使用Dify快速搭建CasRel模型应用无需编码的AI工作流你是不是也遇到过这样的场景手里有一堆非结构化的文本数据比如产品说明书、新闻稿或者客服对话记录想从中自动找出“谁对谁做了什么”这类关系信息。传统方法要么需要写复杂的代码要么得找专业的数据工程师费时费力。今天我就带你体验一种完全不同的方式用Dify平台像搭积木一样快速搭建一个关系抽取应用。整个过程你几乎不用写一行代码就能把专业的CasRel模型用起来验证它在你的业务场景里到底行不行。特别适合产品经理、业务分析师或者任何想快速验证AI想法的人。简单来说Dify就是一个可视化的工作流编排工具而CasRel是一个能从文本里抽取出“实体-关系-实体”三元组的模型。我们的目标就是把这两者结合起来让你通过拖拖拽拽就做出一个能用的AI应用。1. 准备工作认识你的“工具箱”在开始动手之前我们先花几分钟了解一下核心的“零件”。这能帮你更好地理解后面每一步在做什么。Dify是什么你可以把它想象成一个乐高平台。它提供了各种预制好的“积木块”比如“读取用户输入”、“调用AI模型”、“格式化输出”等等。你的任务就是把这些积木块按照逻辑顺序拼接起来形成一个完整的处理流水线。它最大的好处是你不需要关心每个积木块内部的复杂代码只需要关注它们之间的连接和数据的流动。CasRel模型能做什么CasRel是一个专门用于关系抽取的模型。给它一段文本比如“苹果公司由史蒂夫·乔布斯创立”它就能识别出其中的实体“苹果公司”、“史蒂夫·乔布斯”以及它们之间的关系“创立”最终输出结构化的三元组苹果公司创立史蒂夫·乔布斯。这种结构化的数据对于后续的分析、知识图谱构建都至关重要。我们的目标应用长什么样最终我们会做出一个带有简单网页表单的应用。用户在这个表单里输入或粘贴一段文本点击提交页面下方就会清晰地展示出从这段文本里抽出来的所有关系三元组。整个过程在浏览器里完成体验非常流畅。2. 第一步在Dify中创建你的应用万事开头难但在Dify里创建应用是最简单的一步。首先登录你的Dify平台。在应用创建页面你会看到几个选项。这里我们选择“创建工作流”。工作流模式比单纯的对话模式更强大它允许我们设计多步骤的、有复杂逻辑的处理流程非常适合我们这种“输入-处理-输出”的场景。给你的应用起个名字比如“智能关系抽取器”。描述可以写“自动从文本中抽取实体和关系”。创建完成后你会进入一个空白的画布这就是你搭建流水线的工作台了。3. 第二步搭建核心处理工作流现在来到最核心的部分——像搭积木一样设计处理流程。我们的流水线主要包含三个环节接收用户输入、调用CasRel模型、整理并输出结果。3.1 放置“起始点”接收用户提问在画布左侧的节点库中找到“输入”分类下的“提问”节点把它拖到画布中央。这个节点代表了我们应用的入口用户在前端表单里输入的内容都会流到这里来。点击这个节点进行配置。最关键的是设置一个“变量”。变量名可以设为text_input这就像给用户输入的数据贴上一个标签方便我们在后续的步骤里引用它。描述可以写“用户输入的待分析文本”。其他设置保持默认即可。3.2 放置“核心处理器”调用CasRel模型API接下来我们需要一个能执行实际分析的“大脑”。在节点库的“工具”或“AI模型”分类里找到“HTTP请求”节点也可能叫“API调用”拖到“提问”节点的下方。这个节点的作用是去调用托管在别处的CasRel模型服务。你需要进行如下配置URL填入你的CasRel模型API地址。例如https://your-casrel-service.com/predict。这是整个工作流能跑通的关键你需要有一个已经部署好的、可公开访问的CasRel模型API。方法选择POST。请求头通常需要设置Content-Type为application/json。请求体这里我们要把用户的输入传给模型。选择“JSON”格式然后写入类似下面的内容{ text: {{text_input}} }注意{{text_input}}就是我们上一步定义的变量。Dify会自动用真实的用户输入文本来替换它。配置好后用一条连线将“提问”节点和“HTTP请求”节点连接起来。这表示数据从“提问”流向了“API调用”。3.3 放置“整理员”格式化输出结果模型API返回的结果通常是原始的JSON格式对用户不太友好。我们需要一个节点来加工它。从节点库拖入一个“代码”节点放在“HTTP请求”节点之后。这个节点允许我们写一小段Python代码来处理数据。在代码编辑区我们可以写一个简单的函数来提取和格式化三元组信息。假设API返回的数据结构里关系抽取结果在一个叫relations的列表里每个关系包含head头实体、relation关系、tail尾实体。def main(api_response: dict) - str: 处理CasRel API的返回结果格式化为易读的文本。 relations api_response.get(relations, []) if not relations: return 未从文本中识别出明确的关系三元组。 output_lines [从文本中抽取到以下关系] for i, rel in enumerate(relations, 1): head rel.get(head, ) relation rel.get(relation, ) tail rel.get(tail, ) output_lines.append(f{i}. ({head}, {relation}, {tail})) return \n.join(output_lines)这段代码的作用就是把JSON数据转换成一段清晰的、带编号的文本。同样用连线将“HTTP请求”节点和“代码”节点连接起来并将API的响应结果作为api_response参数传入代码节点。3.4 放置“终点站”把结果给到用户最后我们需要把整理好的结果展示出来。拖入一个“回答”节点连接到“代码”节点。在“回答”节点的配置中内容来源选择“变量”。变量名填入你在“代码”节点中输出的变量名通常默认是result或output。这样格式化后的文本就会作为最终答案呈现给前端用户。至此一个完整的工作流就搭建好了用户输入 → 发送给模型API → 处理结果 → 输出展示。4. 第三步设计用户交互界面工作流是后台逻辑我们还需要一个让用户能操作的界面。Dify提供了便捷的前端配置功能。在应用编辑页找到“发布”或“预览”标签页这里可以配置用户界面。通常你会看到一个默认的聊天窗口。为了更符合我们的场景可以进行调整提示词在输入框上方设置一段引导文字如“请输入一段文本我将为您自动抽取其中的实体关系例如人物、地点、事件之间的关系。”输入框确保它支持多行文本输入方便用户粘贴大段内容。对话开场白可以设置一句欢迎语比如“您好我是关系抽取助手请告诉我您想分析的文本。”配置完成后点击“预览”按钮你就能看到一个即时可用的Web应用界面了。5. 第四步测试与发布你的应用在正式分享给他人之前一定要自己先跑通测试。在预览界面在输入框里粘贴一段测试文本例如“马斯克是特斯拉和SpaceX公司的首席执行官他出生于南非的比勒陀利亚。” 点击发送。稍等片刻你应该能看到类似这样的输出从文本中抽取到以下关系 1. (马斯克, 首席执行官, 特斯拉) 2. (马斯克, 首席执行官, SpaceX公司) 3. (马斯克, 出生于, 比勒陀利亚)如果结果符合预期恭喜你应用搭建成功了如果出错请检查1) API地址和密钥是否正确2) 工作流连线是否正确3) 代码节点处理的数据结构是否与API返回的实际结构匹配。测试无误后就可以在Dify中点击“发布”。发布后你会获得一个独立的应用访问链接可以把这个链接分享给同事或合作伙伴他们无需任何安装打开浏览器就能使用这个关系抽取工具了。6. 总结走完这一趟你会发现借助Dify这样的工具构建一个AI应用的门槛被大大降低了。你不需要去部署模型、编写后端接口、设计前端页面而是把重心完全放在了“业务流程”本身定义输入、选择模型、处理输出。这种方式特别适合快速原型验证。当你有一个新的业务想法比如想从合同里自动提取甲乙双方信息或者从新闻中追踪公司间的投资关系时你完全可以在几小时内就用Dify搭出一个可演示、可测试的MVP最小可行产品。这能让业务方快速看到AI的价值从而推动后续更深入的开发或采购。当然目前这个应用还比较简单。如果你想让它更强大可以在Dify工作流里加入更多“积木”比如在调用CasRel模型前先用一个文本清洗节点或者在输出结果后连接一个数据库节点把抽取的三元组自动保存下来。这些都可以通过拖拽和简单配置来实现。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。