​
定义

利用 LLM 从自然语言推理并提取结构化参数，用于后置的工具调用或 HTTP 请求。 Dify 工作流内提供了丰富的工具选择，其中大多数工具的输入为结构化参数，参数提取器可以将用户的自然语言转换为工具可识别的参数，方便工具调用。 工作流内的部分节点有特定的数据格式传入要求，如迭代节点的输入要求为数组格式，参数提取器可以方便的实现结构化参数的转换。

​
场景

  1. 从自然语言中提供工具所需的关键参数提取，如构建一个简单的对话式 Arxiv 论文检索应用。
在该示例中：Arxiv 论文检索工具的输入参数要求为 论文作者 或 论文编号，参数提取器从问题”这篇论文中讲了什么内容：2405.10739”中提取出论文编号 2405.10739，并作为工具参数进行精确查询。 Arxiv 论文检索工具
  1. 将文本转换为结构化数据，如长故事迭代生成应用中，作为迭代节点的前置步骤，将文本格式的章节内容转换为数组格式，方便迭代节点进行多轮生成处理。
长故事迭代生成应用流程图
  1. 提取结构化数据并使用 HTTP 请求 ，可请求任意可访问的 URL ，适用于获取外部检索结果、webhook、生成图片等情景。

​
如何配置

参数提取配置界面 配置步骤
  1. 选择输入变量，一般为用于提取参数的变量输入。输入变量支持 file
  2. 选择模型，参数提取器的提取依靠的是 LLM 的推理和结构化生成能力
  3. 定义提取参数，可以手动添加需要提取的参数，也可以从已有工具中快捷导入
  4. 编写指令，在提取复杂的参数时，编写示例可以帮助 LLM 提升生成的效果和稳定性
高级设置 推理模式 部分模型同时支持两种推理模式，通过函数/工具调用或是纯提示词的方式实现参数提取，在指令遵循能力上有所差别。例如某些模型在函数调用效果欠佳的情况下可以切换成提示词推理。
  • Function Call/Tool Call
  • Prompt
记忆 开启记忆后问题分类器的每次输入将包含对话中的聊天历史，以帮助 LLM 理解上文，提高对话交互中的问题理解能力。 图片 开启图片 输出变量
  • 提取定义的变量
  • 节点内置变量
__is_success Number 提取是否成功 成功时值为 1，失败时值为 0。 __reason String 提取错误原因
编辑此页面 | 提交问题