Fluxo de trabalho de orientação ambulatorial autônomo (chatflow) na Dify

Observação: este artigo usa o Dify v0.7.2.

Esse fluxo de bate-papo mostra como criar um chatbot para orientação ambulatorial que pode coletar dados do paciente por meio de diálogo na Web ou por voz. Em termos simples, isso significa que o paciente recebe uma recomendação para um departamento com base nas informações do paciente (idade, sexo e sintomas).

I. Pensamento de fluxo de trabalho

1. captura de tela do fluxo de trabalho

Captura de tela do fluxo de trabalho completo da orientação ambulatorial, mostrada abaixo:

2. pseudofluxograma do fluxo de trabalho

O objetivo do fluxo de trabalho de orientação ambulatorial é recomendar um departamento a um paciente com base na entrada de idade, gênero e sintomas do paciente. Na primeira rodada de diálogo, como o paciente pode inserir todas as informações ou parte delas de uma só vez, o nó "Parameter Extractor" é usado para extrair o gênero, o sintoma e a idade da primeira entrada do paciente. A variável de diálogo is_first_message é definida como 0 pelo nó "Variable Assignment" (Atribuição de variável).

3. problemas 1

Durante as rodadas subsequentes de diálogo, apenas um tipo de informação de campo é reconhecido por vez, embora o paciente possa fornecer vários campos, com os campos reconhecidos na ordem de idade, sexo e sintomas.

4. problemas 2

Se um departamento já tiver sido recomendado com base nas informações do paciente, a inserção de qualquer informação novamente recomendará o último departamento. Como o campo de departamento não está vazio, o processo de resposta direta é seguido.

II. Variáveis da sessão

A variável de sessão é usada para armazenar informações contextuais necessárias ao LLM, como preferências do usuário, histórico de diálogos etc. Ela é de leitura e gravação. As variáveis de sessão são orientadas para cenários de diálogo de várias rodadas, portanto, as variáveis de sessão só estão disponíveis para aplicativos do tipo Chatflow (Chat Assistant -> Workflow Orchestration).

1.variável de sessãotipo de dados

(1) Cordas

(2) Número

(3) Objeto

(4) Array[string] array de strings

(5) Array[number] Array de números

(6) Array[object] Array de objetos

2.variável de sessãocaracterização

(1) As variáveis de sessão podem ser referenciadas globalmente na maioria dos nós;

(2) A gravação de variáveis de sessão requer o uso da funçãoatribuição de variáveisNós;

(3) As variáveis de sessão são de leitura e gravação.

3. variáveis de sessão definidas nesse fluxo de trabalho

As cinco variáveis de sessão definidas para esse fluxo de trabalho são: se é a primeira rodada de diálogo, idade, gênero, sintomas e departamento.

III. Interfaces relacionadas ao fluxo de trabalho

1. obter a interface para o fluxo de trabalho

(1) Localização do código-fonte

• Localização do código-fonte: dedify-0.7.2\api\controllers\console\app\workflow.py
• Localização do código-fonte: dedify-0.7.2\api\services\workflow_service.py

(2) Obtenção de operações de fluxo de trabalho

http://localhost:5001/console/api/apps/3c309371-54f6-4bfb-894a-4193b189ffa5/workflows/draft. onde rascunho, como rascunho, indica depuração na página de fluxo de trabalho.

(3) Aquisição de implementações de fluxo de trabalho

O fluxo de trabalho armazena um registro na tabela de dados de fluxos de trabalho. A versão agora é rascunho e toda vez que um fluxo de trabalho é publicado, um registro é inserido nessa tabela. Como mostrado abaixo:

(4) Estrutura de dados do fluxo de trabalho

A estrutura de dados do fluxo de trabalho retornada pela interface é mostrada abaixo:

class Workflow(db.Model):
__tablename__ = 'workflows'
__table_args__ = (
db.PrimaryKeyConstraint('id', name='workflow_pkey'),
db.Index('workflow_version_idx', 'tenant_id', 'app_id', 'version'),
)
id: Mapped[str] = db.Column(StringUUID, server_default=db.text('uuid_generate_v4()'))
tenant_id: Mapped[str] = db.Column(StringUUID, nullable=False)
app_id: Mapped[str] = db.Column(StringUUID, nullable=False)
type: Mapped[str] = db.Column(db.String(255), nullable=False)
version: Mapped[str] = db.Column(db.String(255), nullable=False)
graph: Mapped[str] = db.Column(db.Text)
features: Mapped[str] = db.Column(db.Text)
created_by: Mapped[str] = db.Column(StringUUID, nullable=False)
created_at: Mapped[datetime] = db.Column(db.DateTime, nullable=False, server_default=db.text('CURRENT_TIMESTAMP(0)'))
updated_by: Mapped[str] = db.Column(StringUUID)
updated_at: Mapped[datetime] = db.Column(db.DateTime)
_environment_variables: Mapped[str] = db.Column('environment_variables', db.Text, nullable=False, server_default='{}')
_conversation_variables: Mapped[str] = db.Column('conversation_variables', db.Text, nullable=False, server_default='{}')

2. atualizar as interfaces de fluxo de trabalho

(1) Localização do código-fonte

• Localização da fonte: dedify-0.7.2\web\app\componentes\workflow\hooks\use-nodes-sync-draft.ts
• Localização do código-fonte: dedify-0.7.2\web\service\workflow.ts

(2) Atualizar as operações de fluxo de trabalho

http://localhost:5001/console/api/apps/3c309371-54f6-4bfb-894a-4193b189ffa5/workflows/draft.

(3) Atualizar o código de front-end do fluxo de trabalho

Devido à estrutura React Flow usada no front-end do fluxo de trabalho do Dify, especula-se que as operações POST, como adicionar, excluir e alterar, podem ser executadas quando o fluxo de trabalho é alterado. Por meio dos registros no Console do back-end, verificou-se que a chamada para a funçãoworkflows/draft?_token=::

aprovar (um projeto de lei ou inspeção etc.)workflows/draft?_token=Ao pesquisar o código de front-end, encontrei apenas um local para usá-lo, que deve ser aqui.

Como a operação POST é executada, deve haver um parâmetro Payload, certo, e o parâmetro de fluxo de trabalho é encontrado nesse arquivo.

Quando a dependênciagetPostParamsQuando ocorre uma alteração, ela é executada de forma assíncronasyncWorkflowDraft(postParams).

(indica relação causal)syncWorkflowDraft(postParams)A chamada real é POST, conforme mostrado abaixo:

(4) Resumo das funções de fluxo de trabalho

direitodify-0.7.2\web\service\workflow.tsAs funções estão resumidas a seguir:

número de série	nome da função	função função função	Parâmetros e explicações
1	fetchWorkflowDraft	Obtenha o rascunho do fluxo de trabalho.	urlURL da solicitação: String, o URL da solicitação.
2	syncWorkflowDraft	Sincronizar rascunhos de fluxo de trabalho.	urlURL da solicitação: String, o URL da solicitação.paramsObjeto: os parâmetros da solicitação, contendo o graphefeatureseenvironment_variables responder cantando conversation_variables.
3	fetchNodesDefaultConfigs	Obter a configuração padrão do nó.	urlURL da solicitação: String, o URL da solicitação.
4	fetchWorkflowRunHistory	Obter histórico de execução do fluxo de trabalho.	urlURL da solicitação: String, o URL da solicitação.
5	fetcChatRunHistory	Obter histórico de execução do bate-papo.	urlURL da solicitação: String, o URL da solicitação.
6	singleNodeRun	Executar um único nó.	appIdID do aplicativo: String, ID do aplicativo.nodeIdID do nó: String, a ID do nó.paramsObjeto: Objeto, parâmetros da solicitação.
7	getIterationSingleNodeRunUrl	Obtém o URL da execução da iteração para um único nó.	isChatFlowValor booleano que indica se é ou não um fluxo de bate-papo.appIdID do aplicativo: String, ID do aplicativo.nodeIdID do nó: String, a ID do nó.
8	publishWorkflow	Publique um fluxo de trabalho.	urlURL da solicitação: String, o URL da solicitação.
9	fetchPublishedWorkflow	Obter fluxos de trabalho publicados.	urlURL da solicitação: String, o URL da solicitação.
10	stopWorkflowRun	Interromper a execução do fluxo de trabalho.	urlURL da solicitação: String, o URL da solicitação.
11	fetchNodeDefault	Obter a configuração padrão do nó.	appIdID do aplicativo: String, ID do aplicativo.blockTypeTipo de nó: Valor de enumeração, tipo de nó.queryObjeto, opcional, parâmetro de consulta.
12	updateWorkflowDraftFromDSL	Atualizar rascunhos de fluxo de trabalho do DSL.	appIdID do aplicativo: String, ID do aplicativo.dataDados DSL: String, dados DSL.
13	fetchCurrentValueOfConversationVariable	Obtém o valor atual da variável de sessão.	urlURL da solicitação: String, o URL da solicitação.paramsObjeto: os parâmetros da solicitação, contendo o conversation_id.

3. implementação do fluxo de trabalho

Referência aoImplementação do processo de operações de criação, atualização, execução e exclusão do ChatflowA seção "Implementação do Chatflow" em [6].

4. publicação do fluxo de trabalho

(1) Localização do código-fonte

• Localização do código-fonte: dedify-0.7.2\api\controllers\console\app\workflow.py
• Localização do código-fonte: dedify-0.7.2\api\services\workflow_service.py
• Local de origem: dedify-0.7.2\api\events\event_handlers\update_app_dataset_join_when_app_published_workflow_updated.py

(2) Interface de publicação do fluxo de trabalho

Isso é executado quando você clica em Publicar fluxo de trabalhohttp://localhost:5001/console/api/apps/3c309371-54f6-4bfb-894a-4193b189ffa5/workflows/publishInterface.

Ele consiste principalmente na criação de um novo fluxo de trabalho e no acionamento do evento de fluxo de trabalho do aplicativo. Como mostrado abaixo:

(3) Criação de um novo registro de fluxo de trabalho

Isso consiste principalmente na criação de um novo registro de fluxo de trabalho em que o conteúdo do campo de versão é 2024-09-07 09:11:25.894535. indicando que o fluxo de trabalho foi publicado, e não rascunho (o fluxo de trabalho não foi publicado e ainda está sendo depurado na tela de fluxo de trabalho). Como mostrado abaixo:

(4) Implementação do evento app_published_workflow_was_updated

@app_published_workflow_was_updated.connect
def handle(sender, **kwargs):
app = sender
published_workflow = kwargs.get("published_workflow")
published_workflow = cast(Workflow, published_workflow)
dataset_ids = get_dataset_ids_from_workflow(published_workflow)  # 从工作流中获取数据集ID
app_dataset_joins = db.session.query(AppDatasetJoin).filter(AppDatasetJoin.app_id == app.id).all()  # 获取应用数据集关联
removed_dataset_ids = []  # 用于存储移除的数据集ID
if not app_dataset_joins:  # 如果没有应用数据集关联
added_dataset_ids = dataset_ids  # 添加数据集ID
else:  # 如果有应用数据集关联
old_dataset_ids = set()  # 用于存储旧的数据集ID
for app_dataset_join in app_dataset_joins:  # 遍历应用数据集关联
old_dataset_ids.add(app_dataset_join.dataset_id)  # 添加数据集ID
added_dataset_ids = dataset_ids - old_dataset_ids  # 添加数据集ID
removed_dataset_ids = old_dataset_ids - dataset_ids  # 移除数据集ID
if removed_dataset_ids:  # 如果有移除的数据集ID
for dataset_id in removed_dataset_ids:  # 遍历移除的数据集ID
db.session.query(AppDatasetJoin).filter(
AppDatasetJoin.app_id == app.id, AppDatasetJoin.dataset_id == dataset_id
).delete()  # 删除应用数据集关联
if added_dataset_ids:  # 如果有添加的数据集ID
for dataset_id in added_dataset_ids:  # 遍历添加的数据集ID
app_dataset_join = AppDatasetJoin(app_id=app.id, dataset_id=dataset_id)  # 创建应用数据集关联
db.session.add(app_dataset_join)  # 添加应用数据集关联
db.session.commit()  # 提交事务

A função desse código é lidar com o app_published_workflow_was_updated Sinal para atualizar o relacionamento de associação entre um aplicativo e um conjunto de dados quando o fluxo de trabalho publicado para esse aplicativo for atualizado. As etapas específicas são as seguintes:

• Obter o objeto do aplicativo que envia o sinal app e objetos de fluxo de trabalho atualizados published_workflow.
• invocações get_dataset_ids_from_workflow função que extrai a coleção de IDs de conjunto de dados do fluxo de trabalho atualizado dataset_ids.
• Consultar o banco de dados para obter todas as informações do aplicativo atual AppDatasetJoin Registros.
• Calcula os IDs do conjunto de dados a serem adicionados e excluídos:
  • Se não houver nenhum AppDatasetJoin todos os IDs de conjuntos de dados extraídos precisam ser adicionados.
  • Caso contrário, calcule os IDs do conjunto de dados a serem adicionados e excluídos.
• Eliminação da necessidade de remover AppDatasetJoin Registros.
• Adicionar novo AppDatasetJoin Registros.
• Enviar uma transação de banco de dados.

(5) Função da tabela AppDatasetJoin

A tabela AppDatasetJoin serve para manter um relacionamento de muitos para muitos entre um aplicativo (App) e um conjunto de dados (Dataset). Cada registro representa a associação de um aplicativo com um conjunto de dados. Os campos específicos são os seguintes:

• id: chave primária, identifica de forma exclusiva um registro.
• app_id: o identificador exclusivo do aplicativo.
• dataset_id: Identificador exclusivo do conjunto de dados.
• created_at: o registro de data e hora da criação do registro.
• Com essa tabela, é possível consultar quais conjuntos de dados estão associados a um determinado aplicativo ou a quais aplicativos um determinado conjunto de dados está associado.

(6) Implementação de get_dataset_ids_from_workflow()

def get_dataset_ids_from_workflow(published_workflow: Workflow) -> set:  # 从工作流中获取数据集ID
dataset_ids = set()  # 用于存储数据集ID
graph = published_workflow.graph_dict  # 获取工作流图
if not graph:  # 如果没有图
return dataset_ids  # 返回空集合
nodes = graph.get("nodes", [])  # 获取图中的节点
# fetch all knowledge retrieval nodes  # 获取所有知识检索节点
knowledge_retrieval_nodes = [
node for node in nodes if node.get("data", {}).get("type") == NodeType.KNOWLEDGE_RETRIEVAL.value
]  # 获取所有知识检索节点
if not knowledge_retrieval_nodes:  # 如果没有知识检索节点
return dataset_ids  # 返回空集合
for node in knowledge_retrieval_nodes:  # 遍历知识检索节点
try:
node_data = KnowledgeRetrievalNodeData(**node.get("data", {}))  # 获取节点数据
dataset_ids.update(node_data.dataset_ids)  # 更新数据集ID
except Exception as e:  # 如果出现异常
continue
return dataset_ids

A principal função da função get_dataset_ids_from_workflow é extrair os IDs de conjuntos de dados relevantes de todos os nós de recuperação de conhecimento de um determinado objeto de fluxo de trabalho:

• Inicialize uma coleção dataset_ids vazia para armazenar IDs de conjuntos de dados.
• Obtém a estrutura do gráfico do fluxo de trabalho.
• Retorna a coleção dataset_ids vazia se a estrutura do gráfico estiver vazia.
• Obtém todos os nós do gráfico.
• Filtrar todos os nós do tipo KNOWLEDGE_RETRIEVAL knowledge_retrieval knowledge_retrieval_nodes.
• Iterar sobre esses nós de recuperação de conhecimento, extrair seus IDs de conjunto de dados e atualizá-los na coleção dataset_ids.
• Retorna uma coleção de todos os IDs de conjuntos de dados extraídos.

5. outras interfaces de fluxo de trabalho

Essa parte da interface não será elaborada, pois a API de aplicativo de conversação de orquestração de fluxo de trabalho foi descrita com muita clareza.

número de série	nome da interface	link de interface	Explicação das funções de interface
1	Enviar uma mensagem de diálogo	POST /chat-messages	Crie mensagens de sessão que enviem entradas do usuário ou façam perguntas.
2	Carregamento de arquivos	POST /files/upload	Faça upload de arquivos (no momento, apenas imagens são suportadas) para uso ao enviar mensagens.
3	parar de responder	POST /chat-messages/:task_id/stop	Interromper respostas de streaming (somente o modo de streaming é compatível).
4	Feedback da mensagem (curtidas)	POST /messages/:message_id/feedbacks	Feedback do usuário e curtidas nas mensagens para facilitar a otimização do resultado.
5	Obtenha uma lista de sugestões de perguntas para a próxima rodada	GET /messages/{message_id}/suggested	Obtenha uma lista de sugestões de perguntas para a próxima rodada.
6	Obter mensagens do histórico da sessão	GET /messages	Obtenha o histórico dos registros de mensagens da sessão.
7	Obter lista de sessões	GET /conversations	Obtém uma lista das sessões do usuário atual.
8	Exclusão de uma sessão	DELETE /conversations/:conversation_id	Exclui a sessão especificada.
9	renomeação de sessões	POST /conversations/:conversation_id/name	Renomear a sessão.
10	conversão de voz em texto	POST /audio-to-text	Converta arquivos de voz em texto.
11	conversão de texto em fala	POST /text-to-audio	Converta texto em fala.
12	Obtenção de informações de configuração do aplicativo	GET /parameters	Obter informações de configuração do aplicativo, como chaves de função, parâmetros de entrada, etc.
13	Obtenção de metainformações do aplicativo	GET /meta	Obtenha as informações Meta do aplicativo para obter o ícone da ferramenta.

bibliografia

[1] Variáveis de sessão: https://docs.dify.ai/v/zh-hans/guides/workflow/variables

[2] Atribuição de variável: https://docs.dify.ai/v/zh-hans/guides/workflow/node/variable-assignment

[3] Agregação de variáveis: https://docs.dify.ai/v/zh-hans/guides/workflow/node/variable-assigner

[4] Reagir Site em chinês do Flow: https://reactflow-cn.js.org/

[5] Site em inglês do React Flow: https://reactflow.dev/

[6] Implementação do processo das operações de criação, atualização, execução e exclusão do Chatflow: https://z0yrmerhgi8.feishu.cn/wiki/FFzxwdF4PijlhjkLUoecOv6Vn8a