用Dify平台搭建一个“电力交易小助手”

最新推荐文章于 2026-06-17 16:51:11 发布

原创最新推荐文章于 2026-06-17 16:51:11 发布 · 995 阅读

17 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#人工智能 #AI编程 #经验分享 #交互

前情提要

相信大家对RAG都不陌生，之前在本地构建了一个基于 RAG 的电力市场交易知识问答系统（MVP），能够上传 PDF/TXT 文档，并针对文档内容进行智能问答。主要用了以下技术栈：LangChain，Chroma ， text2vec，Gradio，模型使用的是deepseek-v3.1。

项目结构如下

electramind-rag-project/
├── main.py # 主程序入口
├── requirements.txt # 项目依赖
├── docs/ # 知识库文档
├── vector_db/ # 向量数据库
└── project_guide.md # 开发指南

结果展示

后面发现对于开发过程对于非专业人员过于复杂，了解到各个大模型应用框架后，选择使用Dify搭建一个agent，下面将会简单介绍其过程。

Dify搭建工作流

我们的目的是搭建一个Agent，辅助电力市场交易人员了解电力市场政策，其中，Agent会调用电力市场API以便用户及时了解电价期货市场实时交易价格。

知识库构建

首先，构建知识库，这里我主要在网上下载了以下几个文档：

1、《电力现货市场基本规则（试行）》

2、全国统一电力市场发展规划蓝皮书-2024-12-16

3、新能源及储能参与电力市场交易白皮书（2024）

4、国内外电力现货市场的发展综述与展望

我们不需要手动编写代码进行文本分割和向量数据库生成，Dify平台会完成这些。

工作流编排

这里"开始"是用户的输入，"知识检索"中引入了我们前文构建的数据库，"条件检索"会对"知识检索"的输出进行判断，如果为空（或者相似度低于某个阈值），则说明数据库中没有相关信息，需要调用外部支持。我们在"HTTP请求"从 Energi Data Service API 获取电力市场的实时数据，然后"代码执行"模块会解析得到的数据包，并将解析后的数据结合用户的提问，一起输入至"LLM"模块，最终，LLM会将我们需要的回答输出。

代码执行模块代码

def main(http_body, http_status_code, http_headers=None, http_files=None):
    """
    处理 HTTP 请求节点的输出，格式化能源数据。
    输入: http_body (字符串), http_status_code (数字)
    输出: 一个字典，包含格式化后的文本结果。
    """
    try:
        # 1. 检查HTTP请求是否成功
        if http_status_code != 200:
            return {"result": f"【数据服务暂不可用】API请求失败，状态码：{http_status_code}"}
        
        # 2. 解析body中的JSON字符串
        import json
        data = json.loads(http_body)
        records = data.get('records', [])
        
        # 3. 检查数据是否为空
        if not records:
            return {"result": "【实时数据更新】当前未查询到相关电价数据。"}
            
        # 4. 提取关键信息并格式化
        formatted_text = "## 实时电力现货价格\n\n"
        formatted_text += "以下为从 Energi Data Service 官方API获取的丹麦DK1地区最新电价信息：\n\n"
        
        # 添加表头
        formatted_text += "| 时间 (UTC) | 时间 (丹麦) | 价格区域 | 价格 (DKK) | 价格 (EUR) |\n"
        formatted_text += "|------------|-------------|----------|------------|------------|\n"
        
        for record in records:
            hour_utc = record.get('HourUTC', 'N/A')[:16]
            hour_dk = record.get('HourDK', 'N/A')[:16]
            price_area = record.get('PriceArea', 'N/A')
            price_dkk = record.get('SpotPriceDKK', 'N/A')
            price_eur = record.get('SpotPriceEUR', 'N/A')
            
            # 添加到Markdown表格行
            formatted_text += f"| {hour_utc} | {hour_dk} | {price_area} | {price_dkk} | {price_eur} |\n"
        
        # 添加数据摘要
        latest_record = records[0]
        latest_price_eur = latest_record.get('SpotPriceEUR', 'N/A')
        latest_time = latest_record.get('HourDK', 'N/A')[:16]
        
        formatted_text += f"\n**最新数据摘要**：{latest_time} 丹麦时间，DK1地区电价为 **{latest_price_eur} EUR/MWh**。"
        formatted_text += f"\n*数据来源：Energi Data Service，更新于 {records[0]['HourUTC'][:16]} UTC*"
        
        # 返回字典
        return {"result": formatted_text}
        
    except json.JSONDecodeError:
        return {"result": "【数据格式错误】处理能源数据时发生解析错误。"}
    except Exception as e:
        return {"result": f"【数据处理错误】发生未知错误：{str(e)}"}

函数接受的参数来源于"HTTP请求"模块的输出，分别是响应内容，响应状态码，响应头列表，文件列表。

LLM提示词

{你是一名资深的电力市场分析专家，专注于中国电力市场。你的职责是帮助用户解读电力交易政策、分析市场趋势和提供专业建议。

# 能力：

- 深入分析用户提供的政策文件、市场报告等资料。

- 用通俗易懂的语言解释复杂的专业术语和政策条款。

- 基于事实和数据提供分析，不编造不确定的信息。

# 要求：

- 回答要专业、准确、逻辑清晰。

- 如果问题超出你的知识范围或信息不足，请如实告知。

- 所有分析和结论必须基于你所学到的知识，不要胡编乱造。}

# 请根据以下提供的信息来回答问题：

变量1


# 这是电力市场API查询得到的信息：

变量2


# 问题：

变量3