7 Dify基础功能使用之基本操作介绍

查看大图

Dify 的基础操作不只是点几个按钮。我会把它拆成一条操作线：先建应用，再配模型和变量，再接知识库或工具，最后发布给真实用户试用。

查看大图

每建一个应用，都给它写一行说明：解决什么问题、用哪份材料、谁负责验收。后面应用多了，这一行说明能帮你避免工作台变成杂物间。

在上一篇文章中，我们对生成式AI应用创新引擎Dify的环境进行了搭建和配置检查，确保我们能够顺利使用该平台。在这一篇教程中，我们将深入介绍Dify的基本操作，帮助大家更好地理解如何高效地利用这一工具的基础功能。

Dify界面概览

首先，让我们先来浏览一下Dify的用户界面。Dify在界面上较为直观，主要包括以下几个部分：

查看大图

熟悉 Dify 基础功能时，先创建应用、选择模型、填写提示词、运行测试并保存发布。完整闭环跑通后，再增加复杂节点。

1. 侧边栏 - 可以快速访问不同的功能模块，如模型管理、数据上传、任务管理等。
2. 工作区 - 用于显示当前操作的详细信息和状态，用户可以在这里查看进度和结果。
3. 状态栏 - 显示当前的操作状态，以及系统的相关提示和通知。

熟悉这些界面元素后，接下来我们可以开始使用Dify的基本功能。

创建和管理数据集

在使用Dify之前，通常需要创建或上传数据集。以下是创建数据集的步骤：

查看大图

学习《Dify基础功能使用之基本操作介绍》不必一口气吃完所有细节。先挑一个能动手验证的小问题，再顺着图和正文补齐概念。

1. 数据集的上传

你可以通过Dify的侧边栏进入“数据集管理”模块，然后点击“上传数据集”按钮，选择要上传的文件。支持的文件格式包括CSV、JSON等。确认上传后，Dify会自动解析数据并生成预览。

2. 数据集的预览与编辑

一旦数据集上传成功，你可以在“数据集管理”中点击相应的数据集进行预览。Dify提供了友好的用户界面，让你可以：

• 查看数据的基本信息
• 进行数据清洗和预处理，包括删除空值、过滤噪声等操作。

示例代码

下面是一个简单的Python代码示例，展示如何读取和预处理CSV格式的数据集：

import pandas as pd

# 读取数据集
data = pd.read_csv('data.csv')

# 显示数据集的前五行
print(data.head())

# 删除空值
data = data.dropna()

# 过滤某一特定条件的数据
filtered_data = data[data['column_name'] > threshold]

基础功能执行

了解完数据集的管理之后，接下来可以开始进行模型的基础操作。你可以使用Dify提供的基础功能去训练模型、评估性能等。

1. 训练模型

在侧边栏中找到“模型管理”模块，点击“训练模型”按钮。在这里，你需要指定以下信息：

• 选择数据集：从之前上传的数据集中选择。
• 选择模型类型：Dify支持多种模型类型，包括分类、回归等。
• 设定参数：你可以调整学习率、迭代次数、批大小等模型参数。

2. 模型评估

训练完成后，你可以对模型进行评估。Dify会自动计算模型的准确率、召回率等指标，并给出分数。在评估界面中，你也可以生成可视化图表，帮助分析模型的表现。

查看大图

如果《Dify基础功能使用之基本操作介绍》还没完全消化，可以从这张卡片的四个动作重新走一遍。

查看大图

回看《Dify基础功能使用之基本操作介绍》时，不必一次做大项目，先用一条简单样例确认主线是否清楚。

总结与展望

在本篇教程中，我们详细介绍了Dify的基本操作，包括数据集的管理、模型的训练与评估。了解并掌握这些基本功能，将为我们的下一步操作打下坚实基础。

在下一篇教程中，我们将深入探讨如何创建第一个AI模型，为你提供更多的实用案例和操作指南，敬请期待！