Dify 工作流分享-AI 搜索与分析

小伙伴们大家好，我是三金～

最近 A 股大涨，身边好多的朋友都血赚了一波，也引起了一大波人跟风进场，不过节后的股市究竟会怎么样谁也说不清，所以我找了一个 AI 搜索与分析的工作流，利用它来搜集一些信息并将这些信息整合起来进行分析。

比如我们要搜索「节后 A 股还会继续大涨吗？」

可以看到它收集了十几条相关话题的文章，并通过 AI 进行总结，最终以表格的形式输出给我们。好处就是省去了人工搜索和筛选，并将每篇文章的内容进行整理最终汇总到一个表格上，大大提高了我们对特定信息的搜集和信息处理。

基本组成

在这个工作流中我们需要以下几个节点：

开始节点：输入要搜索分析的话题
TavilySearch：AI 搜索工具，用来全网搜索话题相关内容
代码节点：用来从字符串中提取所有的 URL
迭代节点：用来循环执行上个节点输出的结果
- HTTP 请求：用来爬取每个 URL 的内容
- LLM 节点：用来对爬取的内容进行总结
- 模板转换：将 URL 和总结的内容合并在一起
代码执行：将循环迭代的结果合并到一起进行输出
模板转换：将上一步输出的数组结果转为表格
结束：输出表格内容

其中需要用到两个工具：

AI 搜索工具——Tavily AI
Jina AI

Jina AI 对大家来说是老朋友了，之前介绍过就不再过多赘述，具体可以参考这篇文章——《如何增强 Dify 的知识库检索能力？》。我们介绍一下另外一个 AI 搜索工具——Tavily AI。

官方网站

注册即送 1000 次请求，当然用完之后就得充值了👀。

复制如图所示的 API Key 之后，在 dify 的工作流中进行 Tavily AI 的配置即可。

除了 API Key 之外，Tavily 还提供了研究助理「Research Assistant」的功能：

它会根据搜索的话题，自定义一个角色，然后这个角色会将搜索到的内容进行分析：

这里面也是会消耗那 1000 次请求的。

再到 Jina 这里，原本的工作流中是使用的 Jina AI 工具，我将其改成了使用 HTTP 节点，这样可以通过 Jina Reader 去实现网页内容爬取而不耗费个人 token。

一般来说 Jina 的 API Key 我会用在 Dify 知识库中，主要使用 Jina AI 的 Rerank 来加强知识库检索。Jina Reader 目前是免费的，所以我在这个工作流中使用 Jina Reader 来实现网页内容的爬取。

之前也介绍过 Firecrawl《本地部署 Firecrawl 爬虫让 AI 知识库更丰满》，大家如果有部署好的，也可以使用它来实现。

基本组成介绍完之后，接下来我们详细看看每个节点的内容吧～

节点详情

开始节点：定义一个 question 字段，主要用来接收来自用户的输入；
工具-TavilySearch：拿着我们在上面获取到的 API Key 进行授权即可，然后接收开始节点传过来的字段进行搜索；
设定一个代码节点，主要作用是用来提取 URL，会输出一个 URL 的数组；

import re
import time
def main(arg1) -> dict:
    urls = re.findall(r'http[s]?://[^\s)]+', arg1)
    return {
        "result": urls,
    }

添加一个迭代节点，循环请求提取出来的 URL，将内容合并到一起进行输出，里面有：
- HTTP 请求：使用 Jina Reader 来爬取对应 URL 的内容并输出到下一个 LLM 节点；
- LLM 节点：接收上一个节点传过来的内容，并进行内容总结；
- 模板转换：将 URL 和总结出来的内容进行合并；
代码节点：因为迭代节点输出的是字符串，所以还需要再通过代码将里面的内容按照 URL + 对应内容的形式进行数据拼装再重新输出

import time
def main(arg1) -> dict:
    result = []
    for item in arg1:
        url, text = item.split('\\SP')
        text = text.replace('\n', ' ')
        result.append({'url':url, 'text':text})
    return {
        "result": result,
    }

模板转换：上一个节点输出的是一个数组对象，在这里通过模板的方式转为 Markdown 的表格
结束节点：最终输出表格给用户

对于这个工作流来说，Tavily AI 搜索和 Jina AI 其实都是需要填写 API Key 的，不过因为 Jina AI 也提供了 Jina Reader 的功能，所以对于 Jina AI 来说只要修改为 HTTP 节点，即可实现白嫖从而进行网页内容爬取。

但是对于 Tavily AI，还是需要消耗官方提供的 API Key 来实现 AI 搜索，免费次数使用完之后就需要充值或者使用其他工具了。

其实对于 AI 搜索来说，也可以通过本地部署 AI 搜索应用来实现，全流程本地化应用。

最后，三金在结束节点之前还增加了一个 LLM 节点，用来对搜索的所有内容做一个总结：

好了，本次工作流分享就到这里啦～需要 DSL 的小伙伴可以后台发送「AI 搜索与分析」获取。

目录

基本组成

节点详情