개인 데이터 시각화 및 분석 인텔리전스를 구축하는 Dify

인공 지능 기술은 계속 발전하고 있으며, 채팅 앱은 날이 갈수록 더욱 풍부한 기능을 탑재하고 있습니다. 최근 Dify 플랫폼은 주목할 만한 업데이트를 출시했는데, 새로 출시된 채팅 애플리케이션은 대화에서 데이터 시각 분석을 직접 구현하여 사용자에게 보다 직관적이고 효율적인 커뮤니케이션 경험을 제공할 수 있습니다. 기사 제목에는 이 기능이 "ChatGPT만큼 효과적"이라고 언급되어 있지만, 기술 시연과 기능 탐색에 더 중점을 둔 실제 애플리케이션에는 여전히 간극이 있습니다. 이 기사에는 원리에 대한 설명이 부족하며, 다음 내용을 읽어보시기 바랍니다. 워크플로우와 AI 지능형 어시스턴트가 엔터프라이즈 데이터 도입 모델을 재창조합니다. .

ChatGPT의 데이터 시각화 솔루션

데이터 시각화 측면에서는 ChatGPT와 같은 일부 주요 AI 제품이 활발히 연구되고 있습니다. ChatGPT의 데이터 시각화 솔루션은 사용자 명령을 파이썬 코드로 변환하여 백그라운드에서 실행한 후 포그라운드에 표시하는 것으로 알려졌습니다. 그러나 ChatGPT에서 생성된 파이 차트는 중국어 디스플레이에서 호환성 문제가 있습니다.

로우코드 플랫폼을 위한 데이터 시각화 솔루션 Dify

Dify 이 플랫폼은 로우코드 특성을 활용하여 사용자가 복잡한 코드를 작성하지 않고도 데이터 시각화 기능을 갖춘 채팅 애플리케이션을 빠르게 구축할 수 있는 색다른 접근 방식을 취합니다.

를 기준으로 ChatGPT Dify 플랫폼은 이전에 사용한 Pandas 코드 명령을 조정하여 파이차트 코드를 직접 생성하고 백그라운드 샌드박스 환경에서 실행하고 생성된 이미지 또는 HTML 파일을 가져오는 간단한 솔루션을 제공합니다. 이는 비교적 간단한 방법입니다.

하지만 이 백서에서는 로우코드 지능형 바디 디자인 플랫폼인 Dify를 중심으로 데이터를 시각화하는 것이 얼마나 쉬운지 보여드리기 위해 기존 워크플로 디자인을 최적화하여 Dify의 내장 도구를 최대한 활용할 수 있도록 할 것입니다.

Dify 플랫폼에는 원형 차트, 막대 차트, 선 그래프 및 기타 차트 유형을 지원하는 차트 생성 도구가 내장되어 있습니다. 사용자는 이 세 가지 차트 도구의 매개변수 요구 사항을 직관적으로 이해할 수 있으며, 모두 동일한 형식의 문자열 형식으로 되어 있습니다.

워크플로 최적화: 데이터 형식 변환

워크플로우의 출력을 Dify 차트 도구의 매개변수 요구사항과 일치시키려면 워크플로우를 최적화해야 합니다.

다음 JSON 데이터는 이전 튜토리얼의 워크플로우 출력의 예이며, Dify 차트 도구에서 직접 사용할 수 없는 형식입니다.

{"status": "success", "data_result": {"学校": 2, "互联网": 1, "物流": 1, "硬件": 1, "教育机构": 1, "传统零售": 1, "传统媒体": 1, "制造业": 1}}

여기서는 데이터 형식 변환에 Python 코드를 사용하기로 선택했으며, 이를 위해서는 워크플로에 코드 실행 노드를 추가하고 적절한 Python 코드로 채워야 합니다.

이 Python 코드는 요구 사항을 명확하게 설명하기만 하면 Dify 플랫폼에 내장된 코드 생성기인 빅 언어 모델을 사용하여 생성할 수 있습니다. 다음은 코드를 생성하는 데 사용되는 프롬프트의 예입니다.

{"status": "success", "data_result": {"学校": 2, "互联网": 1, "物流": 1, "硬件": 1, "教育机构": 1, "传统零售": 1, "传统媒体": 1, "制造业": 1}} 边写一段Pytho函数代码，，接受json输入，将data_result的所有key值拼接为一个字符串，每个key之间用 ";" 分隔，赋值到变量exl_ key,将data_result的所有value值拼接为一个字符串，每个value之间用 ";" 分隔，赋值到变量exl_value,将exl_key exl_value返回

Dify 코드 생성기에서 직접 생성된 코드에는 몇 가지 사소한 문제가 있습니다. 예를 들어 반환 결과에는 변수가 하나만 포함되지만 Dify 원형 차트 도구에는 두 개의 변수가 필요합니다. 따라서 생성된 코드를 수정해야 합니다. return 문은 딕셔너리(딕셔너리) 타입의 결과를 반환합니다.

import json
def main(data: dict) -> dict:
data = json.loads(data)
exl_key = ";".join(data["data_result"].keys())
exl_value = ";".join(map(str, data["data_result"].values()))
return {'exl_key': exl_key, 'exl_value': exl_value}

대형 모델에서 생성된 데이터 형식이 예상과 일치하지 않는 경우 위 코드에 잠재적인 문제가 있을 수 있습니다. {key: value, key: value} 구조를 사용하면 코드 실행 시 오류가 보고됩니다. 이 문제는 다음 글에서 살펴볼 예정이며, 이 글에서는 먼저 기능 구현에 중점을 둡니다.

또한 코드 실행 노드가 수신하는 입력 변수의 형식도 오류가 발생하기 쉽습니다. 기본 입력은 문자열이며, 이 경우 json 라이브러리를 사용하여 강제 유형 변환을 수행하세요. 그렇지 않으면 다음 오류가 발생합니다.

워크플로 운영 및 결과 프레젠테이션

이제 워크플로우를 전체적으로 실행하여 최종 결과를 확인할 수 있습니다.

이 시점에서 사용자의 데이터 분석 요구 사항에 따라 원형 차트 결과를 생성하도록 워크플로우가 성공적으로 구성되었습니다.

워크플로 확장: 여러 차트 유형 지원

그러나 사용자가 막대 차트나 선 그래프를 생성해야 하는 경우 현재 워크플로우를 확장해야 합니다.

최적화 아이디어는 첫째, 빅 모델이 사용자 명령에서 파이 차트 또는 막대 차트와 같은 차트 시각화의 필요성을 식별할 수 있도록 '매개변수 추출' 노드를 추가해야 한다는 것입니다. 둘째, 데이터 처리 노드와 파이 차트 시각화 노드 사이에 '조건부 분기' 노드를 추가하여 매개변수 추출 결과에 따라 다른 분기 경로를 선택할 수 있도록 해야 합니다. 최종 워크플로우 설계는 아래 그림과 같습니다.

아래에서는 매개변수 추출기를 구성하는 방법을 자세히 설명합니다. 구성 인터페이스에서 볼 수 있듯이 다음 세 가지 주요 측면이 포함되어 있습니다:

1. 입력 변수: 대형 모델이 사용자 명령 텍스트에서 매개 변수를 추출하도록 지정합니다.
2. 추출 매개변수: 추출할 매개변수, 즉 사용자 명령에 차트 유형 정보가 포함되어 있는지 여부를 정의합니다. 관련 정보가 추출되면 새 변수에 할당됩니다. exl_type.
3. 지시어:: 파라미터 추출기가 대형 모델에 보내는 큐 단어입니다. 대규모 모델의 경우 파라미터 추출 작업은 비교적 간단합니다.

이러한 방식으로 후속 '조건부 분기' 노드는 추출된 매개변수를 기반으로 더 큰 모델에 의해 모델링됩니다. exl_type "조건부 분기" 노드는 복잡해 보이지만 원리는 간단합니다. "조건부 분기" 노드는 복잡해 보이지만 원리는 간단합니다. 큰 모델에서 출력되는 차트 유형에 따라 해당 분기를 선택하여 해당 차트를 생성하는 것입니다.

다음으로 전체 워크플로우가 어떻게 작동하는지 보여드립니다. 결과는 좋은 결과를 보여 주며 워크플로우가 빅모델 채팅 애플리케이션에 적용될 수 있음을 나타냅니다.

워크플로를 Dify 툴로 게시하고 상담원 애플리케이션에 통합하기

이 워크플로를 Dify에 통합하려면 먼저 Dify의 기본 제공 도구로 게시해야 합니다. 워크플로 인터페이스에서 오른쪽 상단에 있는 게시 버튼을 클릭하고 도구로 게시를 선택합니다.

참고: 이 단계는 매우 중요한 단계입니다. 일반적으로 도구로 게시된 워크플로에는 매개변수 형식이 다음과 같이 설정되어 있어야 합니다. text-input 유형을 추가합니다. 그래야만 Dify 에이전트 애플리케이션에서 빅 모델이 함수 호출을 통해 툴을 올바르게 호출할 수 있습니다. 그렇지 않으면 빅 모델이 툴을 무시합니다. 따라서 아래와 같이 워크플로우의 입력 변수를 조정하는 것이 중요합니다. text-input 를 입력한 후 도구로 게시하세요.

위의 단계를 완료하면 데이터 분석 워크플로우를 함수 호출로 Dify에 통합할 수 있습니다. 다음으로, Dify에서 에이전트 애플리케이션을 생성합니다. 에이전트 애플리케이션에 익숙하지 않으시다면 먼저 단계를 따라 해보시고, 그 원리와 적용 방법을 단계별로 이해해 보시기 바랍니다. 그 후 Dify에서 다양한 유형의 애플리케이션 간의 차이점을 비교하는 글을 작성하겠습니다.

그런 다음 게시된 도구를 에이전트 애플리케이션에 추가하기만 하면 됩니다. 이 시점에서 구성이 완료됩니다. 직접 미리 보고 디버그하여 최종 결과를 확인하세요.

위의 단계를 통해 Dify 플랫폼은 채팅 애플리케이션과 데이터 시각화 기능을 성공적으로 통합하여 사용자에게 완전히 새로운 대화형 경험을 제공합니다. Dify의 로우코드 기능을 통해 사용자는 심층적인 코딩 없이도 강력하고 지능적인 애플리케이션을 빠르게 구축하고 AI 기술의 편리함을 누릴 수 있습니다.