通过设置合适的提示词，为智能体设定角色和处理逻辑。智能体会根据大语言模型对人物设定和回复逻辑的理解，来响应用户问题。因此提示词编写的越清晰明确，智能体的回复也会越符合预期。可以在提示词中指定用工作流作逻辑处理，实现通过prompt无法实现的功能。
创建工作流工具
在http://localhost/apps页面点击“创建空白应用”，选择“工作流”。填写应用名，点击创建。依次创建三个工作流：
• generate_random_numbers：为24点游戏生成一组随机数 • check_answer：校验表达式计算结果是否为24 • generate_answer：根据一组随机数生成24点游戏的答案
工作流1：generate_random_numbers
整体流程如下图：• 名称：generate_random_numbers • 描述：为24点游戏生成一组随机数 • 开始节点: 用默认配置，无需添加输入字段 • 代码执行节点 • 输入变量：无 • 输出变量： • numbers，类型为Array[Number] • 代码：
importrandom
fromitertoolsimportpermutations, product
defmain() ->dict:
whileTrue:
numbers = []
whilelen(numbers) <4:
num = random.randint(1,13)
ifnumnotinnumbers:
numbers.append(num)
res = generate_answer(numbers)
# 确保生成的随机数能计算出24
ifres['code'] =='ok':
return{'numbers': numbers}
defgenerate_answer(numbers):
iflen(numbers) !=4:
return{'code':'error','msg':"随机数个数不正确"}
operations = ['+','-','*','/']
fornum_perminpermutations(numbers):
foropsinproduct(operations, repeat=3):
# 尝试所有不同的括号组合
expressions = [
f'(({num_perm[0]}{ops[0]}{num_perm[1]}){ops[1]}{num_perm[2]}){ops[2]}{num_perm[3]}',
f'({num_perm[0]}{ops[0]}({num_perm[1]}{ops[1]}{num_perm[2]})){ops[2]}{num_perm[3]}',
f'({num_perm[0]}{ops[0]}{num_perm[1]}){ops[1]}({num_perm[2]}{ops[2]}{num_perm[3]})',
f'{num_perm[0]}{ops[0]}(({num_perm[1]}{ops[1]}{num_perm[2]}){ops[2]}{num_perm[3]})',
f'{num_perm[0]}{ops[0]}({num_perm[1]}{ops[1]}({num_perm[2]}{ops[2]}{num_perm[3]}))',
]
forexprinexpressions:
try:
ifeval(expr) ==24:
return{'code':'ok','answer': expr}
exceptZeroDivisionError:
continue
return{'code':'error'}• 结束节点
输出变量numbers的参数值为引用“代码执行”节点的输出变量numbers。
• 运行
点击右上角的“运行”，验证是否可以正确输出一组随机数• 发布工作流
测试通过后，点击右上角的“发布”按钮。• 发布为工具
发布成功后，点击“发布为工具”
工作流2：check_answer
整体流程如下图：• 名称：check_answer • 描述：校验表达式计算结果是否为24 • 开始节点 • 输入参数 • expression：类型为String，显示名称为“表达式” • 代码执行节点 • 输入变量： • expression，引用开始节点的expression变量 • 输出变量： • code，类型为String • msg, 类型为String • 代码：
defmain(expression:str) ->dict:
try:
val =eval(expression)
ifval ==24:
return{'code':'ok','msg':'ok'}
else:
return{'code':'error','msg':f"表达式{expression}计算结果为{val}, 不是24"}
exceptExceptionase:
return{'code':'error','msg':f"计算出错。{e}"}• 结束节点 • 输出变量 • code，引用代码执行节点的code输出变量 • msg, 引用代码执行节点的msg输出变量 • 测试并发布工作流 • 发布为工具
发布成功后，点击”发布为工具“。填入工具调用名称和工具描述，并保存。
工作流3：generate_answer
整体流程如下图：• 名称：generate_answer • 描述：根据一组随机数生成24点游戏的答案 • 开始节点 • 输入参数 • numbers：类型为String，显示名称为“一组随机整数，JSON格式” • 代码执行节点 • 输入变量 • numbers，引用开始节点的numbers变量 • 输出变量 • code，类型为String • msg, 类型为String • answer, 类型为String • 代码
fromitertoolsimportpermutations, product
importjson
defmain(numbers:str) ->dict:
numbersArray = json.loads(numbers)
iflen(numbersArray) !=4:
return{'code':'error','msg':"随机数个数不正确",'answer':''}
operations = ['+','-','*','/']
fornum_perminpermutations(numbersArray):
foropsinproduct(operations, repeat=3):
# 尝试所有不同的括号组合
expressions = [
f'(({num_perm[0]}{ops[0]}{num_perm[1]}){ops[1]}{num_perm[2]}){ops[2]}{num_perm[3]}',
f'({num_perm[0]}{ops[0]}({num_perm[1]}{ops[1]}{num_perm[2]})){ops[2]}{num_perm[3]}',
f'({num_perm[0]}{ops[0]}{num_perm[1]}){ops[1]}({num_perm[2]}{ops[2]}{num_perm[3]})',
f'{num_perm[0]}{ops[0]}(({num_perm[1]}{ops[1]}{num_perm[2]}){ops[2]}{num_perm[3]})',
f'{num_perm[0]}{ops[0]}({num_perm[1]}{ops[1]}({num_perm[2]}{ops[2]}{num_perm[3]}))',
]
forexprinexpressions:
try:
ifeval(expr) ==24:
return{'code':'ok','msg':'ok','answer': expr}
exceptZeroDivisionError:
continue
return{'code':'error','msg':'error','answer':''}• 结束节点 • 输出变量 • code，引用代码执行节点的code输出变量 • msg, 引用代码执行节点的msg输出变量 • answer, 引用代码执行节点的answer输出变量 • 测试并发布工作流 • 发布为工具
发布成功后，点击”发布为工具“。填入工具调用名称和工具描述，并保存。
创建Agent应用
在http://localhost/apps页面点击“创建空白应用”，选择“Agent”。填写应用名，点击创建，进入编排界面。编排界面如下：• 设置提示词
内容为：
你是一个24点游戏助手。
- 开始游戏时，你需要生成一组随机数，提示用户回答，然后使用工作流check_answer校验用户的回答。
- 如果用户表示回答不了问题，请使用工作流generate_answer生成答案。
- 用户可以向你提供一组数字提问如何计算，你需要使用工作流generate_answer生成答案。• 添加工具
把3个工作流添加为工具。• 选择模型
使用qwen-plus• 调试和预览
在下方输入内容和Agent进行游戏互动• 测试通过后，点击右上角的“发布”按钮。 • 发布后，点击“运行”即可打开应用的访问链接。
总结
本文以24点游戏智能体为案例，展示了Dify基于工作流的Agent应用开发。通过把工作流发布为工具，Agent通过推理可以智能调用相应工作流解决问题。
#智能体开发#Dify工作流开发 #AI应用开发