6.4 Agent Best Practices02-Url

本小节主要介绍使用如何的使用Dify 上的URL 控件调用外部的第三方的脚本

https://dify101.com/market/exa-ai-dify-ai-beginner-friendly-http-node-tutorial

今天的工程的任务是，根据用户提出的问题的，使用的AI搜索引擎去寻找一些网页，形成相关的摘要，并且把摘要以优美的形式展示出来，这个任务的就简单地完成了。

整体的思路，首先是使用开始控件输入搜索的相关的信息，使用大模型优化输入的相关的问题，使用的API 的http 请求处理脚本的，找到关联问题信息之中输出的网址，将网址进行MARKDOWN 的格式化处理，处理完成之后，再次使用API 搜索关联内容的关键信息highlight，将highlight 输出，使用的大模型进行总结规划，根据归纳的信息，进行模板化处理并且输出。

这个就是这个应用主要的思路。

看到一个很好的API文档怎么简单快速的接入到dify 之中，这样可以快速创建应用，这是很关键的内容

https://exa.ai/

1.0 使用这个EXA 搜索服务

这里首先使用的是API KEY

如何在使用过程之中使用Python 语言进行转换以及转JSON的一些相关的技巧性的内容，这样的可以快速构建相关的应用的过程。

API key ： de89010b-b235-471f-8cfe-171a6e06391b

首先我们要研究下EXA 的API 文档，一般来说我们在研究文档时候的，首先需要知道的输入格式，输出格式，以及输出内容的JSON的格式由那些服务

我们发现请求的格式很简单的，仅需要传入的api_key 就可以发起请求，然后就由相关的节点的内容的输出，在先关的节点内容输出之后的就可以解析内容

"curl"这种类型的文档通常指的是用cURL命令行工具展示如何与API交互的示例。cURL（客户端URL库）是一个命令行工具，用于通过URL语法来传输数据，支持多种协议，包括HTTP、HTTPS等。以下是cURL在API文档中的常见用法和特性：

1. 交互性：cURL命令提供了一种简单而直接的方式来演示如何向API发送请求。这对于开发者测试API非常有用，因为他们可以直接在命令行中运行这些命令。

2. 完整性：cURL命令通常包含所有需要的请求信息，包括HTTP方法（如GET, POST, PUT, DELETE等）、头部信息（如Content-Type, Authorization等）、请求体数据（如果适用）、以及URL参数。

3. 易于理解：

   • HTTP方法：比如 curl -X POST 表示POST请求。

   • URL：目标API的完整路径。

   • 头信息：例如，-H "Authorization: Bearer token" 用于身份验证。

   • 数据：如果需要发送数据，可以使用 -d 选项，例如 -d '{"key":"value"}'。

简单来说就是一个使用的python 库文件，一个是没有使用Python库文件。

这里我们还需要关注下，在API 使用过程之中使用获取内容的api 的组件信息

2.0 以下是各个节点的创建的过程

2.1第一个节点

我们这里注意使用的是chatbot 的工作流，因为只有chatbot 的工作流才有系统内置的sys.dialogue_count 的选项内容存在。

使用prompt 进行重写，主要的原因就是的用户在相关的提问的时候，提出来的问题不是很具体，或者说提出来的问题比较杂乱无章，这个时候就可以进行相应的重写的操作。

2.2 第二个节点：

请在不改变原始意图的情况下重新表述用户的问题，使其更加具体。

2.3节点三 获取时间的内容及格式

from datetime import datetime, timedelta

def main(arg1: str) -> dict:
    end_date = datetime.now()
    start_date = end_date - timedelta(days=60)
    
    end_formatted = end_date.strftime("%Y-%m-%dT%H:%M:%S.%fZ")
    start_formatted = start_date.strftime("%Y-%m-%dT%H:%M:%S.%fZ")
    
    return {
        "startPublishedDate": start_formatted,
        "endPublishedDate": end_formatted
    }

这是一段由python 写的定义的脚本代码，注意主要是为了获取时间的，使用的main 进行主函数的定义的，在此定义的基础下输出未来搜索的开始时间以及结束的时间。

• 函数声明：函数接受一个字符串类型的参数arg1，但在函数体内并没有使用这个参数。函数返回一个字典。

• 日期计算：

  • 使用datetime.now()获取当前的日期和时间，作为结束时间(end_date)。

  • 通过从结束时间减去60天来计算开始时间(start_date)。

• 日期格式化：

  • 这两个时间点（start_date和end_date）被格式化为ISO 8601标准的字符串格式（例如："2024-10-27T02:03:00.000000Z"），这是一种通用的日期时间表示方法。

• 返回值：

  • 函数返回一个包含两个键值对的字典：

    • "startPublishedDate"：格式化后的开始日期时间字符串。

    • "endPublishedDate"：格式化后的结束日期时间字符串。

• 目的：这个函数可能用于创建一个时间范围，以用于查询或处理在特定时间段内发生的事件或数据。

• 注意：

  • 虽然函数参数arg1被声明，但没有在函数中被使用，这可能是在某种上下文中预留的，或者是代码未完成的一部分。

  • main函数通常用作程序的入口点，但在这里它只是一个普通的函数，命名为main可能是为了与其他代码结构保持一致。

第三个节点，打包输入的JSON 的格式，根据之前我们研究的API 文档我们知道，输入的参数以及内容的格式，为了避免输入的内容的报错，我们这里打包输入的内容，转换成JSON的格式

import json

def main(arg1: str, startPublishedDate: str, endPublishedDate: str) -> dict:
    json_data = {
        "query": arg1,
        "type": "neural",
        "numResults": 6, 
        "includeDomains": ["dify.ai"],
        "startPublishedDate": startPublishedDate,
        "endPublishedDate":endPublishedDate,
        "contents": {
            "text": True,
            "highlights": {
                "numSentences": 7,
                "highlightsPerUrl": 3
            }
        }
    }
    
    return {
        "result": json.dumps(json_data)
    }

• 构建一个搜索请求的JSON数据结构，可能用于某些搜索API或服务。

• 它允许用户指定搜索的查询内容、时间范围，以及对搜索结果的显示方式（如文本内容是否包含，高亮显示设置等）进行定制。

• 返回的JSON字符串可以被用于向API发送POST请求或用于其他需要JSON格式的地方。

同以上一样我们也需要打包下http 请求之后的输出的内容，这里是重点内容是要看下http 输出的内容的格式是什么。一般来说的我们会将输出的内容

import json

def main(input_data: str) -> dict:
    # Parse the input JSON
    data = json.loads(input_data)
    
    # Extract the results array and convert each item to a JSON string
    items = [json.dumps(item) for item in data.get('results', [])]
    
    # Calculate the number of items
    item_number = len(items)
    
    # Return a dictionary containing 'items' key and 'item_number' key
    return {
        "items": items,
        "item_number": item_number
    }

这样的我们的在后续进行循环操作处理，同样可以通过任何的动作进行优化的处理。

接下来是循环节点处理内容

这里注意的是循环节点是之前通过的http 服务之后，获的array 数组信息，这里需要对数组信息进行详细的处理的，查看数组的格式化内容，并进行处理。

适用于需要将 JSON 中的标题和链接转换为 Markdown 格式的场景。

处理

循环节点-使用API 获取节点信息，这里刚好使用之前的markdown 处理完成之后的 URL 作为输入的条件，同样使用的api节点的 http 的请求信息进行处理

总结内容让就比较简单了，使用基础的大模型的进行加载，加载之后，总结出相关内容

接下来处理的内容比较新，是使用一种新的语言模板对输出的内容的进行格式化的处理操作

https://docs.dify.ai/zh-hans/guides/workflow/node/template

模板节点允许你借助 Jinja2 这一强大的 Python 模板语言，在工作流内实现轻量、灵活的数据转换，适用于文本处理、JSON 转换等情景。例如灵活地格式化并合并来自前面步骤的变量，创建出单一的文本输出。这非常适合于将多个数据源的信息汇总成一个特定格式，满足后续步骤的需求。

Jinja2 使用场景

• 动态内容生成：Jinja2 常用于 Flask 或 Django 框架中生成 HTML、XML 或其他格式的文本内容。在这个例子中，它可能用于创建一个项目列表页面或文档。

• 模板继承与包含：虽然在这个片段中没有体现，Jinja2 支持模板继承和包含，这意味着这个模板可以是更大模板的一部分，或者可以被其他模板包含。

模板解析

• 项目编号：

  • NO.{{ index+1 }}：由于 index 可能从0开始，所以用 index+1 来确保编号从1开始。

• Markdown 链接：

  • 之前分析的 markdown_url 在这里被直接嵌入到文本中。这意味着在渲染时，这个变量应该已经包含了类似 标题 的内容。

• 摘要：

  • Summary: {{ summary }}：这里 summary 会被替换为具体的项目摘要。

• 项目进度：

  • {{ index+1 }}/{{ item_number }} 展示了当前项目在列表中的位置，以及总项目数。item_number 变量应该在模板外定义，可能是通过循环或其他逻辑计算得到的。

• 分隔符：

  • \n\n---\n\n 是纯文本，用来在项目之间提供视觉分隔。

本例子之中使用脚本的

NO.{{ index+1 }} {{ markdown_url }}
Summary: {{ summary }}
\\n\\n
{{ index+1 }}/{{ item_number }}
\\n\\n---\\n\\n

最后的进行调试，根据调试过程之中出现的问题，进行修正处理，做最后的完善

https://docs.dify.ai/zh-hans/guides/workflow/node/code