本文适用对象：初级水平
目标：利用迭代的方法，对多个数据条目进行相同的处理
上一节Dify应用实战课，我们继续对新项目智能医疗分诊助手，进行了分解学习。
今天我们又将暂停一下，先学一下循环的处理。
学习完成，你将掌握如何对多条相同形式的数据，按照遍历处理的方法，进行加工处理。
**01.**动手做一做今天的任务会新开一个workflow，完成后可以合并至”每日智选”应用内。
再复习一下”每日智选”的内容，通过获取天气API，得到天气信息，输出到图片和语音中。而现在最主要的内容，是热点新闻和解读。接下来会获取每日热点新闻10条，然后填充进结果图。
添加节点”HTTP请求”，配置该节点为获取热点新闻。
接着在其后，添加节点”LLM”，设置如下，上下文选择”HTTP请求”的请求结果。提示词填写：
123456789根据获得的 上下文 内容，对其进行内容提取：1\. 需要得到author\_name新闻来源，title新闻标题和url文章链接2.严格按照json格式输出，参照key为类型，值为内容的形式，不需要解释。3.新闻来源需要有影响力的媒体，不要采收自媒体类型的。4.一次提取只需要10 ...
本文适用对象：初级水平
目标：利用问题分类将对话拆分为不同场景，将复杂使用场景转为多个单一场景
上一节Dify应用实战课，我们开启了一个新的项目，智能医疗分诊助手。
今天我们将基于智能医疗分诊助手，进行更为复杂的智能问答。
学习完成，你将掌握如何构建一个应用，能处理复杂场景的任务，通过场景拆解，达到化繁为简的目的。
**01.**动手做一做上次课的分诊应用，只有关键的一步，利用了大语言模型内在的自注意力机制，就能完成识别症状与导流的工作。
今天我们来要来增加这个智能医疗分诊助手”医小智”的能力。
因为在实际的场景中，有可能还是要确定大致问题的范围，然后再做出更加精准的判断。所以，就需要用到Dify的另一个组件”问题分类器”。
在上一课的流程基础上，我们在"开始"之后添加一个"问题分类器"，分类器同样也是需要选择一个大语言模型的，但是组件会约束大语言模型去匹配给定的分支的结果。
然后在每个分支后都能添加一个行动，可以是直接回复，也可以调用"LLM"，进一步对前面对话所获取的"信息"，和当前节点给予的&qu ...
今天我们开启一个新的项目 – 智能医疗分诊助手。
学习完成，你将掌握如何构建多轮对话应用，获得更为准确的信息，以实现特定的任务。
**01.**动手做一做暂时先将之前的案例放一放，大家需要新建一个对话流。放心，之前的图文生成和语音项目还未最终完成，但已经变得有点复杂了。如果是刚开始学的同学，可能有点跟不上。所以，我们为了降低难度，先再开启一个新项目，把没学的内容补齐。
最后会做完完整版的工作流。麦金叔先卖个关子，记得点赞、关注、收藏不迷路。
今天我们来动手做一做智能医疗分诊助手”医小智”的开发。
还是老规矩，这次我们选新建空白应用，类型用”Chatflow”。这其实和Workflow是差不多的，只是有一点差异，Chatflow是基于对话的，并且内置了记忆能力，即能将多轮对话的历史记忆保存并传递给下一轮对话。
新创建完成，自动会添加三个节点：”开始”，”LLM”和”直接回复”。
此时，就已经可以点击”预览”，进行对话调试了。
好了，准备工作就绪，我们正式开始项目开发。
“医小智”是一台放在医院大门口的机器人，它将代替问诊台的服务人员，初步判断来医院就诊的客人，属于什么病因，引导 ...
**01.**环境准备
大家通过昨天的教程，已经知道如何生成图片，并看到了最终效果。但是为什么要按照这样的流程进行编写，还是知其然，不知其所以然。
那今天麦金叔就给大家还原一下真相。
因为前面也提到了，这次的动手依赖两个第三方的服务工具。因此，如果想自己动手的，先把账号注册好吧。
注册成功后直接来到了控制台页面，此时按图创建应用。
继续点击新创建的一串数字APPID的应用，打开”应用详情”。可以看到现在API密钥这里是空的，点击右方”新增密钥”，获得一条记录。页面显示一长串数字字母的字符串，右边有个复制按钮，点一下复制保存到安全的地方，留着备用。
再说一下，这个服务宣称是免费，但实际上是每个账号每月有1000次的免费处理次数，正常使用基本上算免费了。但如果你的业务需求量很大，可以购买资源包，也不贵，一张图5厘，已经蛮良心的了。
按图所示注册figma，这个是美丽国的服务工具，虽然有一些不好的名声，但是在设计SaaS服务领域还是发展很快的。我们用它纯属”白嫖”，不用有太多顾虑。
注册后，下载一个包装的桌面版。然后记住这个插件，等下就要用，Batch auto-ge ...
一、工具准备和参考文档1.工具准备
WindowsTerminal：本次配置的终端工具，当然也可将本文作为参考
WSL2：Windows Linux子系统
2.参考文档
Microsoft官方教程 ：教程：使用 Oh My Posh 为 PowerShell 或 WSL 设置自定义提示符
oh-my-posh官方教程：oh-my-posh
二、WindowsTerminal的基础设置(必做步骤)1.字体设置首先去 Github 下载 nerd-fonts 字体。字体设置的目的是为了保证在安装了 oh-my-posh 后不产生特殊字符显示的问题。
下载releases的FiraCode.zip：FiraCode3.3.0.zip 其他版本可自行下载。下载完成后解压、安装字体。
在WindowsTerminal 中设置字体：
2.设置WindowsTerminal背景美化(可选)
三、PowerShell命令行美化
提示：请提前以管理员身份运行 PowerShell
1.安装oh-my-poshbash Install-Module oh-my-posh -Scope Curren ...
前言 如果你将Ubuntu的文件解压并安装到D盘，但WSL本身仍在C盘，则安装的Ubuntu子系统仍会使用WSL的默认存储路径。在 WSL (Windows Subsystem for Linux) 中，默认情况下安装的 Ubuntu 子系统及其文件存储位置是固定的，但你可以更改 WSL 的安装地址，尤其是对于 WSL 2。下面是如何更改安装地址的步骤。
一、查看安装路径：这一步完全可以不用操作，因为一般情况下WSL 的 Linux系统文件存储在 Windows 文件系统的特定位置。默认情况下，WSL 2 使用一个虚拟硬盘（VHD）来存储文件，而 WSL 1 则将文件存储在 Windows 文件系统中。
1. wsl2的安装目录WSL 2: WSL 2 使用一个虚拟硬盘（VHD），存储在 Windows 用户目录下，路径类似于：C:\Users\<YourUsername>\AppData\Local\Packages\CanonicalGroupLimited.UbuntuonWindows_<version>\LocalState\ext4.vhdx
2. ...
前言近年来，国产大模型DeepSeek备受关注，但随着用户访问量激增，频繁出现响应缓慢甚至系统宕机的现象，给使用者带来了一些不便。幸运的是，DeepSeek作为开源模型，允许开发者通过本地部署来解决这一问题。将模型部署到本地后，用户无需依赖网络即可随时进行推理操作，不仅提升了使用体验，还大幅降低了对外部服务的依赖。
安装 Ollama要在本地运行 DeepSeek，我们需要使用 Ollama——一个开源的本地大模型运行工具
首先，访问 Ollama官网 下载该工具。官网提供了针对不同操作系统的安装包，用户只需选择适合自己电脑的版本即可。在本例中，我们选择下载适用于 Windows 操作系统的版本。
*** 注意： 官网的下载地址为github网站的地址，因为一些原因，部分地区无法访问，大家可以使用Watt Toolkit 进行网络加速，或者使用好心人部署的文件加速网站进行下载 **
Ollama 安装包下载后双击install，安装速度还是比较快的（注：直接安装到C盘,无法更改位置，下载的模型也在C盘）
安装完成 Ollama 后，打开电脑的 CMD（命令提示符）。只需在电脑下方的 ...
1.更新软件源1dnf update
安装字库
1dnf install dejavu-fonts liberation-fonts gnu-*-fonts google-*-fonts
安装 Xorg
1dnf install xorg-*
2.安装 xfce1dnf install xfwm4 xfdesktop xfce4-* xfce4-*-plugin network-manager-applet *fonts
安装登录管理器
1dnf install lightdm lightdm-gtk
设置默认桌面为XFCE 通过root权限用户设置
1echo 'user-session=xfce' >> /etc/lightdm/lightdm.conf.d/60-lightdm-gtk-greeter.conf
使用登录管理器登录XFCE
1systemctl start lightdm
登录管理器启动后，在右上角左侧选择”xfce-session” 输入用户名、密码登录
设置开机自启动图形界面
12systemctl enable ...
ollama 是一个开源的本地大语言模型运行框架，它提供了非常简单便捷的使用形式，让用户可以十分方便的在本地机器上部署和运行大型语言模型，从而实现免费离线的方式使用 LLM 能力，并确保私有数据的隐私和安全性。
1 ollama 安装ollama 支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行。其安装、使用及模型下载非常简单，可以简单概括为以下几步：
• 下载 ollama 安装程序并安装。
• 启动 ollama，执行命令下载和运行模型。如：ollama run deepseek-r1:1.5b
• 以命令行交互、API 调用、第三方应用接入等形式使用其服务。
1.1 硬件要求ollama 本身对硬件要求并不高，主要取决于运行模型的要求。基本建议：
你应该至少有 4 GB 的 RAM 来运行 1.5B 模型，至少有 8 GB 的 RAM 来运行 7B 模型，16 GB 的 RAM 来运行 13B 模型，以及 32 GB 的 RAM 来运行 33B 模型。
假若需要本地私有化部署具有实用性的模型，应至少有独立显卡并有 4G ...
前提条件安装 Dify 之前, 请确保你的机器已满足最低安装要求：
12CPU >= 2 CoreRAM >= 4 GiB
关于如何在各操作系统上安装Docker，可查看Docker官方文档(https://www.docker.com/)
或参考文章：
如何在Linux、Windows、MacOS中安装Docker
蓁心的蓁意，公众号：时光瞭望塔如何在Linux、Windows、MacOS中安装Docker
获取代码克隆 Dify 源代码至本地环境。
1git clone https://github.com/langgenius/dify.git --branch 1.1.3
克隆代码需要系统已装Git，否则需要先安装。
访问 Git 官网，下载安装包安装：https://git-scm.com/downloads
关于Git安装可参考文章：
如何在Linux、Windows、MacOS中安装Git
蓁心的蓁意，公众号：时光瞭望塔如何在Linux、Windows、MacOS中安装Git
如果你的网络环境不好，无法直接克隆完整项目，可以试下以下的命令：
1 ...
