用AppFlow玩转通义百炼大模型应用

简介: 阿里云百炼平台提供一站式大模型开发服务,支持创建和定制应用,预置丰富插件和API。用户可以通过平台快速构建大模型应用,并利用AppFlow将其接入钉钉群聊,以AI卡片形式展示。

阿里云百炼是基于通义大模型、行业大模型以及三方大模型的一站式大模型开发平台。面向企业客户和个人开发者,提供完整的模型服务工具和全链路应用开发套件,预置丰富的能力插件,提供API及SDK等便捷的集成方式,高效完成大模型应用构建。在百炼平台上你可以非常快速便捷地搭建专属自己的大模型应用,包括流程编排和RAG等等。

然而有了应用之后,如何玩转它,如何快速地与朋友或同事共享自己的应用呢?利用AppFlow可以快速帮助你将应用接入钉钉群聊中,以AI卡片形式流式输出,在各个群聊中show出你的模型应用。

步骤一:创建百炼应用

  1. 访问阿里云百炼平台点击左侧应用中心-我的应用,点击“新增应用”。

  1. 编辑您的应用名称,选择模型和参数。
  2. 在页面下方可以开启模型的各类高级功能,例如知识检索增强,插件、流程等等,大家可以按需配置。可参考文档

  1. 找到刚刚创建的应用。复制并保存【应用ID】

  1. 点击左侧系统管理- API KEY可以查看您的API KEY

步骤二:创建钉钉应用

  1. 访问钉钉开放平台,联系您的组织管理员获取开发权限。然后点击创建应用。成为钉钉开发者的步骤可以参考文档https://open.dingtalk.com/document/orgapp/become-a-dingtalk-developer

  1. 点击右侧“创建应用”按钮。填写您的“应用名称”和“应用描述”,上传应用图标并点击保存。

  1. 创建完成后点击左侧“凭证与基础信息”,查看您的Client IDClient Secret。后续在AppFlow中配置使用。

  1. 点击左侧“权限管理”,在搜索框输入“Card”,勾选“互动卡片实例写权限”和“AI卡片流式更新权限”,点击批量申请。

步骤三:创建钉钉AI卡片实例

  1. 访问钉钉卡片平台,点击新建模版。
  2. 填写模版名称,卡片类型选择“消息卡片”,卡片模版场景选择“AI卡片”,关联应用选择您上一步创建的应用。点击创建。

  1. 进入卡片编辑页面,如果没有特殊需求,建议您使用默认设置,否则可能会导致AppFlow无法适配卡片的问题。直接点击“发布”并确认。

  1. 返回模版列表即可查看您的模版ID。

步骤四:配置AppFlow连接流

使用推荐模版创建

  1. 访问AppFlow控制台,选择“流式调用百炼应用并发送钉钉AI卡片”模版,点击“立即使用”。

  1. 对账户进行授权。点击权限凭证下拉框,点击“添加新凭证”。

步骤1填写您在钉钉开发平台获取的相应信息即可,在步骤3中直接下拉选择即可。

步骤2填写您在百炼平台获取的API KEY。

步骤3直接选择第一步创建的授权凭证即可。

  1. 点击下一步填写百炼应用ID和钉钉卡片模版ID。

  1. 点击下一步填写连接流名称等信息并下一步。
  2. 复制并保存WebhookUrl,点击发布按钮发布您的连接流。

*** 一定要记得发布,否则无法正常运行哦~***

步骤四:创建钉钉机器人

  1. 访问钉钉开发平台找到您的钉钉应用,点击进入详情页面。首先点击添加应用能力,点击添加机器人。点击侧边“机器人”,打开机器人配置。

  1. 填写相关必填信息。消息接收模式请选择“HTTP”模型,页面会出现“消息接收地址”输入框。在这里填写刚刚在AppFlow获取的WebhookURL地址。

  1. 点击调试按钮。可以钉钉扫码进群调试机器人。确认无误后点击发布。
  2. 回到应用开发页面,点击刚刚创建的应用名称进入应用详情页面。点击左侧菜单栏最下方的“版本管理与发布”,进入到版本发布与管理,点击右上角“创建新版本”按钮,输入版本相关信息,并选择合适的“应用可见范围”。

  1. 点击保存将进入权限审批环节,审批结束后应用将自动发布。如果您已经有权限了可以点击直接发布。

  1. 完成后即可去钉钉群中@机器人进行对话了~

最后

Appflow是阿里云计算巢团队自主研发的一款应用与数据集成平台,目前开发团队已经支持了众多公共连接器,您可以尽情发挥您的想象,使用AppFlow为您免去繁琐的重复接入和开发工作,为你的工作提速提效!

点击页面左侧"连接流"Tab,去创建你自己的Flow吧~

有任何疑问或者需求或者合作意向都可以加入我们的官方支持钉钉群(群号 69295006877)~欢迎大家一起加入群聊交流,为工作和Coding提效~

相关实践学习
2048小游戏
基于计算巢&ECS云服务器快速部署,带您畅玩2048小游戏。
相关文章
|
26天前
|
存储 人工智能 前端开发
前端大模型应用笔记(三):Vue3+Antdv+transformers+本地模型实现浏览器端侧增强搜索
本文介绍了一个纯前端实现的增强列表搜索应用,通过使用Transformer模型,实现了更智能的搜索功能,如使用“番茄”可以搜索到“西红柿”。项目基于Vue3和Ant Design Vue,使用了Xenova的bge-base-zh-v1.5模型。文章详细介绍了从环境搭建、数据准备到具体实现的全过程,并展示了实际效果和待改进点。
109 2
|
26天前
|
前端开发 机器人 API
前端大模型入门(一):用 js+langchain 构建基于 LLM 的应用
本文介绍了大语言模型(LLM)的HTTP API流式调用机制及其在前端的实现方法。通过流式调用,服务器可以逐步发送生成的文本内容,前端则实时处理并展示这些数据块,从而提升用户体验和实时性。文章详细讲解了如何使用`fetch`发起流式请求、处理响应流数据、逐步更新界面、处理中断和错误,以及优化用户交互。流式调用特别适用于聊天机器人、搜索建议等应用场景,能够显著减少用户的等待时间,增强交互性。
182 2
|
10天前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
52 2
|
20天前
|
机器学习/深度学习 人工智能 运维
企业内训|LLM大模型在服务器和IT网络运维中的应用-某日企IT运维部门
本课程是为某在华日资企业集团的IT运维部门专门定制开发的企业培训课程,本课程旨在深入探讨大型语言模型(LLM)在服务器及IT网络运维中的应用,结合当前技术趋势与行业需求,帮助学员掌握LLM如何为运维工作赋能。通过系统的理论讲解与实践操作,学员将了解LLM的基本知识、模型架构及其在实际运维场景中的应用,如日志分析、故障诊断、网络安全与性能优化等。
48 2
|
21天前
|
弹性计算 自然语言处理 安全
国内基础大模型的独立性及应用大模型的依赖性
本文探讨了国内基础大模型(如阿里巴巴的通义千问)的独立性及其应用大模型的依赖性。详细分析了这些模型的研发过程、应用场景及技术挑战,包括数据收集、模型架构设计和算力支持等方面。同时,讨论了微调模型、插件式设计和独立部署等不同实现方式对应用大模型的影响。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
7天前
|
人工智能 自然语言处理 算法
政务培训|LLM大模型在政府/公共卫生系统的应用
本课程是TsingtaoAI公司面向某卫生统计部门的政府职员设计的大模型技术应用课程,旨在系统讲解大语言模型(LLM)的前沿应用及其在政府业务中的实践落地。课程涵盖从LLM基础知识到智能化办公、数据处理、报告生成、智能问答系统构建等多个模块,全面解析大模型在卫生统计数据分析、报告撰写和决策支持等环节中的赋能价值。
24 2
|
1月前
|
机器学习/深度学习 数据采集 自然语言处理
【机器学习】大模型驱动下的医疗诊断应用
摘要: 随着科技的不断发展,机器学习在医疗领域的应用日益广泛。特别是在大模型的驱动下,机器学习为医疗诊断带来了革命性的变化。本文详细探讨了机器学习在医疗诊断中的应用,包括疾病预测、图像识别、基因分析等方面,并结合实际案例进行分析。同时,还展示了部分相关的代码示例,以更好地理解其工作原理。
37 3
【机器学习】大模型驱动下的医疗诊断应用
|
15天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,企业越来越关注大模型的私有化部署。本文详细探讨了硬件资源需求、数据隐私保护、模型可解释性、模型更新和维护等方面的挑战及解决方案,并提供了示例代码,帮助企业高效、安全地实现大模型的内部部署。
33 1
|
15天前
|
人工智能 分布式计算 数据可视化
大模型私有化部署全攻略:硬件需求、数据隐私、可解释性与维护成本挑战及解决方案详解,附示例代码助你轻松实现企业内部AI应用
【10月更文挑战第23天】随着人工智能技术的发展,大模型在各领域的应用日益广泛。然而,将其私有化部署到企业内部面临诸多挑战,如硬件资源需求高、数据隐私保护、模型可解释性差、更新维护成本高等。本文探讨了这些挑战,并提出了优化硬件配置、数据加密、可视化工具、自动化更新机制等解决方案,帮助企业顺利实现大模型的私有化部署。
36 1