Dify实战：打造你的专属天气预报员

最新推荐文章于 2026-06-28 22:07:23 发布
原创 最新推荐文章于 2026-06-28 22:07:23 发布 · 870 阅读 · 10
标签
#人工智能 #语言模型 #gpu算力 #大模型训练 #机器学习
#深度学习
Hello，大家好，我是小S。

继上一篇我们用Dify打造了“脑筋急转弯大王”，让AI拥有了强大的“内置知识库”以及强大的联网工具。那么这次,我们可以让AI成为一个可以和现实世界建立连接的小伙伴。

怎么感知？答案就是API。

今天，我们就来搭建一个超级实用的项目：用Dify打造一个能实时查询天气预报的AI智能体。

它将不仅仅只是一个与世隔绝的机器人,而是能够获取到实时天气,并且能够关心你的贴心助手!

那么开始吧!

还是先在咱们的云平台上创建一个实例，但是今天来个不一样的创建法。

可以直接在AI训练营当中创建。

然后就会跳转到算力市场中来。

依旧建立一张一卡的实例就行。

最低0.47元/天 解锁文章
SuperTi_cloud
关注
[Dify] HTTP 请求节点详解：如何在 Dify 中配置与调用第三方 API
技术小甜甜：传播可落地技术，帮助个人和企业降低解决真实场景问题的成本
09-12 3795
Dify平台的HTTP请求节点是实现AI应用与外部系统集成的关键工具。该节点支持GET/POST/PUT/DELETE请求，可动态注入变量到URL、Header和Body中，并能处理JSON格式的返回数据。文章通过天气查询等案例，演示了从提取变量、配置请求到处理响应的完整流程，同时对比了HTTP节点与工具插件的区别。HTTP请求节点使AI应用获得实时数据交互能力，是构建智能工作流的重要连接器，适用于订单查询、企业微信推送等业务场景。
Dify携手高德地图MCP：轻松实现天气查询，智能生活新体验！
2401_84204413的博客
08-26 1315
摘要：Dify+高德地图MCP整合方案提供精准天气预报和出行规划服务，通过API对接实现实时天气查询，支持多节点工作流处理。方案包含环境配置、工作流搭建、API调用等完整实施步骤，并展示北京天气预报测试案例。同时文章探讨了AI大模型学习路径，提出四阶段进阶方案，涵盖基础应用到商业落地的完整知识体系，强调掌握AI工具在职业发展中的竞争优势。
dify工作流应用2-HTTP节点实现高德天气查询
muziqing_613的博客
04-13 3165
功能：借助 Dify 平台的 ChatFlow 工作流，实现高德天气查询功能。步骤1：添加高德城市编码表作为知识库。此知识库如同精准的索引，能让查询迅速定位到目标城市。步骤2：添加 HTTP 工作节点，接入高德天气查询 API 服务，构建起数据传输的桥梁。步骤3：通过大语言模型（LLM）强大的处理能力，将用户输入转化为可执行的查询指令，获取相应城市的天气情况。用dify平台的chatflow工作流实现添加知识库（高德城市编码表）和添加http工作节点(高德。
手把手教你为 Dify 开发一个“天气查询”工具插件（Python版，含完整代码）
weixin_33688840的博客
04-15 197
本文详细介绍了如何使用Python为Dify开发一个实用的天气查询工具插件，涵盖环境配置、API对接、参数处理、插件配置及打包发布等全流程。通过完整代码示例和关键点解析，帮助开发者快速掌握Dify插件开发技巧，实现高效的城市天气查询功能。
工作流制作智能体实例 - 天气查询·古诗词
kocor的博客
03-15 2194
天气查询·古诗词是腾讯元器的智能体、工作流的小应用。你可以充分的发挥你的想象力去创建各种有趣的应用。元器上可以创建知识库，工作流中引用知识库，创建公开的或私人的智能体。日常工作中标准化的流程完全可以应用工作流来提升效率，愉快的摸鱼。工作流+智能体是AI应用的大趋势，赶紧学习应用起来吧。
Dify + 高德MCP（保姆级教程）从零基础到实战精通，看这一篇就够了！
xiaoganbuaiuk的博客
08-16 1046
Dify与高德MCP的融合，以“AI+地理服务”的创新模式，既重塑着大众出行的智能体验，也为传统企业打破信息孤岛、提升运营效率提供切实可行的技术方案，推动多领域向智能化、精细化管理转型。给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。
Dify实战：让你的AI化身美食家，成为最懂你的本地美食向导
SuperTi_cloud的博客
08-12 998
继上次我们打造了“脑筋急转弯大王”和“天气预报员”之后，我们已经学会使用Dify的两大核心技能：强大的知识库和连接现实世界的API。今天，我们通过 参数提取 -> 工具调用 -> LLM总结 这个黄金公式，又一次创造了一个强大又实用的AI应用。2. 全网搜索 (Tavily)：拿着这两个关键词，去互联网上搜索近30天的信息(当然可以根据自己的需求设置这个时间)。老规矩，准备好咱的Dify环境和必要的插件：OpenAI-API-compatible 和 Tavily。在Tavily节点后，就是LLM的节点。
别再让AI胡说八道了！用Dify工作流+博查搜索，为你的DeepSeek-R1打造一个“事实核查官”
weixin_33686714的博客
04-03 171
本文介绍如何利用Dify工作流和BochaWebSearch为DeepSeek-R1构建事实核查系统，解决AI生成内容中的虚构信息问题。通过搜索-验证-回答的三步流程，显著提升回答准确率和来源可追溯性，适用于医疗、金融等对信息准确性要求高的场景。
多子品牌、多产品线实体区分，避免站内权重互相稀释
SEO_juper的博客
06-26 1871
2026 年谷歌 AI 实体检索、知识图谱体系下，多子品牌、多产品线站点天然存在权重稀释、实体模糊、关键词内耗三大运营隐患，很多站点盲目扩充产品与品牌页面，却忽略实体隔离底层优化，导致外链、内容投入无法转化为对应流量收益。整套实体区分、权重收拢体系逻辑分为四层递进动作：第一，搭建二级分层隔离 URL 架构，从页面存放路径切割不同业务实体；第二，配置差异化 Organization、ProductGroup 结构化数据，给谷歌提供机器可读的独立实体标识，搭配 LinkedIn 外部档案完成交叉核验；
详解AI-Agent中的MCP（Model Context Protocol），与function call的区别与联系
m0_60827485的博客
06-24 540
摘要： MCP（Model Context Protocol）与Function Call在工业级AI-Agent架构中存在本质差异。Function Call是模型调用工具的具体动作（如结构化指令执行），而MCP是管理工具调用与上下文的协议层，相当于AI Agent的“操作系统”。 核心区别： 抽象层级：Function Call关注单次工具调用（动作层），MCP管理多轮调度、状态、权限等（协议层）。 能力范围：MCP涵盖上下文治理、工具路由、记忆管理等，Function Call仅解决“调用哪个函数”。
机器学习周报五十一
最新发布
weixin_60864619的博客
06-28 238
本周阅读了论文Animatable 3D Gaussian，对LBS如何将高斯点映射到观测空间有了了解，形成对完整的高斯泼溅重建人体的流程的认识。3D gaussian Animate中的很多流程都比较复杂，但是其中的deformer模块还一直被继续使用到现在，已经对LBS蒙皮等操作的描述，让我了解到高斯泼溅重建人体的完整流程。
企业级AI网关技术方案：统一大模型访问与治理平台的设计与实践
技术引领业务创新
06-26 1121
本文提出了一种企业级AI网关技术方案，旨在解决大模型在企业应用中面临的治理挑战。该平台采用三层架构设计：接入层支持多样化调用入口，网关层实现统一治理中枢功能，模型层连接多种模型资源。核心功能包括统一协议入口、精细权限控制、智能路由调度、容灾fallback机制、成本治理和全链路审计。平台通过虚拟Key管理实现组织隔离，基于语义路由和策略引擎实现多模型智能调度，同时提供预算护栏等风控措施。典型应用场景包括组织级流量统一治理和多源模型统一纳管
破局异构算力与多协议接入：基于 Docker 与 GB28181/RTSP 的边缘计算 AI 视频管理平台架构解析
m0_65443681的博客
06-25 1101
该平台针对行业痛点提出三大创新解决方案：1）异构算力解耦，通过容器化技术实现X86/ARM架构及GPU/NPU芯片的跨平台适配，硬件抽象层设计使算法迁移效率提升95%；2）多协议流媒体融合引擎，支持GB28181/RTSP等主流协议及H.265/4K视频解析，实现品牌设备统一接入；3）闭环AI生态，集成算法商城、数据标注、可视化大屏及全渠道告警系统，提供从标注到推理的完整工作流。平台采用微服务架构，支持源码交付和OEM定制，显著降低二次开发成本，适用于智慧城市、工业视觉等场景的私有化部署需求。
2026政策加码下的制造企业碳监测：边缘计算本地部署方案，打通碳交易数据底座
SaturnCloud的博客
06-26 1225
与此同时，工信部启动 2026 年度工业节能降碳诊断服务，聚焦钢铁、电解铝、炼油、化工等重点行业，将碳排放核算与节能改造深度绑定，叠加中央 20% 改造投资补助、差别化电价、碳排放量置换等激励政策，制造企业的碳管理已从合规需求延伸为碳资产经营需求。碳交易的核心是数据可信。碳排放核算涉及电、气、煤、蒸汽等多品类能源数据，叠加生产工况、烟气浓度、物料参数等多维信息，传统方案仅能采集单一维度数据，无法在本地完成数据清洗、校验与融合核算，数据上传云端后再处理，既占用带宽，也容易出现数据偏差。
每日 AI 研究简报 · 2026-06-22
:: Dotnet Fantasy ::
06-22 347
本周 AI 领域迎来历史性转折——Claude Fable 5 短暂登顶后被叫停，智谱 GLM-5.2 开源破局逼近闭源前沿，全球大模型竞争进入"能力天花板"与"监管天花板"双轨博弈新阶段。
2025-TMM《Tensor-Based Late Fusion Incomplete Multiview Clustering》
Christo的博客
06-24 1200
2025年（收稿日期 2024-05-20；录用日期 2025-01-04；正式发表日期 2025-05-07；当前版本日期 2025-09-24）：Xiaoxing Guo, Ming Yang, Gui-Fu Lu（通讯作者：Gui-Fu Lu）：安徽工程大学计算机与信息学院；哈尔滨工程大学数学科学学院。
#RAG系统混合检索
2602_95606446的博客
06-26 963
*踩坑提醒**：script_score方式会对全库做cosine计算，数据量大了之后单次查询可能超过30秒。**方案一：批处理。** 单次推理改成batch推理，30对一起过，延迟从1.2秒降到0.4秒。** 30个候选减少到20个，rerank延迟降到0.25秒。m=16，ef_construction=100是平衡召回率和索引速度的参数，实测这个配置下索引速度约800条/秒，召回率比flat检索下降不到1%。faiss本地索引每天凌晨从ES同步一次，查询延迟约100ms，召回率约0.75，能用。
最新量化工具怎么选，先看自己的能力短板
2601_95631988的博客
06-25 993
读者应理解，工具选择不是越复杂越好，而是要贴合当前能力和任务阶段；同时，回测、模拟和实盘验证的问题不同，工具也应服务于这些不同判断。
2024-TIP《Spectral Embedding Fusion for Incomplete Multiview Clustering》
Christo的博客
06-24 891
2024年（Manuscript received 24 October 2022；：Jie Chen, Yingke Chen, Zhu Wang, Haixian Zhang, Xi Peng（四川大学计算机学院；英国 Northumbria University 计算机与信息科学系；四川大学法学院）
关于高维数据下的最近邻搜索算法性能分析的技术7
平头的博客
06-24 885
格式说明：
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值