基于Dify平台快速搭建AgentCPM智能研报应用：无需编码的AI工作流

丹力

256人浏览 · 2026-03-08 01:22:55

丹力 · 2026-03-08 01:22:55 发布

基于Dify平台快速搭建AgentCPM智能研报应用：无需编码的AI工作流

你是不是也遇到过这样的场景？市场部同事急需一份竞品分析报告，产品团队想快速了解某个新兴技术趋势，或者投资部门需要一份行业概览。传统的做法，要么是花几天时间手动搜集资料、整理分析，要么是求助于昂贵且排期紧张的数据分析团队。

现在，情况不一样了。借助像Dify这样的LLM应用开发平台，即使你一行代码都不会写，也能在几个小时内，搭建出一个专属的“智能研报分析师”。这个分析师能自动上网搜索最新信息，结合你提供的内部知识库，调用像AgentCPM这样擅长深度分析和推理的大模型，最终生成一份结构清晰、数据翔实的分析报告。

听起来有点科幻？其实操作起来比想象中简单得多。这篇文章，我就带你走一遍完整的流程，看看如何零代码搭建一个能真正解决业务问题的智能应用。

1. 为什么选择“可视化编排”来构建AI应用？

在深入具体操作之前，我们先聊聊为什么“可视化编排”这个方式，对业务人员来说是个福音。

过去，想做一个定制化的AI应用，基本只有两条路：要么自己组建技术团队从头开发，周期长、成本高；要么采购标准化的SaaS产品，但往往难以完全贴合自己独特的业务流程和数据。核心矛盾在于，最懂业务需求的人（产品经理、市场分析师、运营）和能实现技术的人（工程师）之间，存在一道沟通与协作的鸿沟。

可视化编排平台，比如Dify，就在尝试填平这道鸿沟。它把大模型的能力、各种工具（搜索、数据库、API）都封装成了一个个像乐高积木一样的“组件”。你需要做的，不是写代码去调用这些能力，而是在一个画布上，用鼠标把这些“积木”按逻辑顺序连接起来，形成一个完整的工作流。

这对业务人员意味着什么？

主导权回归：你可以直接设计符合业务逻辑的分析流程，比如“先搜索新闻 -> 再查询内部数据库 -> 然后让模型总结对比 -> 最后格式化输出”，而不需要向工程师反复解释。
快速迭代试错：一个想法，十几分钟就能搭出原型看到效果。效果不理想？马上调整流程或提示词，立刻再试。这种敏捷性是传统开发模式无法比拟的。
成本大幅降低：无需等待开发排期，也无需为简单的需求动用宝贵的研发资源。你的时间成本和学习成本，就是最主要的投入。

我们接下来要搭建的智能研报应用，就是一个典型的、由业务逻辑驱动的可视化工作流。

2. 搭建前的准备工作：理清思路与备好“材料”

动手搭建之前，花点时间想清楚两件事：你的应用具体要干什么？以及它需要哪些“食材”？

首先，明确你的“智能研报分析师”的工作职责。 以一个“新能源汽车行业月度动态分析”为例，我们可能希望它完成以下任务：

信息搜集：自动去搜索指定时间段内关于头部新能源车企（如比亚迪、特斯拉、蔚来）的最新新闻、财报亮点、技术发布。
信息整合：能读取我们上传的行业白皮书、内部市场调研PDF等文件，作为背景知识。
深度分析：基于搜索和读取到的信息，进行对比分析，指出技术趋势、市场竞争格局变化、潜在风险等。
报告生成：以固定的、专业的格式（比如包含摘要、市场动态、重点公司分析、趋势展望等章节）输出分析结果。

然后，准备好对应的“材料”。 在Dify这样的平台里，主要需要准备两样东西：

模型：这是应用的大脑。我们将使用AgentCPM。它是一个具备较强规划、推理和反思能力的智能体模型，特别适合处理需要多步骤、深思考的分析类任务。在Dify中，你可以通过接入相应API来使用它。
知识库：这是应用的长期记忆。你可以把行业报告、公司产品文档、历史数据表格等文件（支持PDF、Word、TXT等格式）上传到Dify的知识库模块。应用在工作时，可以优先从这些“内部资料”里寻找答案，保证分析的准确性和专业性。

准备好这些，我们就可以进入Dify开始“组装”了。

3. 分步搭建智能研报生成工作流

假设你已经注册并登录了Dify平台。我们从一个全新的“应用”开始创建。

3.1 创建应用与配置核心大脑（AgentCPM）

进入Dify控制台，点击“创建新应用”，选择“工作流”类型（这是实现复杂多步骤流程的关键）。给应用起个名字，比如“智能行业研报助手”。

创建后，首先来到“提示词编排”页面，但这里我们直接切换到更强大的 “工作流” 视图。你会看到一个空白的画布。

第一步，把“大脑”请进来。在画布右侧的组件库中，找到 “LLM” 类目，拖拽一个 “对话” 节点到画布上。点击这个节点进行配置：

模型：选择你已经接入的 AgentCPM。你需要提前在Dify的“模型供应商”设置里，配置好AgentCPM的API密钥和端点。
系统提示词：这是最关键的一步，相当于给模型设定角色和核心任务。你可以这样写：

“你是一位资深的行业分析师，擅长撰写严谨、结构清晰的行业研究报告。你的任务是根据用户提供的主题和搜集到的信息，生成一份专业的研究报告。报告应包含：摘要、宏观环境分析、行业关键动态、主要参与者分析、趋势与展望等部分。请使用客观、专业的商业语言，并引用具体的数据和事实。”

这个提示词决定了模型输出的基调和框架。

3.2 引入“眼睛和耳朵”：搜索与知识库检索

一个分析师不能闭门造车。我们需要给它接入外部信息源。

拖入“知识库检索”节点：从“工具”类目拖拽该节点，将其放在LLM节点的上游。在配置中，选择你之前创建好的、上传了行业资料的“知识库”。你可以设置检索的相似度阈值和返回的条目数量，以控制信息的相关性。
拖入“网络搜索”节点：同样从“工具”类目中拖拽。这可以让应用实时搜索互联网上的最新信息。配置时，你可以选择搜索引擎（如Google Search API或Serper API等），并可以设置一些默认搜索参数。

现在，画布上有了三个独立的节点。我们需要用“连线”来定义它们之间的协作关系。

3.3 设计工作流逻辑：用连线编织智能

这才是可视化编排的精髓。我们的目标是设计这样一个流程： 用户输入一个分析主题 -> 同时触发网络搜索和知识库检索 -> 将两者的结果汇总 -> 交给AgentCPM模型进行分析和报告撰写 -> 输出最终报告。

操作如下：

从画布最左侧的 “开始” 节点，拉出两条连线，分别指向 “网络搜索” 和 “知识库检索” 节点。这意味着流程一开始，这两项信息搜集工作将并行启动，提高效率。
分别从“网络搜索”和“知识库检索”节点的输出端，拉出连线，指向 “对话（AgentCPM）” 节点。这意味着模型将同时接收到来自网络和内部知识库的信息。
关键一步：配置“对话”节点的输入。点击该节点，在输入变量设置里，你需要将用户的问题（如“分析一下2024年Q1新能源汽车电池技术进展”）、网络搜索结果、知识库检索结果，都作为变量插入到“用户问题”框中。格式可能类似于：

“请基于以下信息，撰写一份分析报告。\n用户问题：{{用户输入}}\n\n网络搜索到的相关信息：{{网络搜索结果}}\n\n内部知识库相关信息：{{知识库检索结果}}” 这里的{{}}就是变量，Dify会自动将上游节点的输出填充进来。

最后，从“对话”节点的输出端，拉一条线连接到画布右侧的 “结束” 节点。并将模型的回复（即生成的报告）设置为整个工作流的输出。

至此，一个最核心的自动化研报生成流水线就搭建完成了。你的画布应该是一个清晰的、有向无环的流程图。

3.4 调试与优化：让结果更靠谱

第一次运行，结果可能不尽如人意。别担心，这是常态。Dify提供了方便的调试功能。

点击右上角的“运行”按钮，在弹出窗输入一个测试问题，比如“简述光伏行业近期政策变化”。观察工作流每一步的执行状态和中间结果。

如果搜索结果太杂：回到“网络搜索”节点，考虑在提示词中限定更具体的网站（如特定新闻门户）或添加搜索关键词后缀。
如果知识库没用到：检查检索相似度阈值是否设得太高，或者知识库文档切分是否合理。
如果报告格式不对：优化给AgentCPM的“系统提示词”，把格式要求写得更明确、更结构化。甚至可以提供一个报告模板作为示例。
如果分析深度不够：可以尝试在AgentCPM节点前，增加一个“文本处理”节点，对搜索和检索的结果进行初步的汇总和去重，让交给模型的信息更精炼。

这个过程就像调教一位新同事，通过几次沟通和反馈，它会越来越符合你的要求。

4. 从原型到产品：发布与集成

工作流调试满意后，就可以发布了。

在Dify中，你可以将应用发布为一个独立的Web页面，生成一个链接，分享给团队成员使用。他们只需要在网页里输入分析主题，点击提交，就能获取生成的研报。

更进一步，你可以：

配置API：Dify会为你的应用自动生成API接口。这意味着你可以将这个“智能研报”能力，集成到你内部的数据平台、OA系统或者聊天机器人里，让它在业务流程中无缝运行。
添加后处理：在工作流末尾，可以加入“代码”节点，用一点Python脚本将生成的报告自动保存为Word文档，或者发送到指定的邮箱、钉钉群。
设置定时任务：对于一些周期性报告（如每日舆情、周度市场回顾），可以利用外部调度工具（如Apache Airflow）或Dify的API，定时触发这个工作流，实现全自动化生产。