今天,咱们来制作一个好吃的AI!(bushi)

没错,这个好吃是形容词，我们要制作是一个对美食信息了如指掌的AI美食家!

今天，我们就来一步步实现它！

设计思路：专一,深情

参考上一期的天气预报员的工作流,这次也是一条路走到黑，只专注这一个功能。

整个工作流来这，只办三件事情!推荐美食，推荐美食，还是**的推荐美食。

我们的“美食家”大脑回路如下：

1. 听懂你的话 (参数提取器)：从“我在成都，想吃火锅”中，精准地抓取出‘成都’和’火锅‘这两个关键信息。

2. 全网搜索 (Tavily)：拿着这两个关键词，去互联网上搜索近30天的信息(当然可以根据自己的需求设置这个时间)。

3. 美食家登场 (LLM)：将冷冰冰的搜索结果，变成一段有温度、有文采的美食推荐语,简单来说就是角色扮演.润色一下内容

4. 上菜 (回复)：把精心准备的推荐送到你面前。

整个工作流就像这样清晰：

手把手搭建“美食家”

老规矩，准备好咱的Dify环境和必要的插件：OpenAI-API-compatible 和 Tavily。让我们开始吧！

在AI训练营中建立一个和Dify相关的实例

然后按照流程创建实例即可

非常简单,稍等片刻就可以看到agent出现啦

参数提取器——AI的耳朵

这是我们整个应用最“聪明”的地方。它负责从用户的自然语言中，提取出我们需要的变量。

这个我们需要2个参数,一个是location，地点，一个则是query，需要查询的内容

高端的食材，往往只需要最普通的烹饪方式

它只做“提取参数”这一件事，让我们的工作流非常干净。

Tavily搜索——AI的千里眼

接下来就是Tavily搜索这个节点了

我们要把上一步提取到的`location`和`query`动态地传给Tavily。在Tavily的查询输入框中，我们这样引用变量：

这样无论用户输入什么东西,我们都可以通过这个流程来准确搜索到。

然后就是这个插件本身的一些扩展配置,我这里是只修改了一个天数的参数，他默认是7天，我改成了30天，因为我认为还是要更多的数据支撑，才能有一个更靠谱的结论。

他还有很多的参数配置,感兴趣的可以深度研究一下。

LLM——AI的灵魂与口才

搜索到的结果只是一堆链接和文本，我们需要一个“美食家”来加工它。在Tavily节点后，就是LLM的节点。

Prompt就是AI的灵魂，决定了它的性格和说话方式。在这里，我们给它一个“美食家”人设：

你可以尽情发挥，给你的AI注入不同的“人格魅力”！

最终效果展示

万事俱备，让我们来考验一下这位新上任的“美食家”吧！

问：“我在广州，想吃早茶。”

问：“成都有啥好吃的日料？”

是不是非常智能和贴心？

总结与升华

今天，我们通过 参数提取 -> 工具调用 -> LLM总结 这个黄金公式，又一次创造了一个强大又实用的AI应用。这个模式的想象空间是无限的：

AI旅游规划师: 提取【目的地】和【天数】，搜索景点和攻略，生成旅行计划。

AI电影推荐师: 提取【演员】和【类型】，搜索影评，生成推荐片单。

AI购物助手: 提取【商品】和【预算】，搜索电商平台，提供购物建议。

通往智能世界的大门已经打开，现在轮到你了！赶紧动手，创造属于你自己的AI应用吧！

附件

通过网盘分享的文件：美食家.yml
链接: https://pan.baidu.com/s/1lghaqYnW2FkkfEsWVFuQKw 提取码: 96ig 
--来自百度网盘超级会员v6的分享