華為云Flexus+DeepSeek征文|基于華為云一鍵部署dify平臺構建合同審核助手應用實踐

目錄

前言

1 華為云一鍵部署Dify平臺

1.1 華為云Dify平臺介紹

1.2 部署過程介紹

1.3 登錄Dify平臺

2 接入華為云 ModelArts Studio 的 DeepSeek 大模型

2.1 獲取調用模型服務信息

2.2 在 Dify 中配置模型

3 構建合同審核助手應用

3.1 簡要介紹合同審核助手

3.2 開始部分

3.3 轉換合同要點

3.4 文檔提取器

3.5 合同審核

3.6 PDF和Word文件生成

3.7 輸出

4 應用運行結果

4.1 輸入

4.2 結果

4.3 詳情

4.4 追蹤

5 使用體驗

5.1 部署快捷,免運維負擔

5.2 平臺穩定,模型響應快

5.3 構建應用靈活,工作流強大

結語


前言

在大模型(LLM)迅速發展的今天,越來越多的企業開始嘗試構建具備AI能力的行業應用,以提升業務效率和智能化水平。Dify作為一個開源的LLM應用平臺,提供了工作流編排、知識庫管理和應用開發等豐富能力,使得構建AI應用變得更加簡單高效。而華為云提供的“一鍵部署”解決方案,則為這些開發和運維環節提供了強大的基礎設施保障。

本文將介紹如何基于華為云實現對Dify平臺的高效部署,并在此基礎上構建一個具備實用價值的合同審核助手應用。該應用可以對上傳的合同文件進行審核分析,并生成PDF與Word格式的報告,極大地提升了合同處理的智能化水平和工作效率。

1 華為云一鍵部署Dify平臺

1.1 華為云Dify平臺介紹

Dify是一個支持大語言模型(如GPT、GLM、DeepSeek等)的低代碼應用開發平臺,用戶可以基于它快速構建聊天機器人、智能助手、文檔問答、流程自動化等AI應用。其核心優勢在于“工作流(Workflow)”機制,用戶通過拖拉拽模塊即可搭建復雜的應用邏輯,而無需編寫復雜代碼。

華為云通過資源編排服務(ROS)為Dify提供了“一鍵部署”方案,使用戶無需深入配置服務器、網絡、安全組等底層資源,便可快速完成平臺搭建。這一方案特別適合初創企業和AI應用開發者,在節省部署時間的同時,也大大降低了運維門檻。

1.2 部署過程介紹

華為云提供的Dify平臺部署流程主要分為以下四個步驟:

  • 選擇模板:登錄華為云控制臺,進入資源編排服務(ROS),選擇Dify相關的一鍵部署模板。

  • 參數配置:填寫部署所需的基本信息,如CCE集群名稱、EIP設置、數據庫賬號密碼、管理員初始信息等。不同版本的部署模板(如單機版、高可用容器版)在參數項上會有一定差異。

  • 資源棧設置:配置IAM權限委托、是否啟用回滾、是否開啟刪除保護等內容。這一階段確保部署資源具備合理權限,并在失敗時具備回滾機制。

  • 配置確認并部署:確認各項設置無誤后,點擊“立即部署”,系統將自動完成Dify平臺的部署工作。

整個部署過程約10~15分鐘,完成后將返回部署結果,其中包含Dify平臺的公網訪問URL、登錄信息等內容。

1.3 登錄Dify平臺

部署成功后,在部署結果頁面可以找到Dify平臺的訪問地址(通常是一個公網EIP綁定的域名或IP地址)。在瀏覽器中打開該地址,即可進入Dify平臺的初始化頁面。

首次登錄時需要設置管理員賬號和密碼,設置完成后即可進入Dify的主工作界面。界面包括工作流管理、應用列表、模型配置、API密鑰等多個功能區域,為后續構建應用做好準備。

2 接入華為云 ModelArts Studio 的 DeepSeek 大模型

2.1 獲取調用模型服務信息

為了在合同審核助手中使用大語言模型,我們首先在華為云 ModelArts Studio 平臺開通了 DeepSeek 系列大模型的在線推理服務。在 ModelArts Studio 控制臺的“模型推理-在線推理”預置服務中,選擇并開通了 `deepseek-v3-32k` 和 `deepseek-R1-32k` 兩個模型。開通后,可以在調用說明頁面獲取該模型的 API URL 地址、模型名稱以及對應的 API Key 等關鍵信息,這些信息是后續在 Dify 平臺配置調用的重要憑據。

2.2 在 Dify 中配置模型

獲得模型服務的調用信息后,進入 Dify 平臺的“模型供應商”管理頁面,選擇添加自定義模型。

類型選擇LLM模型,并將從 ModelArts Studio 獲取的 API URL 地址、模型名稱和 API Key 逐項填寫到相應配置項中。配置完成后,可以進行接口連通性測試,確認模型調用成功。通過這一配置,Dify 平臺便能夠通過 API 調用華為云的 DeepSeek 大模型,實現合同審核等智能任務的模型推理支持。

3 構建合同審核助手應用

3.1 簡要介紹合同審核助手

在法律、財務、人事等場景中,企業常常需要審核大量合同文件,識別合同中的關鍵條款、風險內容與是否合規等問題。傳統方式往往依賴人工審核,效率低、錯誤率高。因此,利用大模型對合同進行智能審核,已成為企業數智化轉型的重要方向。

本次我們在Dify平臺上構建了一個“合同審核助手”應用。該應用基于工作流模塊化設計,能夠完成從合同文件上傳、要點提取、審核分析到結果生成的全流程處理。

其主要工作流模塊包括:

  • 開始節點
  • 合同要點轉換
  • 文檔提取器
  • 合同審核處理
  • PDF與Word報告生成
  • 多格式結果輸出

通過這些模塊的編排,合同審核助手可以實現對合同文件的自動分析與結果生成,輸出結構化審核報告。

3.2 開始部分

工作流的起點為“開始”模塊,主要負責接收用戶輸入的合同文件和審核參數。

輸入內容支持多種文件格式,如PDF、Word、TXT等。除了合同文件本身,還可由用戶選擇合同的所屬領域(如采購、人事、法律)以及需關注的重點條款內容(如付款方式、違約條款、保密協議等),這些參數將為后續模型分析提供上下文依據。

3.3 轉換合同要點

該模塊基于大語言模型(LLM),通過預設提示詞(Prompt)對用戶輸入的“合同要點”進行語義擴展和結構化重寫。它的目標是將模糊、籠統的要點描述,轉化為更具可執行性的細化審核維度,作為后續分析的基礎。

提示詞示例如下:

根據輸入的keypoint,將用戶的要求或關注點轉換為具體的合同審核要點,并輸出為提示詞中的keypoint

這樣的結構化輸出,使工作流中“審核”模塊能更準確理解分析目標,從而提高整體審核效果。

模塊的運行依賴模型提供的結構性思維能力,通過提示詞精準控制生成結果的粒度與適用性,確保每一個合同要點都能被明確展開,便于后續的對比與分析。

3.4 文檔提取器

“文檔提取器”模塊負責對上傳的合同文件內容進行提取和結構化處理。該模塊可根據文件格式調用對應的解析邏輯,實現對PDF、Word等文件中的正文內容的識別、段落劃分與語義歸納。

提取后的文本內容將作為“審核”模塊的主要輸入數據,決定最終輸出報告的準確性。

3.5 合同審核

“合同審核”模塊是整個工作流的核心,利用大語言模型(LLM)配合多個提示詞(Prompt),對合同文本、合同要點、合同領域三類信息進行交叉分析,生成完整的智能審核報告。

審核過程采用多輪提示詞引導,確保審查邏輯系統化、細致化。

例如,審核提示詞如下:

#角色 你是一名專業的律師,執業領域是/field

#任務 你要對/上下文進行審核和分析,并提供詳細嚴格評分。做到以下幾點

1 對合同進行全面審核,指出存在的風險和問題

2 提供具體的改進意見,幫助完善條款

3根據法律規范和個人建議,修改具體條款

#約束條件

1必須遵守有效的法律法規

2符合行業規定,使用專業的術語和名詞

3貼近實際情況,并充分考慮/keypoint

通過上述提示詞組合,模型不僅能對照要點進行審核,還能從全局視角評估合同的整體質量與風險水平,具備初級法律顧問的分析能力。在實際使用中,我們也可針對不同領域(如采購、人力、法務)定制化調整提示詞模板,使輸出結果更具專業性與針對性,從而為企業合同審核提供強有力的輔助決策支持。

3.6 PDF和Word文件生成

為了滿足合同審核報告的通用性和易用性,系統將審核文本結果轉換為PDF和Word格式。該模塊支持將Markdown文檔渲染為標準格式報告,添加封面、目錄、頁碼等樣式,生成專業化文件。

PDF文件適合打印與正式場合使用,Word文檔則便于用戶進一步修改和編輯。

3.7 輸出

工作流的最后一個模塊為結果輸出模塊。系統會將審核結果以三種方式輸出:

  • 純文本:用戶可直接在線查看報告內容;
  • PDF文件:可下載用于存檔或正式使用;
  • Word文件:方便編輯或補充修改。

這樣既滿足了不同用戶對輸出格式的需求,也為后續合同歸檔、匯報提供便利。

4 應用運行結果

合同審核助手運行后,用戶可上傳合同文件(如房屋出租合同),并填寫合同領域和重點審核要點。系統運行完成后,界面會展示四個主要內容模塊,分別是輸入、結果、詳情和追蹤。

4.1 輸入

輸入部分顯示用戶上傳的合同文件內容,以及填寫的合同領域和合同要點信息,確保系統準確理解審核背景和目標。

4.2 結果

結果部分展示合同審核的最終輸出。包括直接顯示的審核文本內容,以及對應生成的PDF和Word格式的合同審核報告,用戶可以直接在線查看文本,也可以下載格式化的文檔進行保存和分享。

4.3 詳情

詳情模塊提供應用運行的詳細信息,包括任務是否成功完成、運行耗時、消耗的token數量,以及輸入輸出數據內容。同時還顯示了執行該任務的用戶信息,方便審計和回溯。

4.4 追蹤

追蹤部分對工作流的每個關鍵步驟進行了細致展示。用戶可以查看從工作流開始節點、合同要點轉換、文檔內容提取、合同審核、到Word和PDF報告生成、最終結果輸出等環節的執行狀態和具體日志,便于定位問題和優化流程。

5 使用體驗

從整個項目實踐來看,Dify 在華為云平臺上的一鍵部署方案表現出色,不僅降低了部署門檻,還大幅提升了AI應用構建的效率。具體體現在以下幾個方面:

5.1 部署快捷,免運維負擔

通過華為云提供的一鍵部署模板,用戶只需完成基本的參數填寫和模板確認,無需了解底層網絡、存儲或容器集群等技術細節,即可在十幾分鐘內部署完成一個功能完整的 Dify 平臺。這種高度自動化的部署方式極大減少了配置復雜性,特別適合中小企業和初學者快速上手。

5.2 平臺穩定,模型響應快

Dify平臺依托于華為云的CCE容器服務與高性能云存儲,具備良好的穩定性和高吞吐能力。在實際測試中,平臺在處理大型合同文件或長文本分析任務時響應迅速,幾乎無延遲,保障了用戶的連續使用體驗。這對運行需要調用大語言模型的復雜應用尤為重要。

5.3 構建應用靈活,工作流強大

Dify內置的工作流機制為構建AI應用提供了極大的靈活性。用戶可以通過可視化方式自由組合模塊,如文本輸入、模型調用、格式轉換、文件輸出等,快速完成AI邏輯的搭建。得益于模塊化和低代碼設計,即便是非技術背景的業務人員,也能在較短時間內搭建出具有實際價值的智能應用。

結語

通過本次基于Dify平臺的實踐,我們不僅體驗了華為云一鍵部署方案的高效與穩定,也展示了如何基于大語言模型構建一個實用的合同審核助手應用。這一流程為企業在AI應用場景中的落地提供了可復制、可擴展的范式。未來,隨著大模型與云平臺能力的不斷演進,我們相信像合同審核助手這樣的行業AI應用將越來越普及,助力企業邁向更加智能、高效的數字化時代。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/910019.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/910019.shtml
英文地址,請注明出處:http://en.pswp.cn/news/910019.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

三種經典算法無人機三維路徑規劃對比(SMA、HHO、GWO三種算法),Matlab代碼實現

代碼功能 該MATLAB代碼用于對比三種元啟發式優化算法(SMA、HHO、GWO三種算法, SMA黏菌算法、HHO哈里斯鷹優化算法、GWO灰狼優化算法) 在特定優化問題上的性能,運行環境MATLABR2020b或更高 : 初始化問題模型&#xff…

設計模式精講 Day 8:組合模式(Composite Pattern)

【設計模式精講 Day 8】組合模式(Composite Pattern) 開篇 在“設計模式精講”系列的第8天,我們將深入講解組合模式(Composite Pattern)。組合模式是一種結構型設計模式,它允許將對象組合成樹形結構以表示…

【Dify學習筆記】:RagFlow接入Dify基礎教程

RagFlow接入Dify基礎教程 如果RagFlow還沒部署,可參考我另一篇本地部署文章:【Dify學習筆記】:本地部署RagFlow適配Dify 一、RagFlow 1. 配置模型 點擊:頭像 > Model providers 添加模型供應商、設置默認模型Set default …

Apache ECharts-02.入門案例

一.入門案例 官網下載&#xff1a;下載 - Apache ECharts&#xff0c;下載echarts.js文件&#xff0c;下載好后在其同一個文件夾下創建html文件即可。 <!DOCTYPE html> <html><head><meta charset"utf-8" /><title>ECharts</title…

社群經濟視閾下開源AI智能名片鏈動2+1模式與S2B2C商城小程序在私域電商中的融合應用研究

摘要&#xff1a;在數字經濟與社交網絡深度融合的背景下&#xff0c;付費社群憑借精準用戶篩選、高價值成員聚合及強信任關系鏈等優勢&#xff0c;成為私域電商發展的核心載體。本文基于社群經濟理論&#xff0c;結合“開源AI智能名片鏈動21模式S2B2C商城小程序”的技術與商業邏…

【Tools】Mac brew工具

Homebrew&#xff08;簡稱 brew&#xff09;是 macOS&#xff08;也支持 Linux&#xff09;上的一款 包管理工具&#xff0c;它的作用類似于&#xff1a; Ubuntu 下的 aptCentOS 下的 yumArch Linux 下的 pacman 一句話概括&#xff1a; brew 是用來在 macOS 上安裝、管理軟件…

IEEE RAL 雙臂機器人三連抓估計物體狀態 無需特制夾爪或視覺相機 - 大阪大學萬偉偉老師團隊

IEEE RA-L | 萬偉偉老師團隊提出雙臂機器人規劃控制方法有效降低被抓物姿態不確定性 日本大阪大學萬偉偉老師團隊針對雙臂機器人開發了一種重復抓取規劃和阻抗控制的方法&#xff0c;該方法通過兩個機械臂依次尋找抓取位置和物體姿態&#xff0c;并通過三個正交抓取動作&#x…

AtomicInteger 和 volatile Integer對比

AtomicInteger 和 volatile Integer 雖然都與線程安全有關&#xff0c;但本質完全不同。它們的主要區別體現在原子性保證和功能上&#xff1a; &#x1f50d; 核心區別對比表 特性volatile IntegerAtomicInteger原子性? 不保證復合操作原子性? 保證所有操作的原子性自增操作…

一生一芯 PA2 RTFSC

從src/isa/riscv32/inst.c出發。 向上搜索&#xff0c;理解宏定義的含義。 R(i) #define R(i) gpr(i) R(i)&#xff1a;訪問第i號通用寄存器 會被替換為&#xff1a; #define gpr(idx) (cpu.gpr[check_reg_idx(idx)]) 分為兩個部分&#xff1a; cpu.gprcheck_reg_idx c…

深度學習——手寫數字識別

深度學習——手寫數字識別 學習深度學習的朋友應該對MNIST數據集不陌生吧&#xff0c;相信很多人在剛開始學習深度學習的時候都會用到MNIST數據集進行書寫數字識別。本篇文章參考魚書創建一個深度網絡來進行書寫數字識別的任務。 如上圖所示&#xff0c;這里使用的卷積層全都是…

HashMap算法高級應用實戰:頻率類子數組問題的5種破解模式

本文將深入剖析5種基于HashMap的高級模式&#xff0c;通過原理詳解、多語言實現、性能對比和工業級應用&#xff0c;助您徹底掌握頻率類子數組問題。 1. 深入解析&#xff1a;頻率類子數組問題 1.1 問題定義與分類 頻率類子數組問題是指需要統計或查找滿足特定元素頻率條件的…

【精選】計算機畢業設計HTML5智能寵物尋找與領養系統 跨平臺寵物匹配 地圖定位找寵 領養申請審核系統源碼+論文+PPT+講解

博主介紹&#xff1a; ?我是阿龍&#xff0c;一名專注于Java技術領域的程序員&#xff0c;全網擁有10W粉絲。作為CSDN特邀作者、博客專家、新星計劃導師&#xff0c;我在計算機畢業設計開發方面積累了豐富的經驗。同時&#xff0c;我也是掘金、華為云、阿里云、InfoQ等平臺…

拼多多商家端 anti_content 補環境分析

聲明 本文章中所有內容僅供學習交流使用&#xff0c;不用于其他任何目的&#xff0c;抓包內容、敏感網址、數據接口等均已做脫敏處理&#xff0c;嚴禁用于商業用途和非法用途&#xff0c;否則由此產生的一切后果均與作者無關&#xff01; 部分python代碼 import execjs impor…

電腦、手機長時間不關機可以嗎

電腦和手機常年處于開機狀態&#xff0c;只有在沒電或者系統提示更新的時候才會關機。那問題來了&#xff0c;電腦、手機長時間不關機到底可不可以呢&#xff1f;今天咱們就來好好嘮嘮。 手機長時間不關機的情況 先來說說手機。現在的智能手機功能越來越強大&#xff0c;我們…

「AI大數據」| 《華為:面向智能制造的工業大模型標準化研究報告》

今天給大家介紹 《華為:面向智能制造的工業大模型標準化研究報告》&#xff0c;這是一份由中國電子技術標準化研究院聯合華為等多家企業編寫的權威報告&#xff0c;聚焦工業大模型在智能制造領域的標準化發展。報告詳細分析了工業大模型的技術架構、應用場景、標準化現狀與挑戰…

Dinky1.2.3基于Kubernetes Application模式提交Flink作業

前言 Dinky 是一個開箱即用、易擴展&#xff0c;以 Apache Flink 為基礎&#xff0c;連接 OLAP 和數據湖等眾多框架的一站式實時計算平臺&#xff0c;致力于流批一體和湖倉一體的探索與實踐。 致力于簡化Flink任務開發&#xff0c;提升Flink任務運維能力&#xff0c;降低Flink…

【軟考高級架構設計師】——2025年上半年軟考真題(回憶版)

目錄 一、綜合知識1.1、計算機基礎與操作系統(15道單選)1.2、軟件工程與架構(16道單選)1.3、數據與網絡(8道單選)1.4、數學與邏輯(4道單選)1.5、其他(27道單選)1.6、英文題(質量屬性)(5道單選)二、案例分析2.1、大模型訓練系統(必選題)2.2、醫院知識圖譜(可選…

哈夫曼樹Python實現

哈夫曼樹構建原則&#xff1a; .統計頻率&#xff1a;對待編碼字符&#xff08;或數據塊&#xff09;的頻率進行統計。.初始化森林&#xff1a;將每個字符視為一棵只有根節點的二叉樹&#xff0c;權值為頻率。.合并樹&#xff1a;重復以下操作&#xff0c;直到只剩一棵樹&…

Dockerfile的學習與實踐

Dockerfile通過一系列的命令和參數&#xff0c;構建自定義鏡像。一般步驟如下&#xff1a; 一. 常用命令說明 基礎命令具體命令描述例子FROMFROM[基礎鏡像:版本號]基于指定的基礎鏡像構建自定義鏡像FROM eclipse-temurin:17-jdk-alpineRUNRUN構建容器需要運行的命令&#xff0…

【三大前端語言之一】靜態網頁語言:HTML詳解

你知道你在瀏覽器中所看到的每一個按鈕&#xff0c;每一個框&#xff0c;都是怎么創造出來的嗎&#xff1f;它們并非魔法&#xff0c;而是由一種被稱為HTML的語言精心構建的骨架。作為前端世界的三大基石之一&#xff08;HTML、CSS、JavaScript&#xff09;&#xff0c;HTML是萬…