大模型相關目錄

大模型，包括部署微調prompt/Agent應用開發、知識庫增強、數據庫增強、知識圖譜增強、自然語言處理、多模態等大模型應用開發內容
從0起步，揚帆起航。

51. Moe模式：或將是最好的大模型應用開發路徑
52. 一文帶你了解大模型RAG
53. 詳細記錄swfit微調interVL2-8B多模態大模型進行目標檢測（附代碼）
54. DIfy中集成magic-pdf實現文檔解析agent與多模態大模型圖文問答
55. 大模型Prompt trick：利用大模型同情心提升模型性能
56. 一文帶你入門大模型微調
57. 開源大模型LLaMA架構介紹
58. CyberScraper-2077+simple-one-api：使用大模型爬蟲
59. 大模型高效利用結構化信息研究：HTML格式或許更好
60. moonshot：一個用于評估任何 LLM 應用程序的簡單模塊化工具
61. 多模態大模型賦能工程設計合規性校驗解決方案
62. dify新特性：并行agent/工作流開發與變量存儲
63. 大模型可視化應用敏捷開發方案：Dify+Echarts

---

---

幫助你10分鐘開發一個基于大模型的針對性的可視化分析、繪圖組件！

Dify不必多說，Echarts介紹如下：

官網：https://echarts.apache.org/zh/index.html

具體開發步驟：
1.新建一個ChatFlow
2.開始節點，開啟文件上傳功能，比文件上傳功能的優勢在于兼容格式多，數據變量可控

3.文檔提取器

新版dify天然功能，此處不多贅述。
4.接LLM節點，prompt如下：

# 角色
你是一個數據整理專家，精通數據格式整理和數據格式轉換。
# 數據
{{#context#}}
# 任務
-將數據轉換成csv格式

5.接代碼執行節點（python），過濾大模型中噪音文本

import redef main(input_string):# 使用正則表達式提取CSV內容pattern = r'```(.*?)```'match = re.search(pattern, input_string, re.DOTALL)if not match:return Noneoutput = match.group(1).strip()return {"output":output}

6.再接代碼執行節點，接入echarts功能

import csv
import json
def main(csv_string):# 將CSV字符串分割成行    lines = csv_string.strip().split('\n')# 使用csv模塊讀取數據reader = csv.reader(lines)# 將所有行轉換為列表data = [row for row in reader]# 將數字字符串轉換為浮點數    for row in data[1:]:# 跳過標題行        for i in range(1, len(row)):try:row[i] = float(row[i])except ValueError:pass# 創建完整的ECharts配置echarts_config = {"legend": {}, "tooltip": {},"dataset": {"source": data },"xAxis": [ {"type":"category","gridIndex":0}, {"type":"category","gridIndex":1}],"yAxis": [ {"gridIndex":0}, {"gridIndex":1}],"grid": [{"bottom":"55%"}, {"top":"55%"}],"series": [{"type":"bar","seriesLayoutBy":"row"}, {"type":"bar","seriesLayoutBy":"row"}, {"type":"bar","seriesLayoutBy":"row"},{"type":"bar","seriesLayoutBy":"row"},{"type":"line","xAxisIndex":1,"yAxisIndex":1},{"type":"line","xAxisIndex":1,"yAxisIndex":1},{"type":"line","xAxisIndex":1,"yAxisIndex":1},{"type":"line","xAxisIndex":1,"yAxisIndex":1},{"type":"line","xAxisIndex":1,"yAxisIndex":1},{"type":"line","xAxisIndex":1,"yAxisIndex":1} ]}output = "```echarts\n" + json.dumps(echarts_config, indent=2, ensure_ascii=False) + "\n```"return {"output":output}

7.輸出即可

效果如下：

數據呢，形如下方的二維度數據均可：

如果具備多個、成體系的Agent或大模型數據分析應用，集成在一起，實際上就成為了可處理多格式、多內容的大模型數據分析項目。