用户问题 → 知识库检索 → 召回相关文本 → LLM 生成回答
典型示例:知识库问答应用
sys.query){
"result": {
"content":"检索到的文本分段",
"title":"分段标题",
"link":"原文链接",
"icon":"标识图标",
"metadata":"附加元数据"
}
}
result变量绑定到 LLM 节点的上下文变量提示:该配置方案同时支持知识增强和原始知识归属展示,建议在提示词中设计合理的知识引用格式。
Dify→问题分类 |
通过定义分类描述,问题分类器能够根据用户输入,使用 LLM 推理与之相匹配的分类并输出分类结果,向下游节点提供更加精确的信息。
场景
常见的使用情景包括:
在一个典型的产品客服问答场景中,问题分类器可作为知识库检索的前置步骤,对用户输入问题意图进行分类处理,分类后导向下游不同的知识库查询相关的内容,以精确回复用户的问题。
示例工作流模板
下图为产品客服场景的示例工作流模板:
应用示例
当用户输入不同问题时,分类器会根据已设置的分类标签/描述自动完成分类:
如何配置
sys.query。高级设置
输出变量
class_name:存储分类模型的预测结果。分类完成后,此变量包含具体类别标签,可在后续处理节点中引用以执行相应逻辑。| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |