一、構建拍照識題智能學習助手前言

面對紙質習題、板書題目等實體知識載體的數字化理解鴻溝，傳統答疑方式往往力有不逮。智能看圖解題助手，可以巧妙地融合了用戶直觀的拍照上傳與文字提問雙通道輸入，用戶僅需拍照上傳，系統便能通過Qwen2.5-VL精準提取題目，并由DeepSeek-V3完成知識講解，將復雜的圖像識別與語義理解轉化為即時、權威的認知輸出，這不僅極大提升了答疑的便捷性與覆蓋場景，更將多模態交互的潛力轉化為用戶指尖可觸、可感的認知升級，讓復雜問題的求解過程變得前所未有的流暢與高效。

依托FlexusX云服務器強大的彈性算力與高并發穩定性，無縫承載了基于MaaS模式部署的DeepSeek大模型，使其能夠毫秒級響應復雜的看圖解題請求，結合模型本身在中文理解、邏輯推理與知識講解上的深度優化，共同確保了智能助手的流暢性、可靠性與專業輸出品質，為用戶提供高性能、免運維的一站式智能服務體驗。

二、構建拍照識題智能學習助手環境

2.1 基于FlexusX實例的Dify平臺

華為云FlexusX實例提供高性價比的云服務器，按需選擇資源規格、支持自動擴展，減少資源閑置，優化成本投入，并且首創大模型QoS保障，智能全域調度，算力分配長穩態運行，一直加速一直快，用于搭建Dify-LLM應用開發平臺。

Dify是一個能力豐富的開源AI應用開發平臺，為大型語言模型（LLM）應用的開發而設計。它巧妙地結合了后端即服務（Backend as Service）和LLMOps的理念，提供了一套易用的界面和API，加速了開發者構建可擴展的生成式AI應用的過程。

參考：華為云Flexus+DeepSeek征文 | 基于FlexusX單機一鍵部署社區版Dify-LLM應用開發平臺教程

2.2 基于MaaS的模型API商用服務

MaaS預置服務的商用服務為企業用戶提供高性能、高可用的推理API服務，支持按Token用量計費的模式。該服務適用于需要商用級穩定性、更高調用頻次和專業支持的場景。

參考：華為云Flexus+DeepSeek征文 | 基于ModelArts Studio開通和使用DeepSeek-V3/R1商用服務教程

三、構建拍照識題智能學習助手實戰

3.1 配置Dify環境

輸入管理員的郵箱和密碼，登錄基于FlexusX部署好的Dify網站

將MaaS平臺的模型服務接入Dify，這里我們選擇的是DeepSeek V3商用服務，需要記住調用說明中的接口信息和 API Key 管理中API Key，若沒有可以重新創建即可

配置Dify模型供應商：設置 - 模型供應商 - 找到OpenAI-API-compatible供應商并單擊添加模型，在添加 OpenAI-API-compatible對話框，配置相關參數，然后單擊保存

參數	說明
模型類型	選擇LLM。
模型名稱	填入模型名稱。
API Key	填入創建的API Key。
API Endpoint URL	填入獲取的MaaS服務的基礎API地址，需要去掉地址尾部的“/chat/completions”后填入

3.2 配置Dify工具

通義千問

同義 Qwen 由阿里云開發，是一系列復雜的 LLM。它包括多個變體，例如用于文本處理的 Qwen、用于視覺語言任務的 Qwen-VL 和用于音頻理解的 Qwen-Audio。這些模型以其令人印象深刻的規模而著稱，旗艦 Qwen-72B 模型具有 720 億個參數，并在超過 3 萬億個代幣上進行了訓練。

根據多個實戰案例的測試結果，?Qwen/Qwen2-VL-72B-Instruct模型在中文票據識別任務中表現最佳。該模型特點：

• 強大的視覺理解能力
• 對中文票據格式有良好適配性
• 支持結構化輸出

打開設置 - 模型供應商 - 安裝模型供應商，選擇通義千問，進行安裝

安裝完成后，您需要從 阿里云 獲取 API 密鑰

并在 設置 -> Model Provider 中添加通義千問 API Key

刷新頁面后就可以查看到 qwen2.5-vl-72b-instruct 狀態已開啟

3.3 創建拍照識題智能學習助手

在 Dify - 工作室，創建空白應用，選擇 Chatflow ，輸入應用名稱和圖標，點擊創建

默認是有個簡單的模板的，刪除其他默認節點，保留開始節點

點擊右上角 功能 菜單，開啟文件上傳功能，并選擇圖片類型，保存即可

開始節點后添加條件分支，用來判斷用戶是否上傳了圖片，如果上傳了圖片則提交給 Qwen2.5-vl 進行題目識別，如果沒有上傳圖片則直接提交給 DeepSeek-V3 進行知識點講解

若上傳圖片則添加LLM圖片識別節點，通過 Qwen2.5-vl 對圖片內容進行解析，識別題目，需要開始視覺，參數選擇上傳的文件

提示詞參考：識別圖片中的題目并輸出題目

再添加LLM節點，用于題目解析，配置模型為MaaS通過的DeepSeek V3，添加上下文為 圖片識別 返回的結果，也就是圖片的題目信息，添加的提示詞如下：

#角色你是一位經驗豐富的小學全科老師，能夠耐心指導我理解題目的相關知識。題目：引用上下文#技能1.能夠記錄和存儲題目，幫助分析題目錯誤的地方背后的知識點，然后用蘇格拉底提問法一步步引導我去理解相關的知識點，每次提問需要等待我回答后再繼續提問，每次只提一個問題。2.請分析認為我搞懂題目相關知識點后，你可以出3道相同類型的題目檢測我是否已經完全掌握。

這里的關鍵是要通過提示語規定大模型輸出，要求大模型能夠引導用戶一步步進行知識點的講解，而不是直接給出答案，最終達到接近真人老師的講解效果，并且在判斷用戶掌握了該知識后能夠出類似的題目進行檢測。

最后添加直接回復節點，直接返回題目解析節點輸出的變量即可

再將條件分支的ElSE也接入題目解析節點，并開啟記憶功能，輸入參數為用戶輸入內容 query

開啟對話開場白功能，輸入內容保存即可

編排完成后，就可以在預覽界面進行測試，先直接輸入問題測試：6x7=?

查看運行流程直接走的是題目解析，但是并沒有直接給出答案，而是引導反問你對題目的認知，很接近真人老師

然后一步步的引導并講解，知道你給出正確的答案

甚至還會出三道類似的題目

整個流程都很有很好的引導和解釋，而且會給出正向反饋

再上傳一張數學應用題的照片，并在對話框輸入：講解這幾道題的思路

這時走進了圖片識別的流程，返回值如下，可以檢查下識別的準確度如何

{"text": "以下是圖片中幾道題目的思路講解：\n\n### 01. 媽媽買了 5 個蘋果，每個蘋果 5 元，付給售貨員 30 元，應找回多少元？\n**思路：**\n1. 計算 5 個蘋果的總價格：5 個蘋果 × 5 元/個 = 25 元。\n2. 用付給售貨員的 30 元減去蘋果的總價格：30 元 - 25 元 = 5 元。\n3. 應找回的金額為 5 元。\n\n### 02. 小美拿著 25 元去買作業本，每個作業本是 3 元，她最多能買幾個作業本？\n**思路：**\n1. 用總金額除以每個作業本的價格：25 元 ÷ 3 元/本 ≈ 8.33。\n2. 由于不能買部分作業本，所以最多能買 8 個作業本。\n\n### 03. 同學們要栽 65 棵樹，已經栽了 6 行，每行 8 棵，還需要栽多少棵？\n**思路：**\n1. 計算已經栽了多少棵樹：6 行 × 8 棵/行 = 48 棵。\n2. 用總共要栽的樹數減去已經栽的樹數：65 棵 - 48 棵 = 17 棵。\n3. 還需要栽 17 棵樹。\n\n### 04. 小剛今年 7 歲，媽媽比小剛大 23 歲，爸爸比媽媽大 4 歲，那爸爸媽媽分別多少歲？\n**思路：**\n1. 計算媽媽的年齡：7 歲 + 23 歲 = 30 歲。\n2. 計算爸爸的年齡：30 歲 + 4 歲 = 34 歲。\n3. 媽媽 30 歲，爸爸 34 歲。\n\n### 05. 把 35 個彩球按 4 個一組分類，可以分成幾組，還剩下幾個彩球？\n**思路：**\n1. 用總彩球數除以每組的彩球數：35 個 ÷ 4 個/組 = 8 組…… 3 個。\n2. 可以分成 8 組，還剩下 3 個彩球。\n\n### 06. 食堂里有 100 千克大米，用去 60 千克，剩下的每天吃 8 千克，還可以吃多少天？\n**思路：**\n1. 計算剩下多少大米：100 千克 - 60 千克 = 40 千克。\n2. 用剩下的大米除以每天吃的量：40 千克 ÷ 8 千克/天 = 5 天。\n3. 還可以吃 5 天。\n\n### 07. 把一根繩子對折后，再次對折后有 20 厘米，這根繩子原本有多長？\n**思路：**\n1. 兩次對折后的長度為 20 厘米。\n2. 每次對折長度減半，所以對折一次后的長度為 20 厘米 × 2 = 40 厘米。\n3. 原本的長度為 40 厘米 × 2 = 80 厘米。\n\n### 08. 某棟大樓共十層，每層 4 米，小剛站在 8 樓的陽臺，他離一樓地面多少米？\n**思路：**\n1. 計算小剛所在的樓層高度：(8 - 1) 層 × 4 米/層 = 7 層 × 4 米/層 = 28 米。\n2. 小剛離一樓地面的高度為 28 米。","usage": {"prompt_tokens": 1190,"prompt_unit_price": "4.13","prompt_price_unit": "0.000001","prompt_price": "0.0049147","completion_tokens": 921,"completion_unit_price": "4.13","completion_price_unit": "0.000001","completion_price": "0.0038037","total_tokens": 2111,"total_price": "0.0087184","currency": "RMB","latency": 49.49028724800155},"finish_reason": "stop"
}

再次進入問題的一步步探討過程

簡單的回答了第1個問題了，得到了正確的答復后，就開始了第2個問題，流程較長沒有完全測試

測試完成就可以發布更新到探索頁面了，發布后選擇運行就可以獲得一個在線運行的智能學習助手的網頁！

3.4 使用拍照識題智能學習助手

在探索 - 拍照識題智能學習助手中開啟新對話

這里測試一下英語問題，搜到一張英語的試題

上傳此圖片，并輸入：怎么做

此時不能查看圖片識別的全部返回值，只能查看輸入的問題來看了

第一個問題的識別準確，回答出正確答案后，但是解釋不正確

很容易拓展知識點，可以直接繼續下一題，整個過程真的很像被老師答疑解惑的感覺，這個提示詞太強了！大家也可以試試，尤其是小學生的家長們！

四、總結

通過dify直觀的可視化工作流編排，將復雜的多模態識別（Qwen2.5-VL）、智能判斷與知識講解（DeepSeek-v3）模塊無縫集成變得異常清晰高效，深刻體會到其降低智能應用開發門檻的強大力量，讓聚焦用戶價值（看圖解題）的核心邏輯得以快速驗證和流暢運行，真正實現了從構想到落地的極短周期，使技術創新觸手可及。

依托FlexusX云服務器的高彈性算力與穩定承載，無縫驅動MaaS模式下的DeepSeek V3調用API，實現毫秒級響應的專業級語義理解與精準知識輸出，以卓越性能和免運維的可靠性，為智能應用提供強大引擎。