使用Dify快速搭建AgentCPM研报生成AI应用工作流

你是不是也遇到过这样的场景？业务部门的同事隔三差五就跑来问：“能不能帮我分析一下XX行业的最新趋势？”或者“下周要汇报，急需一份关于XX公司的深度研究报告。”作为技术或数据分析人员，你手头可能有AgentCPM这样强大的分析模型，但每次都要手动调用API、整理数据、生成报告，不仅耗时耗力，还很难让业务同事自己上手。

今天，我就带你用Dify这个AI应用开发平台，花上半小时，搭建一个业务人员也能零代码使用的智能研报生成应用。整个过程就像搭积木一样简单，不需要写复杂的后端逻辑，也不需要设计前端界面，专注在业务流程本身就行。学完这篇，你就能把一个专业的AI模型，变成一个开箱即用的业务工具。

1. 为什么选择Dify来构建这个应用？

在开始动手之前，我们先聊聊为什么是Dify。你可能听说过很多低代码平台，但Dify在AI应用开发上确实有它的独到之处。

传统的做法是，我们拿到AgentCPM的API后，需要自己写一个后端服务来调用，再写个前端页面让用户输入信息，最后还要处理报告生成、格式转换、甚至邮件发送等一系列琐事。整个过程下来，没个两三天搞不定，而且后续维护也挺麻烦。

Dify的思路不一样。它把AI应用开发抽象成了几个可视化的模块：大模型能力、提示词工程、工作流编排 和 应用发布。你只需要在界面上拖拖拽拽，把这些模块像拼图一样连接起来，一个完整的应用就诞生了。对于我们要做的研报生成应用来说，这意味着：

• 零前端开发：Dify自动生成用户交互界面，包括输入表单和结果展示区。
• 工作流可视化：整个“接收用户输入 -> 调用AgentCPM分析 -> 生成报告 -> 发送邮件”的过程，可以画成一张清晰的流程图。
• 快速集成：接入AgentCPM的API，基本上就是填个API Key和地址的事儿。
• 一键部署：做完就能得到一个可分享的链接，业务同事点开就能用。

说白了，Dify让我们能把精力从“怎么实现”转移到“解决什么业务问题”上。接下来，我们就一步步把它实现。

2. 前期准备：模型接入与Dify环境

工欲善其事，必先利其器。搭建应用前，我们需要确保两样东西就位：一是可用的AgentCPM模型API，二是一个Dify工作空间。

2.1 获取并配置AgentCPM模型API

首先，你需要确保能够访问AgentCPM模型的服务。这通常意味着你有一个提供了该模型API接口的服务提供商，或者你在自己的服务器上部署了该模型。

1. 获取API密钥：从你的模型服务提供商那里获取API Key（有时也称为Access Token）。这是调用接口的凭证。
2. 确认API地址：找到模型API的调用地址（Endpoint），通常是一个URL，比如 https://api.example.com/v1/chat/completions。
3. 了解参数：简单看一下API文档，了解必要的请求参数，比如 model（模型名称）、messages（对话消息）等。Dify后续配置时会用到。

把这些信息记下来，我们马上就会在Dify里用到。

2.2 创建与进入Dify应用

如果你还没有Dify账号，可以去其官网注册一个。目前它有云端托管版和开源自部署版，对于个人或团队内部试用，云端版就非常方便。

1. 登录Dify：进入Dify控制台。
2. 创建工作流：在左侧菜单选择“工作流”，然后点击“创建空白工作流”。Dify也有“对话型应用”的模板，但对于我们这种有固定输入输出流程的研报生成场景，“工作流”模式更直观、更强大。
3. 命名应用：给你的工作流起个名字，比如“智能研报生成助手”，然后点击创建。

现在，你会看到一个空白的画布，这就是我们搭建自动化流水线的地方。左侧是工具区，右侧是画布和配置区。

3. 核心搭建：设计研报生成工作流

现在进入最核心的部分——像搭积木一样设计整个工作流。我们的目标是：用户输入几个关键信息，系统就能自动产出一份结构完整的研报。

3.1 第一步：定义用户输入（开始节点）

任何工作流都得有个起点。在Dify中，这个起点就是“开始”节点，它定义了用户需要提供什么信息。

1. 在画布上，你会看到一个默认的“开始”节点。点击它，在右侧配置面板进行设置。
2. 添加变量：我们需要定义几个用户输入的字段。点击“添加变量”，创建如下字段：
   • company (公司名称)：类型选“文本”，可以给个提示如“请输入需要分析的目标公司名称”。
   • industry (行业)：类型选“文本”，提示“请输入公司所属行业，如‘新能源汽车’、‘云计算’”。
   • time_range (时间范围)：类型选“文本”，提示“请输入分析的时间范围，如‘2023年全年’、‘最近一个季度’”。
   • report_type (报告类型)：类型选“选择”，选项可以设置“趋势分析”、“竞争格局”、“投资价值”等，让用户下拉选择。
   • email (接收邮箱)：类型选“文本”，提示“请输入接收研报的电子邮箱地址”。这是我们最后发送报告的目的地。

配置好后，这个“开始”节点就相当于我们应用的用户输入表单。Dify会根据这个配置，自动生成前端的输入界面。

3.2 第二步：接入大脑——配置AgentCPM模型节点

用户输入的信息有了，接下来就需要交给AgentCPM模型来处理。我们在画布上添加一个“LLM”节点（大语言模型节点）。

1. 从左侧工具区拖拽一个“LLM”节点到画布上，并将其与“开始”节点连接起来（从“开始”节点的输出点拖到“LLM”节点的输入点）。

2. 配置模型连接：点击新添加的“LLM”节点，在右侧配置面板：

   • 供应商：选择“自定义AI供应商”（因为AgentCPM可能不在Dify默认的列表里）。
   • 模型类型：选择“聊天”。
   • 模型名称：填写你从API文档里看到的模型名，例如 agentcpm。
   • API密钥：粘贴你之前获取的API Key。
   • API地址：粘贴完整的模型API调用地址。

3. 设计提示词（Prompt）：这是告诉模型“做什么”和“怎么做”的关键。在“提示词”输入框中，我们需要精心构造一段指令。你可以参考下面的结构，并根据实际需求调整：

   你是一位资深的行业分析师。请根据用户提供的信息，生成一份专业、结构清晰的行业研究报告。
   
   # 用户需求
   目标公司：{{company}}
   所属行业：{{industry}}
   分析时间范围：{{time_range}}
   报告侧重类型：{{report_type}}
   
   # 报告生成要求
   1. 报告标题应明确包含公司、行业和时间范围。
   2. 报告需包含但不限于以下章节：执行摘要、行业宏观环境分析、公司竞争地位分析、关键财务与业务指标（如可获取）、主要风险与挑战、未来展望与建议。
   3. 语言风格专业、严谨，数据引用需注明可能的数据来源或估算逻辑。
   4. 最终输出格式为纯文本，但请使用Markdown语法来组织标题、列表和强调，以便于阅读和后续格式化。
   5. 如果某些具体数据无法获取，请基于公开信息和行业常识进行合理推断，并说明此为分析性判断。
   
   现在，请开始撰写报告。
   

   注意 {{company}} 这样的写法，这就是在引用我们之前在“开始”节点定义的变量。Dify会在运行时自动将用户输入的值填充进去。

这个节点配置好后，它就能接收用户输入，结合我们设计的专业提示词，去调用AgentCPM模型生成一份初步的研报草稿。

3.3 第三步：完善流程——格式化与邮件发送

模型生成的文本内容已经有了，但我们可能希望它更规整，并且能自动发送给用户。

1. （可选）文本处理节点：如果想让报告格式更统一，可以在LLM节点后添加一个“文本处理”节点。例如，使用“文本替换”功能，确保标题格式统一；或者用“正则表达式”提取关键结论生成摘要。
2. 配置邮件发送节点：这是实现自动化的最后一环。
   • 从左侧工具区拖拽一个“邮件”节点到画布，连接到上一个节点（LLM节点或文本处理节点）。
   • 在右侧配置面板，你需要先设置发件邮箱信息。这通常需要一个SMTP服务器配置（如公司邮箱或你的个人邮箱开启SMTP服务）。填入SMTP服务器地址、端口、发件邮箱地址和授权码。
   • 配置邮件内容：
     • 收件人：填写 {{email}}（引用用户输入的变量）。
     • 主题：可以写 【智能研报】关于{{company}}（{{industry}}）的{{report_type}}报告。
     • 内容：选择“变量”，然后选择上游LLM节点输出的那个变量（通常叫 text 或 output），这就是生成的研报内容。你可以这样写：“您好，您申请的研报已生成，内容如下：\n\n{{LLM节点输出的变量名}}”。

至此，一个完整的工作流就搭建好了：用户输入 -> 模型分析生成 -> （可选格式处理）-> 邮件发送。你的画布应该有一条清晰的连线，将这几个节点串联起来。

4. 测试、发布与使用

搭建完成，我们得试试它跑得顺不顺畅。

4.1 运行测试工作流

在Dify工作流编辑器的右上角，有一个“运行”按钮。

1. 点击“运行”，右侧会弹出测试面板，里面正是我们定义的输入表单。
2. 填写测试数据，例如：公司=某新能源汽车公司， 行业=新能源汽车， 时间范围=2023年， 报告类型=趋势分析， 邮箱=你的测试邮箱。
3. 点击“运行”。Dify会可视化地展示工作流每个节点的执行状态（运行中、成功、失败）。
4. 检查结果：
   • 查看每个节点的输出，特别是LLM节点，看生成的报告内容是否符合预期。
   • 检查你的收件箱，是否成功收到了格式完整的研报邮件。

如果测试失败，根据节点状态提示检查问题，常见问题包括：API密钥错误、网络连接问题、提示词逻辑导致模型输出异常等。

4.2 发布应用并分享

测试通过后，这个工作流就可以作为一个独立应用发布了。

1. 在Dify工作流页面，找到“发布”或“部署”按钮。
2. 发布后，Dify会生成一个唯一的应用访问链接。
3. 你可以直接把这个链接分享给业务同事。他们点开链接，就会看到一个简洁的输入页面，填写信息并提交后，报告就会自动发送到他们指定的邮箱。
4. （高级可选） 你还可以在Dify中配置API，将这个工作流的能力集成到你们自己的内部系统或聊天机器人中。

5. 总结与进阶思考

跟着上面的步骤走一遍，你应该已经成功搭建了一个能跑通的研报生成AI应用。整个过程几乎没有写一行代码，全部通过可视化配置完成。这充分体现了Dify这类平台在快速原型开发和降低AI应用门槛上的价值。

回过头看，这个应用的核心优势在于把复杂的AI能力“傻瓜化”了。业务人员不再需要关心模型、API、代码，他们只需要关注自己最熟悉的业务问题：分析哪家公司、哪个行业。技术团队则从重复性的接口开发中解放出来，更专注于优化提示词、设计更复杂的业务流程（比如加入从数据库获取历史数据、调用网络搜索获取最新资讯等节点）。

当然，这只是一个起点。你可以基于这个基础，继续深化：

• 丰富输入：增加“竞对公司列表”、“关键关注指标”等更细致的输入项。
• 优化提示词：根据实际输出效果，不断迭代提示词，让报告更贴近你公司的分析框架和文风。
• 扩展工作流：在生成报告后，添加一个“内容安全审核”节点；或者将报告自动保存到云文档（如Google Docs、飞书文档）。
• 尝试其他模型：在Dify中，你可以轻松切换不同的模型供应商（如OpenAI、DeepSeek等）或不同的模型，对比生成效果。

希望这个教程能帮你打开思路。AI技术落地，工具选对了，真的可以事半功倍。赶紧动手试试，打造一个属于你们团队的自动化分析助手吧。

---

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。