tels que les dossiers d'appel d'offres est souvent un casse-tête.

Il faut non seulement s'assurer que le contenu est exact et professionnel, mais aussi mettre en évidence les points forts de l'entreprise, en testant à la fois les connaissances professionnelles et les compétences en matière de rédaction. Même si les deux doivent consacrer beaucoup de temps et d'énergie à la rédaction mot à mot, la charge de travail est énorme et la difficulté est assez élevée.

Et donc, celle-ci, basée sur la Dify Le flux de travail intelligent de préparation des documents du cadre est devenu une solution efficace, dont le cœur est l'utilisation de Dify-Chatflow pour réaliser des opérations de lecture/écriture de base de données en langage naturel, qui peuvent automatiquement lire le document original, modifier ou écrire un nouveau contenu en fonction des besoins de l'utilisateur, et en même temps, générer automatiquement une vue d'ensemble du document et distiller les points clés, puis finalement terminer la conservation.

Ce flux de travail utilise le modèle d'orchestration de flux de travail Chat Assistant de dify, également appelé Chatflow.

Chatflow VS Workflow

Scénarios d'application du Chatflow :

Orienté vers des scénarios de type dialogue, y compris le service à la clientèle, la recherche sémantique et d'autres applications conversationnelles qui nécessitent une logique à plusieurs étapes dans la construction des réponses. Ce type d'application se distingue par la prise en charge de plusieurs cycles d'interactions de dialogue afin d'ajuster les résultats générés.

Voies d'interaction courantes : donner des instructions → générer du contenu → discussions multiples sur le contenu → re-générer le résultat → fin

Scénarios d'application du flux de travail :

Orienté vers l'automatisation et les scénarios de traitement par lots, il convient à des applications telles que la traduction de haute qualité, l'analyse de données, la génération de contenu, l'automatisation du courrier électronique, etc. Ce type d'application ne permet pas de multiplier les cycles d'interaction avec les résultats générés.

Voies d'interaction courantes : donner une commande → générer un contenu → terminer

Documentation intelligente Logique de mise en œuvre du Chatflow

Étape 1

Nous divisons les documents volumineux en plusieurs blocs de texte. Par exemple, le contenu commun d'un document d'appel d'offres : profil de l'entreprise, mesures d'assurance qualité, capacités de développement technique, garantie de service après-vente, etc. est divisé en blocs de texte distincts.

Étape 2

Stocker ces blocs de texte dans une base de données. La principale raison de choisir le stockage dans une base de données plutôt que dans des fichiers locaux est que les bases de données sont faciles à partager et que la structuration du contenu du document facilite le post-traitement et la réponse à divers scénarios de demande. Notre tableau de données comprend des champs tels que l'ID, le titre, la catégorie, l'aperçu, les points clés, le contenu et l'heure d'enregistrement, l'aperçu et les points clés étant automatiquement générés par le grand modèle sur la base du contenu modifié. La vue d'ensemble fournit un résumé de haut niveau du contenu, tandis que les points clés sont des résumés détaillés, qui peuvent être facilement utilisés pour la production ultérieure de PPT, etc.

Étape 3

Avec l'application de construction Chatflow de Dify, les utilisateurs peuvent accomplir deux tâches par le biais d'une interaction en langage naturel : l'une consiste à modifier et à améliorer des blocs de documents existants, et l'autre à rédiger un tout nouveau contenu. Une fois la tâche accomplie, le contenu modifié et le nouveau contenu sont automatiquement soumis à la base de données pour être mis à jour et sauvegardés en langage naturel.

Comme l'ensemble du nœud Chatflow est complexe et nombreux, je vais donner un bref aperçu de l'ensemble.

Tâche 1 : Modifier et améliorer les blocs de documentation existants

1. Branche de recherche de documents :

• L'utilisateur lance la requête en saisissant un identifiant de bloc de texte (par exemple, numéro de puits + numéro).
• La branche d'interrogation récupère le bloc de documents correspondant dans la base de données, extrait et affiche l'identifiant, le titre et le contenu.
• Les résultats de la requête sont traités par le nœud d'exécution du code et déterminent s'il existe un bloc de documents valide.

1. Branche de modification du document :

• Une fois que l'utilisateur a introduit une demande de modification, le système détermine s'il faut développer ou modifier le bloc de documents en fonction du contenu.
• Dans la branche "modifier", le grand modèle modifie le document interrogé en fonction des exigences de l'utilisateur, et le contenu modifié est édité sous forme de bloc de code pour faciliter la copie.
• L'utilisateur confirme le contenu modifié ; s'il est satisfait, il peut entamer le processus d'enregistrement ; s'il n'est pas satisfait, il continue à modifier.
• Une fois que l'utilisateur a confirmé l'enregistrement des modifications, le système enregistre le texte modifié dans la base de données et affiche une vue d'ensemble et les points clés des modifications.

Tâche II : Préparation d'un contenu entièrement nouveau

1. Réinitialisation de la tâche : si l'utilisateur choisit de réinitialiser la tâche, le système efface le statut des documents précédemment interrogés afin de préparer la rédaction d'un nouveau contenu.
2. Composer une nouvelle branche de contenu : l'utilisateur saisit un nouveau bloc de texte et le système le compose en fonction de la nouvelle tâche, en générant des titres et du contenu.
3. Nouvelle branche de conseils sur les titres de contenu : propose aux utilisateurs de nouvelles suggestions de titres pour les aider à mieux organiser et éditer leur contenu.
4. Confirmation de la branche de sauvegarde : l'utilisateur confirme le nouveau contenu écrit et entre finalement dans le processus de sauvegarde.
5. Submit save branch : le nouveau contenu est enregistré dans la base de données et un résumé et les points clés sont édités.

Description des fonctions et des nœuds clés

1. Nœud de classification : classe les données de l'utilisateur et identifie les besoins d'interrogation, de modification et d'enregistrement.
2. Nœuds de dérivation conditionnels : déterminent la direction du flux de travail en fonction de différentes situations (par exemple, si le contenu est vide ou non).
3. Nœud d'exécution du code : exécute les requêtes de la base de données, le traitement du texte et d'autres opérations.
4. Nœud de grand modèle : responsable de la génération ou de la modification du texte afin de fournir un résultat conforme aux exigences de l'utilisateur.
5. Nœud de réponse directe : affiche le résultat ou invite l'utilisateur à agir.
6. Nœud d'affectation des variables : gère les variables dans la session afin de garantir la fluidité de la logique du processus.

Le processus global et les nœuds fonctionnels clés des tâches 1 et 2 sont présentés ci-dessus. Grâce à une conception claire, le système peut répondre de manière flexible aux besoins des utilisateurs et garantir la fluidité de la recherche, de la modification et de la création des documents.