Os fluxos de trabalho da Dify e os assistentes inteligentes de IA reinventam o modelo de adoção de dados corporativos

Com a onda de digitalização que varre o mundo atualmente, os dados se tornaram o principal ativo das empresas. Como extrair rapidamente informações valiosas de dados comerciais maciços e apresentá-las de forma intuitiva e fácil de entender é a chave para que as empresas se destaquem na acirrada concorrência do mercado. Ao mesmo tempo, um mecanismo eficiente de transferência de informações é como as veias nervosas de uma empresa, garantindo que as instruções e os dados cheguem a todas as "células" de maneira oportuna e precisa.

No passado, as formas tradicionais de acessar e apresentar dados eram inconvenientes, ineficientes e caras. Agora, com o rápido desenvolvimento da tecnologia, surgiram o fluxo de trabalho da Dify, os assistentes inteligentes e outras soluções inovadoras que integram a tecnologia de IA. Essas soluções transformadoras revolucionam o modelo tradicional, permitindo que os usuários acessem rapidamente os dados de que precisam simplesmente descrevendo seus requisitos a um assistente inteligente. Em vez de passar pelo complexo processo de desenvolvimento de relatórios de dados, os desenvolvedores de dados podem simplesmente usar o Dify O fluxo de trabalho da Dify é como instalar um poderoso mecanismo digital para a empresa, o que melhora muito a eficiência operacional e injeta um forte impulso para a transformação digital da empresa. Neste artigo, usaremos o sistema de gerenciamento de projetos como exemplo para mostrar a aplicação desse novo método na aquisição e apresentação de dados.

1. desafios enfrentados pelos aplicativos de dados corporativos

As equipes de negócios e de dados geralmente enfrentam seus próprios pontos problemáticos durante as operações de dados, e há problemas urgentes no nível do sistema que precisam ser resolvidos.

Pontos problemáticos para as equipes de negócios: Quando se trata de insight de dados, as equipes de negócios precisam passar por uma série de links para transmitir seus requisitos antes de poderem ver os dados e as conclusões finais, o que resulta em longos tempos de espera e em um impacto significativo na eficiência da tomada de decisões. Muitas pessoas da área de negócios não estão familiarizadas com ferramentas de processamento de dados, como o Excel, ou precisam exportar dados de um sistema para analisá-los, por isso precisam entregar a coleta e o desenvolvimento de dados a equipes de TI especializadas. No entanto, a capacidade de resposta da equipe de TI muitas vezes não consegue atender às necessidades da empresa, que mudam rapidamente. Tarefas que podem ser concluídas em minutos usando o Excel podem levar dias para serem entregues pela equipe de TI, limitando seriamente a flexibilidade e a capacidade de resposta da empresa.

Pontos problemáticos para as equipes de dados: As equipes de dados geralmente precisam investir muito tempo e esforço no desenvolvimento de um grande número de relatórios para atender às diversas necessidades de dados das unidades de negócios e da liderança. Para atender a apenas alguns minutos de consultas de dados da empresa e da liderança, a equipe de dados pode precisar gastar uma semana ou até mais para concluir uma série de trabalhos, como limpeza de dados, desenvolvimento e implementação de relatórios. Esse padrão de trabalho ineficiente não apenas consome muita energia da equipe de dados, mas também dificulta o aproveitamento real do valor dos dados.

Pontos problemáticos da integração de sistemas: Quando as pessoas de negócios precisam obter dados de várias fontes de dados para análise, geralmente precisam fazer login em vários sistemas de negócios diferentes, o que é complicado e ineficiente. Além disso, alguns sistemas não são compatíveis com a interface móvel, o que impossibilita que os usuários acessem os dados a qualquer hora e em qualquer lugar, limitando ainda mais os cenários de aplicação e a conveniência dos dados.

Diante de todos esses pontos problemáticos, as empresas precisam urgentemente de uma abordagem de análise de dados mais inteligente e eficiente para aprimorar a aplicação de dados e potencializar o desenvolvimento dos negócios. A análise inteligente surgiu para solucionar essas deficiências do modelo tradicional de aplicação de dados.

2. comparação de várias rotas tecnológicas: NLP2SQL vs. NLP2API vs. NLP2Python

A análise inteligente pode ser implementada de várias maneiras, cada uma com suas próprias vantagens e desvantagens. Atualmente, as principais rotas tecnológicas do setor incluem principalmente NLP2SQL, NLP2API e NLP2Python.

2.1 NLP2SQL

A função principal do NLP2SQL é a extração de dados. Essa solução técnica utiliza um Modelo de Linguagem Grande (LLM) para permitir que o modelo compreenda a linguagem natural e gere instruções de consulta SQL correspondentes por meio do ajuste fino ou do uso de conjuntos de dados de treinamento SQL. No estágio de geração de SQL, o NLP2SQL ainda enfrenta desafios de precisão. Especialmente ao lidar com consultas complexas, como as que exigem correlação de várias tabelas, para melhorar a precisão da geração de SQL, o desenvolvedor deve fornecer ao modelo informações detalhadas sobre a estrutura das tabelas de dados e descrições de campos. Além disso, a estabilidade dos modelos de grande escala na determinação de relacionamentos entre tabelas é relativamente insuficiente, o que facilita a avaliação errônea ou a geração de instruções SQL erradas em ambientes de dados complexos.

2.2 NLP2API

A ideia central da abordagem NLP2API é encapsular semanticamente os dados e fornecer uma interface de API para o mundo externo. Essa abordagem é essencialmente semelhante ao preenchimento de espaços em branco. O desenvolvedor define a interface e os parâmetros da API com antecedência (equivalente aos espaços em branco de uma pergunta de preenchimento de lacunas) e, quando o usuário apresenta os requisitos de consulta de dados, o modelo em grande escala é responsável por entender a intenção do usuário, extrair os principais parâmetros e preenchê-los nos parâmetros predefinidos da API. A vantagem do NLP2API em relação ao NLP2SQL é que ele é mais estável; a interface da API encapsula a lógica complexa subjacente, e o modelo de larga escala só precisa se concentrar na compreensão da intenção do usuário e na extração de parâmetros, o que reduz a possibilidade de erros.

2.3 NLP2Python

A solução NLP2Python aproveita ao máximo a flexibilidade e o ecossistema avançado da linguagem Python. Os desenvolvedores podem usar o código Python para lidar de forma flexível com uma ampla gama de tarefas de análise e processamento de dados, rompendo as limitações das instruções SQL em determinados cenários. Por exemplo, o código Python pode ser usado para implementar modelos preditivos e de atribuição algorítmicos mais sofisticados e para combinar esses modelos com recursos de interação de linguagem natural. No entanto, as soluções NLP2Python também enfrentam desafios de estabilidade, especialmente quando erros no código Python gerador de modelos podem fazer com que o sistema opere de forma anormal. No entanto, com o aprimoramento contínuo da capacidade de geração de código de modelo em grande escala e o avanço das técnicas de teste e verificação de código, também vale a pena esperar o potencial e a perspectiva de aplicação do esquema NLP2Python.

2.4 Opções tecnológicas

Levando em conta as vantagens e desvantagens de várias rotas técnicas, especialmente em termos de estabilidade e precisão, a prática finalmente escolheu a solução NLP2API, que pode atender melhor às necessidades da empresa em termos de consulta e análise de dados sob a premissa de garantir a estabilidade do sistema.

Solução 3NLP2API na prática: fluxo de trabalho e assistente inteligente da Dify

3.1 Definir conceitos e funções de fluxo de trabalho

O Dify Workflow é uma ferramenta inovadora voltada para o desenvolvimento com pouco código. Ele adota uma interface visual simples e intuitiva, permitindo que os usuários criem rapidamente processos de negócios complexos arrastando, soltando e configurando, sem escrever uma grande quantidade de código para obter uma automação eficiente do fluxo de trabalho. Esse recurso do fluxo de trabalho da Dify reduz bastante o limiar da tecnologia, de modo que os empresários e os desenvolvedores não profissionais possam participar facilmente do design e da construção do fluxo de trabalho, quebrando as barreiras de comunicação entre os desenvolvedores e os empresários sob o modelo de desenvolvimento tradicional e alcançando a democratização técnica. Esse recurso do fluxo de trabalho da Dify reduz bastante a barreira técnica, de modo que as pessoas de negócios e os desenvolvedores não profissionais possam participar facilmente do projeto e da construção do fluxo de trabalho, rompendo o modelo de desenvolvimento tradicional das barreiras de comunicação entre desenvolvedores e pessoas de negócios e alcançando a democratização técnica.

Em todo o processo de processamento de dados, o fluxo de trabalho da Dify desempenha uma função central de orquestração. Quando um usuário faz uma solicitação de dados, o fluxo de trabalho da Dify primeiro realiza uma análise semântica profunda da pergunta do usuário e extrai com precisão os principais parâmetros da solicitação do usuário por meio da tecnologia de processamento de linguagem natural (NLP) e do modelo de compreensão semântica integrado. Com base nessas informações de parâmetros, o fluxo de trabalho da Dify pode obter automaticamente dados de uma variedade de fontes de dados predefinidas, incluindo bancos de dados relacionais, sistemas de armazenamento de arquivos e interfaces de programação de aplicativos (APIs) de terceiros.

Depois de adquirir os dados, o fluxo de trabalho da Dify processará e transformará os dados brutos de forma flexível, de acordo com as regras e a lógica de negócios predefinidas, como limpeza de dados, filtragem de dados, formatação, agregação de dados e cálculo de dados, etc. Depois de concluir o pré-processamento de dados, o fluxo de trabalho da Dify passará os dados processados para a sessão de renderização de gráficos. Depois de concluir o pré-processamento de dados, o fluxo de trabalho da Dify passará sem problemas os dados processados para o processo de renderização de gráficos, que pode selecionar de forma inteligente os tipos de gráficos apropriados (por exemplo, gráficos de barras, gráficos de linhas, gráficos de pizza etc.) para apresentação visual de acordo com as características dos dados e a preferência do usuário, tornando os dados mais intuitivos e fáceis de entender.

Por fim, para obter um alcance rápido dos dados e um compartilhamento eficiente, o fluxo de trabalho da Dify também pode ser profundamente integrado aos sistemas de mensagens instantâneas (IM) comumente usados na empresa (por exemplo, WeChat corporativo). O fluxo de trabalho da Dify pode enviar os resultados finais do gráfico na forma de uma mensagem para os usuários, grupos ou departamentos designados, para obter compartilhamento instantâneo e entrega eficiente de dados, de modo a passar o "último quilômetro" da aplicação de dados. "O último quilômetro da aplicação de dados.

3.2 Processamento de parâmetros e avaliação de resultados habilitados para IA

O fluxo de trabalho da Dify faz uso total do poderoso recurso de processamento de linguagem natural dos modelos de IA em larga escala para analisar e entender profundamente as perguntas em linguagem natural feitas pelos usuários, identificar com precisão as demandas reais dos usuários e extrair deles parâmetros eficazes de consulta de dados. Em seguida, o fluxo de trabalho da Dify pode usar esses parâmetros extraídos para automatizar as operações de extração de dados correspondentes para obter os dados de destino de fontes de dados predefinidas (como bancos de dados, sistemas de arquivos ou outros aplicativos).

Por exemplo, quando um usuário pergunta a um assistente inteligente no Enterprise WeChat: "Qual é a quantidade total de bilhetes emitidos nesta semana?" Quando essa pergunta é feita, o fluxo de trabalho da Dify pode analisar a consulta do usuário por meio de um modelo de IA em grande escala para identificar as preocupações do usuário sobre oTipo de indicadoré o "valor total das notas emitidas".dimensão temporalé "this week" (esta semana), que, por sua vez, transforma a consulta de linguagem natural em informações de metadados estruturados:

{
"type": "Total Bills Issued" (tipo),.
"time": "This Week" (Esta semana),
"start_date": "2024-12-16",
"end_date": "2024-12-22"
}

Outro exemplo é se um usuário perguntar "Quero saber o total geral de vendas de telefones celulares este ano". Com essa pergunta, o fluxo de trabalho da Dify pode entender de forma semelhante a intenção do usuário por meio de um modelo de IA e extrair oTipo de indicadorcomo "Total Mobile Phone Sales" (Vendas totais de telefones celulares) e a dimensão de tempo como "Current Year" (Ano atual) e gerar os seguintes metadados estruturados:

{
"type": "Total mobile phone sales" (vendas totais de telefones celulares), "time" (tempo).
"time": "current_year",

"end_date": "2024-12-31"
}

Por meio da abordagem acima, o modelo de IA em grande escala pode transformar a linguagem natural amigável ao usuário em instruções precisas de consulta de dados, o que simplifica muito o processo de aquisição de dados, melhora a eficiência e a precisão da aquisição de dados e estabelece uma base sólida para o trabalho subsequente de processamento e análise de dados.

Os fluxos de trabalho da Dify podem integrar modelos de IA para analisar e avaliar de forma inteligente os resultados dos dados consultados, como a identificação de dados discrepantes, a descoberta de possíveis riscos comerciais e a recomendação de contramedidas profissionais com base nos resultados da análise, fornecendo aos usuários insights de dados mais profundos e suporte a decisões. Isso proporciona aos usuários insights mais profundos sobre os dados e suporte a decisões.

3.3 Renderização de gráficos: ECharts

No campo da visualização de dados, o ECharts é uma poderosa biblioteca de gráficos JavaScript de código aberto que desempenha um papel fundamental na transformação de dados em gráficos intuitivos e bonitos com alta flexibilidade e tipos de gráficos ricos. O ECharts oferece dezenas de tipos de gráficos comuns, como gráficos de linhas, gráficos de barras, gráficos de dispersão, gráficos de pizza, mapas e assim por diante. Se você quiser mostrar a tendência de mudanças nos dados, relações comparativas ou distribuição, poderá encontrar a forma apropriada de apresentação de gráficos no ECharts. Além disso, o ECharts também oferece suporte à personalização detalhada de gráficos, desde cores, fontes, estilos até efeitos interativos, todos os quais podem ser personalizados de acordo com as necessidades dos usuários para atender às necessidades de visualização de diferentes cenários.

3.4 Assistente inteligente: integração do WeChat empresarial

Atualmente, o WeChat corporativo é a plataforma preferida para comunicação e colaboração internas em muitas empresas, e suas ricas funções de aplicativos proporcionam uma vantagem natural para obter um fluxo de dados e uma apresentação visual eficientes. Com base na plataforma WeChat empresarial, é fácil criar um aplicativo de assistente inteligente para desenvolver um conjunto completo de processos de ciclo fechado, desde a aquisição de dados até a apresentação de gráficos.

No plano de fundo de gerenciamento do Enterprise WeChat, os administradores podem usar a função de desenvolvimento de aplicativos fornecida pelo Enterprise WeChat para criar rapidamente aplicativos de assistente inteligente. Esse processo inclui principalmente a configuração das informações básicas do aplicativo, como nome do aplicativo, avatar do aplicativo, perfil do aplicativo etc., para que os funcionários possam identificar claramente e confiar no uso do aplicativo. Ao mesmo tempo, os administradores também precisam configurar o escopo de autoridade do aplicativo de assistente inteligente, limitando claramente os recursos de dados corporativos que o aplicativo pode acessar e as operações que podem ser realizadas para proteger a segurança dos dados da empresa.

4. demonstração dos efeitos do aplicativo

Tomando o cenário de gerenciamento de projetos como exemplo, os administradores de projetos podem usar o Enterprise WeChat Intelligent Assistant para acessar rapidamente os dados do projeto e exibi-los visualmente na forma de tabelas e gráficos por meio da interação de linguagem natural.

Por exemplo, um administrador de projeto pode querer ver as tendências na adição de histórias de usuários do ano anterior simplesmente perguntando ao assistente inteligente algo como: "Look up last year's História O sistema gera automaticamente um gráfico de linhas da tendência das adições de histórias de usuários para perguntas como "Tendência das adições de histórias de usuários".

Como outro exemplo, um administrador de projeto pode querer ver a distribuição da gravidade dos defeitos em um período de tempo específico para avaliar a qualidade do desenvolvimento. Basta fazer a pergunta: "Veja a distribuição da gravidade dos bugs no último trimestre" e o sistema apresentará rapidamente um gráfico de pizza da gravidade dos defeitos.

Por exemplo, um administrador de projeto pode querer ver o planejamento de uma iteração no ano anterior, basta perguntar "Quero saber o planejamento da iteração de agosto do próximo ano" e o sistema gerará um gráfico de Gantt do planejamento da iteração correspondente.

5. valores e pontos fortes do programa

5.1 Ganhos significativos de eficiência

No passado, se um funcionário precisasse obter dados, ele precisaria alternar entre vários sistemas de negócios e fazer login, além de realizar operações manuais complicadas de triagem e exportação de dados, o que tornava todo o processo demorado, trabalhoso e ineficiente. Agora, com a ajuda de assistentes inteligentes, os funcionários só precisam apresentar os requisitos de dados em linguagem natural, e o sistema pode acionar automaticamente o processo de aquisição de dados, processamento de dados e geração de gráficos para obter instantaneamente as informações necessárias. Isso reduz bastante o tempo necessário para a aquisição de dados, permitindo que os funcionários dediquem mais tempo e energia valiosos à análise e à tomada de decisões essenciais ao negócio, em vez de à tediosa coleta e organização de dados. Por exemplo, se um funcionário do departamento de marketing precisar analisar os dados de mercado dos concorrentes, talvez ele precise passar horas coletando e reunindo dados de várias fontes no passado, ao passo que agora, com o assistente inteligente, são necessários apenas alguns minutos para concluir a tarefa, o que melhorou significativamente a eficiência do trabalho.

Além disso, a natureza low-code dos fluxos de trabalho da Dify reduz bastante a quantidade de trabalho necessária para criar um fluxo de trabalho de aquisição de dados. Os empresários não precisam de habilidades profissionais de programação, pois basta arrastar e soltar e a configuração pode concluir a criação do fluxo de trabalho. Além disso, o modo de operação automatizado do fluxo de trabalho reduz a intervenção manual, reduz o risco de erros de dados causados por erros humanos e garante a precisão e a consistência dos dados. Modificações repetidas e retrabalho devido a problemas de dados são evitados, melhorando ainda mais a eficiência geral do trabalho.

5.2 Visualização de dados substancialmente aprimorada

Com bibliotecas de gráficos poderosas, como o ECharts, os fluxos de trabalho da Dify podem transformar dados comerciais complexos em gráficos de visualização intuitivos e vívidos. Por exemplo, o uso de gráficos de linhas pode mostrar claramente a tendência das mudanças de dados ao longo do tempo, e o uso de gráficos de pizza pode apresentar intuitivamente a proporção de cada parte dos dados na situação geral. Em comparação com os dados tabulares tradicionais, os gráficos visuais são mais fáceis de entender e analisar. A equipe da empresa, seja ela da gerência ou da linha de frente, pode captar rapidamente as principais informações dos dados, fornecendo um forte suporte para a tomada de decisões subsequentes.

Além disso, o ECharts Chart Library oferece um alto grau de capacidade de personalização, o que permite um design personalizado de acordo com cenários comerciais específicos e necessidades do usuário. Os usuários podem ajustar com flexibilidade as cores, as fontes, os estilos e os efeitos interativos do gráfico para destacar as principais informações de dados no gráfico e aumentar a relevância e a eficácia da comunicação de dados. Por exemplo, no cenário de análise de demonstrativos financeiros, cores diferentes e rótulos chamativos podem ser usados para destacar a tendência dos principais indicadores financeiros, permitindo que os tomadores de decisões empresariais compreendam as mudanças no status financeiro em um piscar de olhos.

5.3 Forte promoção do trabalho em equipe

O fluxo de trabalho da Dify centraliza todas as interações de dados e apresentações de gráficos na plataforma corporativa unificada WeChat, quebrando as barreiras de dados entre os departamentos no modelo tradicional. Os funcionários de diferentes departamentos podem compartilhar dados e gráficos de visualização em tempo real com base na plataforma unificada, facilitando a colaboração entre departamentos e a comunicação eficiente. Por exemplo, os departamentos de vendas e marketing podem trabalhar juntos para desenvolver estratégias de marketing (coordenadas) com base nos mesmos dados de vendas e gráficos de análise de mercado, melhorando a eficiência e a colaboração geral do marketing.

Além disso, o aplicativo de assistente inteligente torna a transmissão de informações dentro da empresa mais oportuna e precisa. Os funcionários podem acessar os dados comerciais mais recentes a qualquer momento, em qualquer lugar, por meio do WeChat da empresa, evitando atrasos causados por informações atrasadas sobre o trabalho e reduzindo a distorção e o mal-entendido no processo de transferência de informações, aumentando efetivamente a confiança e a colaboração entre os membros da equipe.

5.4 Redução significativa nos custos operacionais

A natureza de baixo código dos fluxos de trabalho da Dify reduz drasticamente a quantidade de trabalho necessária para o desenvolvimento do sistema e permite o uso rápido da tecnologia de IA para capacitar os aplicativos de dados, ajudando assim as organizações a reduzir significativamente seu investimento em custos humanos. As empresas não precisam mais contratar um grande número de processadores de dados profissionais para concluir tarefas complexas de processamento e análise de dados que costumavam exigir a colaboração de muitas pessoas, economizando efetivamente os gastos com recursos humanos.

Ao mesmo tempo, a aplicação do fluxo de trabalho da Dify também pode ajudar as empresas a reduzir a possível perda de custos causada por erros de dados e atrasos no trabalho. Ao melhorar a precisão e a eficiência do processamento de dados, é possível evitar efetivamente o desperdício de recursos e a perda de negócios devido a decisões erradas, além de reduzir o custo de oportunidade devido a atrasos no fluxo de trabalho, criando assim mais benefícios econômicos para a empresa.

6) Perspectiva futura para empresas habilitadas para IA

Com o rápido desenvolvimento e a crescente maturidade da tecnologia de IA, a função da IA no gerenciamento de operações corporativas está evoluindo e espera-se que desestruture completamente os conceitos e modelos tradicionais de desenvolvimento de software. O modelo tradicional de desenvolvimento de software geralmente depende de desenvolvedores profissionais que gastam muito tempo e energia escrevendo códigos, o que resulta em longos ciclos de desenvolvimento e altos custos de desenvolvimento. No futuro, com tecnologias de IA cada vez mais avançadas, as plataformas de desenvolvimento com pouco código e até mesmo sem código se tornarão cada vez mais maduras e populares, permitindo que pessoas não técnicas criem facilmente aplicativos de software avançados e democratizem o desenvolvimento de software.

Tomando como exemplo o sistema de processamento e visualização de dados criado pelo fluxo de trabalho da Dify, o WeChat corporativo e a tecnologia de IA, essa é apenas a exploração inicial e a tentativa da tecnologia de IA de capacitar a transformação digital e a atualização das empresas. Olhando para o futuro, os funcionários de todos os departamentos da empresa podem fazer uso total de várias ferramentas inteligentes de IA de acordo com suas necessidades comerciais específicas, criar rapidamente aplicativos exclusivos de processamento e análise de dados, reduzir bastante o ciclo de desenvolvimento de aplicativos, responder rapidamente às mudanças comerciais e melhorar a agilidade geral e a capacidade de inovação da empresa.

Para abraçar melhor o futuro inteligente impulsionado pela IA, as empresas precisam adotar ativamente a tecnologia de IA e melhorar continuamente a alfabetização em IA dentro da organização. Isso exige que tanto os funcionários quanto a gerência aprendam continuamente conhecimentos relacionados à IA, bem como realizem ativamente o treinamento de habilidades de IA para aprimorar os recursos de aplicação de IA dos funcionários.

Por um lado, as empresas devem organizar ativamente o treinamento interno em tecnologia de IA para ajudar os funcionários a entender os princípios básicos, as principais tecnologias, os cenários típicos de aplicação e a combinação da tecnologia de IA com seu próprio trabalho comercial, para que possam dominar e usar as ferramentas de IA para resolver problemas em seu trabalho real e aumentar a eficiência do trabalho e a capacidade de inovação. Por exemplo, a equipe de marketing pode aprender a usar a IA para fazer previsões de mercado precisas e análises de perfil de usuário, de modo a formular estratégias de marketing mais eficazes; a equipe financeira pode aprender a usar a tecnologia de IA para realizar uma avaliação inteligente de riscos financeiros, gerenciamento de orçamento financeiro e outros trabalhos.

Por outro lado, as empresas também devem incentivar ativamente seus funcionários a cultivar o pensamento inovador, explorar ativamente as possibilidades de aplicação da tecnologia de IA em diferentes segmentos de negócios e promover a popularização abrangente e a aplicação profunda da tecnologia de IA dentro da empresa, de modo a acelerar o processo geral de transformação digital da empresa.

Olhando para o futuro, a tecnologia de IA continuará a remodelar o modo de operação e o padrão de desenvolvimento das empresas. Somente se aproveitarem ativamente as oportunidades de mudança trazidas pela tecnologia de IA e fortalecerem continuamente o aprendizado e os aplicativos inovadores é que as empresas poderão manter sua posição de liderança na concorrência cada vez mais acirrada do mercado e, por fim, alcançar o desenvolvimento sustentável.

apêndice

• A Dify é uma plataforma de desenvolvimento de aplicativos LLM de código aberto
• Link de exemplo oficial do ECharts:https://echarts.apache.org/examples/zh/index.html#chart-type-line