Difyを知ったのが9月、そこから Community 版(OSS版)を使い始めて、それほどたってませんが、ここまでで知ったTipsをいくつか紹介します。 アップロードサイズを50MBにする ローカルPC上に構築したDifyをインターネット上に公開する Difyの管理者用アカウントを初期化する Firecrawlをローカル環境内で使用する ReRankモデルをローカル環境内で使用する Dify Community版をAWS上に構築する アップロードサイズを50mbにする この方法は、比較的いろんなサイトとでもしょうかいされている、比較的有名なTipsです。 Docker Composeを使ってDify Community版を立ち上げている方は.envファイルの以下の箇所の設定を変更します。 Difyの環境変数は公式ドキュメントにも紹介されていますが、0.11.0の場合は50以上にしても反映
こんにちは、ふくちです。 アドベントカレンダー Dify編2日目の記事です！投稿が遅れてしまって申し訳ありません🙇♂️ 初めてDifyを触っているので大したプロダクトではないですが、自分が欲しいものを作ってみました！ 今回作りたかったもの 一言で言えば、日報フィードバックアプリです。 その日やったことを記録すれば、AIがフィードバックしてくれるようなイメージですね。 そしてそれをNotionにまとめて、後で自分の成長を振り返られるようにしたい。 このアプリを作る目的としては、自身がより技術力を高めるための習慣付けをすることです。 要するに、エンジニアとしてより成長するための土台を作りたい、ということです。 しかし、ただ闇雲に、あるいは漠然と行動だけしていても、あまり成長できません。 成長のためには、「目標・行動・振り返り・改善」 が必要だと私は考えています。 ただ、この中の「振り返り・
この1年、社内外で「エージェントの時代が来る！」という声を耳にすることが増えました。実際、SNSや技術コミュニティでもエージェントが注目されているのは事実です。ただ、あえてここは「今年はエージェントではなくワークフローの時代」といわせていただきます。 しかし私がいろいろ試行錯誤した結果、「お客様向けに完全自律のエージェントを提供」するのは現状まだ難度が高いと感じました。とくにハルシネーションリスクや誤った操作の暴走などが起きやすいからです。 一方、「確実にビジネス効果が出る」方法として、LLMを活用したワークフローを構築するほうが圧倒的に安定し、成果を出しやすい。たとえばコンテンツ生成工程や顧客対応の下準備工程にLLMを組み込み、最後は人間がチェックする形で運用することで、高速なアウトプットを手堅く実現できます。
注意事項この記事はbeta版の内容を含みます。以後情報が古くなる可能性があります。 また、既存のDifyと大きく内容が変わっておりますので、お試しの際は既存環境と分けて試されることを強く推奨します。 はじめに長らくv0.xだったDifyですが、ついにDifyのv1.0.0-betaが公開されました。 なんと...！ Dify v1.0.0-betaが出ました...！ プラグイン機能とエージェントノードが使えるようになり、Difyの使いやすさが格段に増加します！！ 🔸プラグインシステムとは？ →… pic.twitter.com/WJyo3O1g25 — 岸田崇史 | Omluc (@omluc_ai) January 9, 2025 Dify のv1で大きく変わるのは以下のとおりです。 プラグインシステムができること エージェントノードができること エンドポイント機能ができること これら
DifyでナレッジAPIを活用して15MBを超えるPPTX資料を効率的に登録する方法 背景 クラウド版のDifyでは、1ファイルの登録上限が15MBという制約があります。しかし、業務で使用するPPTX資料はこれを超える大容量ファイルであることが珍しくありません。この制約を解消するためには、画像圧縮やファイル分割などの手作業が必要になり、非常に面倒です。 そこで、Difyが提供するナレッジAPIを活用し、大容量のPPTX資料を効率的に処理・登録する仕組みを使用しました。この方法では、PPTXをスライドごとに分割してテキスト化し、チャンク分けを考慮した形で自動的にDifyのナレッジへ登録できます。 Difyとは？ Dify（https://dify.ai/jp) は、ChatGPTやLLM（大規模言語モデル）を簡単に活用できるアプリケーション開発プラットフォームです。ナレッジを登録することで、
はじめまして！ジェネラティブエージェンツの清水れみおです！ 今流行りのLLMアプリ開発プラットフォーム『Dify』についてユースケースや実装方法をみなさんに提供していきます！ 今回はJSON Parse(整形)についてです！ ※2024年8月時点の環境です。Dify Ver.0.6.16 Dify で HTTP ブロックをよく使いますよね？ API からデータを取得して色々処理したい時に便利なんですが、返ってくる result の整形がちょっと面倒に感じることはありませんか？ 特に複雑な JSON データだと、必要な情報を取り出すのにコードを結構書かないといけなかったり…。 そこで今回は、Dify の JSON Parse ツール を使って、JSON データの整形を劇的に楽にする方法をご紹介します！ 例えば、画像のように GCP Vision API から返ってきた結果からテキストデータだ
Difyとは Difyは、オープンソースのAIアプリ開発プラットフォームです。 AIを用いたワークフローを作成することができ、LLMOpsを簡単かつ効果的に構築できます。 また、ブロックプログラミングのようにブロックとブロックを組み合わせることで簡単にワークフローを創ることのできるUIを提供しており、開発者もそうでない人も問わず使用することができます。 今回作成したもの 対象のWEBページに対し スクレイピングで抽出 記事の要約を出力 を行うワークフローを構築しました 概要 今回構築したのは、以下のようなワークフローです 開始 Webページのスクレイピング Firecrawlを用いて対象ページのデータを取得します 記事内容の要約 LLMを活用して、スクレイピングデータを解釈し、要約を生成します 終了 フローの入力値 今回対象ページとして、Viteのドキュメントを対象にしました ▼ 対象 フ
Dify でも図表入り資料の RAG がしたい！Amazon Bedrock Knowledge Bases と組み合わせて高度な RAG を実現するAWSragbedrockDify tl;dr Dify のビルトインのナレッジは手軽で便利なものの、資料中の図表を適切にパースできない Amazon Bedrock Knowledge Bases を併用すると、LLM で図表を適切にパースしたり、階層型チャンキングで RAG 精度を向上することができる カスタムツールとして Amazon Bedrock Knowledge Bases を統合している (Amazon API Gateway + AWS Lambda を経由) 記事はあるが、ツールだと少し取り回しが面倒 Dify の 外部ナレッジベースAPI 機能を使って、より手軽かつ便利に利用できる その構築方法を Step by Ste
ジェネラティブエージェンツの西見です。 この記事はkintoneアドベントカレンダー2024の12月9日の記事です。 qiita.com 去年は「AIエージェントにkintoneへのデータ登録を代行してもらうCopilotの可能性」ということで、kintoneとAIエージェントを接続する話を書いていました。AIエージェントという言葉がそんなに広まっていない中で、なかなか早まった記事を書いたと思っております。。 note.com qiita.com 今年は逆にもう少し落ち着いて、kintoneにDifyを繋ぐとかなり便利ですよ！という話をしようと思います。 そもそもDify、皆さまご存知でしょうか。Difyとは、ノーコードで大規模言語モデル（LLM）による処理を繋げたワークフローを作成できるツールです。 このツールを使うと、こんな感じでWebページの情報をまとめたり、 企業調査をしたり、 X
スライド概要 社内で実施したDify講座の資料です。 Dify初級者から中級者向けに参考になる内容もあるかもなので、外部公開してみます。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
