Dify应用实战(5) - 使用模版
624 字
3 分钟
Dify应用实战(5) - 使用模版
除了语音生成,我们还有几种形态的生成,需要继续完成。今天教大家使用Jinja模版,将内容进行格式输出。
学习完成,你将掌握生成内容时,可以用固定的模版,填入动态变化的内容,来生成文案内容等。
01. 动手做一做
基于上上一节课的流程,在”代码执行”节点之后,新增一个”模版转换”的节点。
添加之后,连接”代码执行”节点和新增节点,再连接新增节点和结束节点(这里先移除语音输出处理,后面会加回来,要多路生成不同的内容)。新增参数(一定要先连接)“模版转换”的输入,选择”代码执行”的Object。这里注意,需要将”代码执行”节点也做一些调整。
输出的时候,要按字典而非之前的字符串输出。输出变量也选对象输出。
新增节点修改参数,输入模版内容,不变的内容和动态内容分开,动态内容的值需要有双大括号转义。
点击”发布”,保存。提示”操作成功”。就可以进行测试了。测试如下:
结果输出是一个按模版填入动态获取内容的整段文案结果。
02. 补充说明
今天的任务,也非常简单,但为什么是中级水平呢?原因是,这里的Jinja模版的使用,也需要一定的编程经验。
Jinja原本是Python的模板引擎,最初是为Flask框架开发的,功能非常强大,可以动态生成网页,XML,CSV或者Markdown文本。
所以,在实际项目中,利用模板转换的功能,将中间数据,通过模板渲染成需要的格式,才能体现它真正的威力,千万不要被本文例子中的简单写法迷惑,觉得它过于简单哦。
下面例子展示了循环,判断等处理能力。
<ul> {% for item in items %} {% if item.cash %} <p>小计金额:{{ item.total }}</p> {% else %} <p>无需付费。</p> {% endif %} {% endfor %}</ul>总结
今天在上次的工作流基础上,进一步增加利用模板进行数据的转换处理,可以定制以固定格式呈现的内容,并插入动态值,生成完整的内容。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!
相关文章智能推荐
1
Dify应用实战(17) - 使用MCP服务
AI本文实战演示Dify集成MCP服务的全流程。通过mcp-proxy搭建代理服务→配置SSE插件→部署支持MCP的Agent节点,实现对接MySQL等第三方服务。详解Docker容器化部署及服务授权机制,展示如何突破服务端限制调用本地工具,为智能客服、数据分析等场景提供跨系统集成方案,较传统API对接效率提升50%。
2
Dify应用实战(14) - 结果聚合
AI本文实战演示Dify变量聚合器的多路数据整合能力。通过在医疗分诊流程中部署聚合器节点,实现不同知识检索分支的结果统一归集→LLM节点集中处理。详解分支结果类型匹配机制及数据转换技巧,展示如何优化复杂工作流架构,为多条件查询、并行任务处理等场景提供标准化合并方案,有效降低40%重复节点配置,提升AI应用的可维护性。
3
Dify应用实战(15) - 对象存储
AI本文实战演示Dify企业级存储方案配置。通过修改.env文件切换存储类型→配置S3/Minio连接参数→重启服务生效,实现文件存储从本地迁移至对象存储。详解Minio兼容性配置要点及文件上传测试流程,展示如何通过标准化存储方案提升多人协作效率,为知识库管理、多媒体资源存储等企业级需求提供高可用解决方案,存储性能较本地方案提升300%
4
Dify应用实战(9) - 问题分类
AI本文实战演示Dify问题分类器的场景化应用。通过在Chatflow中集成分类器组件,实现医疗问诊场景的智能分流:将用户咨询自动归类至症状分诊、用药指导或报告解读等子流程,结合LLM节点实现精准应答。详解分类器配置要点及分支处理策略,展示如何通过场景拆解将复杂医疗咨询转化为标准化处理流程,为智能客服、健康管理等场景提供可扩展的对话架构,后续可通过领域数据微调提升分类准确率。
5
Dify应用实战(10) - 循环处理
AI本文实战演示Dify迭代组件的批处理能力。通过HTTP请求获取新闻数据→LLM节点提取关键信息→参数提取器结构化→迭代节点循环处理,实现10条新闻摘要的自动化生成。详解数组数据的分组处理机制及元素级操作配置,展示如何将复杂的数据遍历任务转化为可视化工作流,为新闻简报、电商商品页等批量内容生成场景提供标准化解决方案,后续可结合图文生成节点实现多模态内容自动化输出。
随机文章随机推荐
小王的博客














