大模型可视化应用敏捷开发方案：Dify+Echarts

大模型相关目录

大模型，包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容
从0起步，扬帆起航。

51. Moe模式：或将是最好的大模型应用开发路径
52. 一文带你了解大模型RAG
53. 详细记录swfit微调interVL2-8B多模态大模型进行目标检测（附代码）
54. DIfy中集成magic-pdf实现文档解析agent与多模态大模型图文问答
55. 大模型Prompt trick：利用大模型同情心提升模型性能
56. 一文带你入门大模型微调
57. 开源大模型LLaMA架构介绍
58. CyberScraper-2077+simple-one-api：使用大模型爬虫
59. 大模型高效利用结构化信息研究：HTML格式或许更好
60. moonshot：一个用于评估任何 LLM 应用程序的简单模块化工具
61. 多模态大模型赋能工程设计合规性校验解决方案
62. dify新特性：并行agent/工作流开发与变量存储
63. 大模型可视化应用敏捷开发方案：Dify+Echarts

帮助你10分钟开发一个基于大模型的针对性的可视化分析、绘图组件！

Dify不必多说，Echarts介绍如下：

官网：https://echarts.apache.org/zh/index.html

具体开发步骤：
1.新建一个ChatFlow
2.开始节点，开启文件上传功能，比文件上传功能的优势在于兼容格式多，数据变量可控

3.文档提取器

新版dify天然功能，此处不多赘述。
4.接LLM节点，prompt如下：

# 角色
你是一个数据整理专家，精通数据格式整理和数据格式转换。
# 数据
{
   
   {
   
   #context#}}
# 任务
-将数据转换成csv格式

5.接代码执行节点（python），过滤大模型中噪音文本

import re

def main(input_string):
    # 使用正则表达式提取CSV内容
    pattern = r'```(.*?)```'
    match = re.search(pattern, input_string, re.DOTALL)
    
    if not match:
        return None
    
    output = match.group(1).strip()
    
    return {
   
   "output":output}

6.再接代码执行节点，接入echarts功能

import csv
import json
def main(csv_string):
    # 将CSV字符串分割成行    
    lines = csv_string.strip(