- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI
Dify 工作流集成 Tavily 实现 AI 联网搜索
想象一下，你搭建了一个智能客服，用户问"你们公司最新的产品发布了吗"，AI 却答不上来，这体验有多糟糕。解决方案就是给 AI 接上"互联网的眼睛"——搜索工具。 让 AI 在回答问题之前，先去网上搜一搜，拿到最新的信息，再整合成答案返回给用户。这就是所谓的"联网搜索"或者"实时搜索"能力。 工作流设计思路在动手配置之前，先理清整个联网搜索的工作流程：用户提问 → 判断是否需要联网 → 调用搜索工具 → LLM 整合结果 → 返回答案最简单的实现是跳过"判断是否需要联网"这一步，直接对所有问题都执行搜索 搜索深度（Search Depth）：有「基本」和「高级」两个选项。基本模式速度快、消耗额度少，适合大多数场景；高级模式会进行更深入的搜索，返回更多结果，但消耗的额度也更多。建议默认使用基本模式。 整个配置过程只需要安装插件、获取 API Key、搭建两个节点的工作流，十分钟内就能让你的 Dify 应用具备联网搜索能力。
2.4K20编辑于 2026-01-16 智能研究新利器：用腾讯云ADP搭建AI深度搜索工作流，高效生成优质内容
本文将深入解析一个创新的AI驱动深度搜索主工作流系统，展示如何基于腾讯云智能体开发平台（TencentCloudADP）构建从研究主题识别到完整报告生成的全自动化流程。 ：多关键词并行深度搜索●内容整合：AI驱动的内容汇总与生成全流程自动化●从输入到输出：完整的端到端自动化流程●多格式输出：支持Markdown、HTML、PDF多种格式●实时部署：自动部署到网页平台●用户友好 SpecifiedTraversalVariable":"subtitles"}智能特性：●并行处理：同时处理4个子主题，大幅提升效率●负载均衡：智能分配计算资源●结果整合：自动汇总所有子主题的研究结果4.深度搜索子工作流关键词生成与提取 ":["DeepSeekV3Search","SougouWebSearch"],"parallel_search":True}多源搜索整合●DeepSeekV3搜索：基于AI的智能搜索和总结●搜狗网页搜索 基于腾讯云智能体开发平台（TencentCloudADP）构建的这个工作流展示了技术与知识工作深度融合的巨大潜力，为构建更加高效、智能的知识生产体系提供了宝贵的实践经验。
21310编辑于 2026-03-05- 来自专栏call_me_R
深度优先搜索实现 AI 井字游戏
---- theme: fancy 原文链接 Tic Tac Toe AI with a Depth-First Search -- 作者 Ofek Gila 深度优先搜索是种深度优先遍历树的算法 因为深度有限搜索的时间复杂度是**O(b^d)**，其中 b 是分支因子（在任意棋盘位置的平均可能移动的位置），d 是游戏结束前的平均深度或者移动数。 换言之，我们不能单纯使用深度优先搜索，去尝试解决四目或者其他复杂的游戏。 如果你想查看我的Connect Four AI（它比你在网上找到的任何其他的 AI 都要强大），请查看。 一个完整的井字棋深度优先搜索的简单 AI 案例，请戳这里。 译者加：如果你应用在五子棋这种稍微复杂的游戏中，深度优先搜索 AI 可能就会卡死你的电脑，读者可以通过更改下面的代码体验 代码片段 本文正在参加「金石计划 . 瓜分6万现金大奖」
2.4K10编辑于 2022-11-22 - 来自专栏JadePeng的技术博客
PhiData 一款开发AI搜索、agents智能体和工作流应用的AI框架
PhiData作为一个开源框架，为开发者提供了构建具有长期记忆、丰富知识和强大工具的AI助手的可能性。本文将介绍PhiData的核心优势、应用示例以及如何使用PhiData来构建自己的AI助手。 PhiData的设计理念如下，一个Assistant是以LLM为核心，加上长期记忆（Memory）、知识（结构化、非结构化）和工具（Tools，比如搜索、api调用等），这样就组成了一个完整的Assistant Autonomous RAG: 自主RAG 结合检索和生成任务的模型，赋予了LLMs搜索它们的知识库、互联网或聊天记录的能力。 show_tool_calls=False, markdown=True ) hn_workflow = Workflow( llm=groq, name="HackerNews 工作流 总结 PhiData以其强大的功能集成和灵活的部署选项，为AI产品开发提供了极大的便利和高效性。它为构建智能AI助手提供了一个全新的视角，让开发者能够探索AI的无限可能。
3.6K11编辑于 2024-05-25 - 来自专栏自然语言处理
深度优先搜索
简介 深度优先搜索算法（英语：Depth-First-Search，DFS）是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点，尽可能深的搜索树的分支。 当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。 属于盲目搜索。 实现方法 首先将根节点放入队列中。 从队列中取出第一个节点，并检验它是否为目标： 如果找到目标，则结束搜寻并回传结果。 否则将它某一个尚未检验过的直接子节点加入队列中。
87641发布于 2019-03-06 - 来自专栏卡尼慕
深度优先搜索
深度优先搜索，简称dfs。我们可以将它跟递归联合在一起。 dfs与递归 先回顾一下递归。 == 1 || n == 2){ return 1; } return fib(n - 1) + fib(n - 2); } 以上递归实现斐波那契实际上就是按照深度优先的方式进行搜索 注意：这里的搜索指的是一种穷举方式，把可行的方案都列举出来，不断尝试，直到找到问题的解。 ? 以上即为Fib(5)的计算过程，我们发现实际上对应着一棵树，这棵树被称为搜索树。 深度优先搜索与递归的区别： 深度优先搜索是一种算法，更注重思想。 递归是一种基于编程语言的实现方式。 深度优先搜索可以使用递归实现！当然也就存在非递归的的方式实现搜索。 dfs与迷宫游戏 ? 代码实现： 首先要处理好边界条件，即什么时候搜索结束。
1.1K10发布于 2020-02-25 - 来自专栏码匠的流水账
dify工作流+deepseek开启联网搜索
序本文主要研究一下如何使用dify工作流+deepseek开启联网搜索步骤创建工作流创建应用 --> 创建空白应用 --> 工作流 --> 编排开始节点，设置一个名为query的文本添加节点，选择工具web api，去https://app.serply.io/注册得到API KEY填写进去，之后设置输入变量为开始节点的query添加节点，选择LLM，deepseek-r1:8b，设置SYSTEM为根据搜索引擎检索到的内容 首先，我要查看搜索引擎的结果来获取最新的信息。\n\n从第一个链接中，我看到公历显示是2025年2月16日星期日，这个信息看起来比较详细，包括农历、黄历和生肖等。不过我需要确认一下这个日期是否正确。 小结借助dify强大的工作流编排就可以让其支持联网检索的能力，主要是靠提示词的衔接：根据搜索引擎检索到的内容：{x}WEB SEARCH API/{x}text，回答用户的提问开始/{x}query。 不过对于国内的搜索引擎比如百度、360、搜狗等没有内置的集成，有待进一步探索。docdocker部署dify结合deepseek构建知识库
4.7K21编辑于 2025-02-17 - 来自专栏yanlongli_艳龙
DFS(深度搜索) & BFS(广度搜索)
例题 输入一棵二叉树求该树的深度。 从根结点到叶结点依次经过的结点（含根、叶结点）形成树的一条路径，最长路径的长度为树的深度。 这里获取一棵二叉树的深度，可以是递归的方法，属于DFS（深度优先搜索）；另一种方法是按照层次遍历，属于BFS（广度优先搜索）。 DFS(深度搜索) 通过遍历的方式进行深度搜索 可以是自底向上汇总搜索结果 or 自顶向下汇总搜索结果 示例代码 /* struct TreeNode { int val; struct treeQueue.push(tmp->right); } } } return resDepth; } } 记录下，深度搜索 和 广度搜索的方案。
86210编辑于 2021-12-16 Linux深度解析：AI融合、CVE应对与高效工作流构建
Linux深度解析：AI融合、CVE应对与高效工作流构建 2025年的Linux生态持续迸发活力，AI原生基础设施落地、内核安全漏洞治理、个性化工作流定制成为社区热议的三大核心方向。 本文将结合最新技术趋势与实操案例，从AI与Linux的融合实践、CVE洪流的应对策略、高效工作流搭建三个维度，拆解当前Linux生态的热点问题，同时提供可直接落地的代码与步骤指南。 一、AI与Linux的深度融合：红帽llm-d打造大规模推理基础设施 AI原生操作系统与推理平台的落地，是2025年Linux社区最具突破性的趋势之一。 红帽在企业Linux 10中推出的llm-d开源项目，旨在基于Kubernetes构建开放、可扩展的大规模AI推理平台，解决企业AI部署中“算力调度难、模型适配杂、成本不可控”的核心问题。 与Linux的融合从概念走向落地，llm-d等项目降低了企业AI部署的门槛；CVE治理从“全量修复”转向“精准防护”，自动化工具与无重启补丁成为标配；个性化工作流则通过Dot Files实现了“低成本、
29710编辑于 2025-12-31- 来自专栏运维有术
AI 编程工作流选型：Spec-Kit、OpenSpec、Superpowers 深度对比
图 1：Spec-Kit、OpenSpec、Superpowers 三款 AI 编程工作流工具对比 用 AI 编程代理写代码，你有没有遇到过这些问题： 代理写出的代码风格飘忽不定，每次都要重新解释项目规范 多人协作时代理理解不一致，同样的需求给出完全不同的实现 想让代理遵循测试驱动开发，但它总爱跳过测试直接写代码 这些问题背后是同一个核心矛盾：AI 代理缺乏结构化的工作流约束。 技术架构深度对比 底层实现机制 图 2：三者的技术架构对比（技术栈、核心组件、数据流） Spec-Kit 的架构： ┌────────────────────────────────────────── 技术选型建议 图 5：根据项目场景快速选择合适的 AI 编程工作流工具 企业级项目场景 推荐：Spec-Kit 理由： GitHub 官方维护，长期支持有保障 阶段门控确保质量可控 丰富的扩展生态支持定制化 你在用哪个 AI 编程工作流工具？评论区聊聊你的选择理由。 好啦，谢谢你观看我的文章，如果喜欢可以点赞转发给需要的朋友，我们下一期再见！敬请期待！
2.9K10编辑于 2026-04-01 - 来自专栏韩曙亮的移动开发专栏
【数据结构与算法】图遍历算法 ( 深度优先搜索 DFS | 深度优先搜索和广度优先搜索 | 深度优先搜索基本思想 | 深度优先搜索算法步骤 | 深度优先搜索理论示例 )
文章目录 一、深度优先搜索 DFS 1、深度优先搜索和广度优先搜索 2、深度优先搜索基本思想 3、深度优先搜索算法步骤 二、深度优先搜索示例 ( 理论 ) 1、第一轮递归 2、第二轮递归 3、第三轮递归 4、第四轮递归 5、第五轮递归 6、第六轮递归 7、第七轮递归 一、深度优先搜索 DFS ---- 1、深度优先搜索和广度优先搜索 图 的 遍历 就是 对 图 中的 结点 进行遍历 , 遍历 结点 有如下两种策略 : 深度优先搜索 DFS 广度优先搜索 BFS 2、深度优先搜索基本思想 " 深度优先搜索 " 英文名称是 Depth First Search , 简称 DFS ; DFS 基本思想 : 访问第一个邻接结点 深度优先搜索算法步骤 : ① 访问初始结点 : 访问 初始结点 v , 并将该 初始结点 v 标记为 " 已访问 " ; ② 查找邻接节点 : 查找 初始结点 v 的 第一个 邻接节点 w ; ③ 邻接节点是否存在 , 将 w 结点 作为 新的 初始结点 v , 从 ① 步骤开始执行 ; 如果 w 结点存在 但是 被访问了 , 那么 查找 w 结点的 下一个 邻接节点 , 转到步骤 ③ 执行 ; 二、深度优先搜索示例
5.2K20编辑于 2023-03-30 - 来自专栏Coxhuang
深度优先搜索与广度优先搜索
深度/广度优先搜索 #1 深度优先搜索(DFS) Depth-First-Search ? 步骤 : 不到尽头不回头 从 1 开始，先找到其中一个相连的，2 被找到了 然后直接开始从 2 开始搜索，3 被找到了 然后从 3 开始搜索，4 被找到了 然后从 4 开始搜索，5 被找到了 然后从 在所给的二维矩阵中,找到由"1"相连的数量最多 思路 : 首先遍历每一个元素为 “1” 的点, 记为a 然后根据点a, 东南西北四个方向, 找到为 “1” 的点 递归a附近四个方向点, 的四个方向 (深度优先搜索 = 0: # 只有当元素为 "1" 时, 才使用深度优先搜索 ret = max(ret, self.dfs(grid,row,col)) # 每次DFS后, 与之前的最大面积相比, 取最大值 return ret def dfs(self, grid, x, y): # 深度优先遍历 if x<0 or y<
1.4K51发布于 2020-11-09 - 来自专栏AIGC新知
夸克“深度搜索”来袭，高搜商AI开启“外挂”模式
25年五一之后，打工人开启被AI环绕的每一天。 今天你学“AI”了吗？ 时时刻刻被各种AI包围的一天。 回想一下，我们普通人的每一天生活，真的会有那么多时间真正接触到AI吗？ 今年，夸克AI超级框先后上新“AI相机（拍照问夸克）”和“深度搜索”，一个全新的AI超级入口已经出现，无论是日常问题还是复杂任务，都可以在夸克里得到准确、丰富的解决方案。 这里的高搜商，指的是整个推理逻辑清晰 ，搜索时信息源专业可溯，最终的搜索结果可以根据情况动态调整，二次验证。 AI也一样，有了高搜商，更加懂得你的需求。 夸克的深度搜索功能，就是给深度思考加上了高搜商的魔力引擎，让AI更懂搜索，答案更准确、更可用。 当然信息源值得信赖，可以看到是从专业网站上搜索的信息。 在医疗健康方面，夸克与众多专业机构达成合作，拥有非常强大的知识库，里边的内容都是三审三校的结果，搜索内容质量非常不错。
93200编辑于 2025-05-09 AI Agents 的崛起与深度搜索如何重塑开发模式
随着人工智能（AI）技术的飞速发展，AI Agents（人工智能代理）和深度搜索（Deep Search）等技术趋势正在重塑开发模式，推动行业进入一个全新的时代。 未来，随着技术的不断进步，AI Agents 将在更多领域发挥重要作用，成为推动行业发展的核心力量。第二部分：深度搜索如何重塑开发模式2.1 什么是深度搜索？ 深度搜索（Deep Search）是指利用深度学习和大数据技术，从海量数据中挖掘有价值的信息，并提供精准的搜索结果。与传统的搜索引擎不同，深度搜索能够理解用户意图，提供更加智能和个性化的搜索体验。 2.2 深度搜索的核心技术自然语言处理（NLP）：深度搜索能够理解用户查询的自然语言，提供更加精准的搜索结果。知识图谱：深度搜索利用知识图谱技术，将搜索结果与相关知识关联，提供更加全面的信息。 个性化推荐：深度搜索能够根据用户行为和偏好，提供个性化的搜索结果。2.3 深度搜索的应用场景2.3.1 智能搜索深度搜索能够理解用户意图，提供更加智能的搜索结果。
34710编辑于 2025-03-12- 来自专栏悟道
dfs深度搜索模板
import java.util.Scanner; /** * @Author CaesarChang张旭 * @Date 2021/2/18 12:06 下午 * @Version 1.0 */ public class Main { public static void main(String[] args) { char table[][] = new char[9][9]; Scanner scanner = new Scanner(System.
62230发布于 2021-03-07 - 来自专栏仙士可博客
深度优先搜索(DFS)
深度优先搜索(DFS) 深度优先搜索,是从起点v0开始,优先往下v1,v2级搜索下去,同样的举例子: 假设有一个这样的文件夹: ? 深度优先搜索 深度优先搜索的做法为: 1:保存v0级别的所有文件,1,2,3,4,5,测试文本01.txt,测试文本02.txt, 2:先遍历v0级别的目录1,判断为目录,而不是目标文件 3:保存目录 深度优先搜索的做法是,从一个起点开始,一直遍历下去,直到满足条件或者没有数据遍历,则开始第二个点开始遍历,直到最后一个vo级数据遍历完毕 广度优先搜索和深度优先搜索 现在我们已经知道了广度优先搜索以及深度优先搜索的搜索步骤 我们根据它们之间的特性进行分析: 内存消耗 当子节点过多的时候,广度优先搜索需要保存更多的子节点数据以便于下次遍历,而深度优先搜索只需要保存当前节点的上下级节点 例如, 当v0级文件夹有10个文件夹 ,需要遍历全部数据,消耗更多的时间 广度优先搜索消耗更多的内存,消耗相对较少的时间,找出的是最优解, 算法实现 深度优先准备工作如下: 1:结果集数组,将匹配正确的结果集数组保存 2:递归函数,栈实现深度搜索
1.3K10发布于 2019-12-18 - 来自专栏悟道
dfs深度搜索模板
import java.util.Scanner; /** * @Author CaesarChang张旭 * @Date 2021/2/18 12:06 下午 * @Version 1.0 */ public class Main { public static void main(String[] args) { char table[][] = new char[9][9]; Scanner scanner = new Scanner(System
68040发布于 2021-02-19 - 来自专栏开心的学习之路
深度优先搜索（DFS）
深度优先搜索属于图算法的一种，英文缩写为DFS即Depth First Search.其过程简要来说是对每一个可能的分支路径深入到不能再深入为止，而且每个节点只能访问一次.
1.3K31发布于 2019-02-14 - 来自专栏章鱼的慢慢技术路
浅谈深度优先搜索
刚才例子的代码虽然不超过20行，却饱含深度优先搜索（Depth First Search,DFS）的基本模型。 理解深度优先搜索的关键在于解决“当下该如何做”（==下一步该怎么做）。 下面的代码就是深度优先搜索的基本模型： void dfs(int step) { //判断边界 for(i=1;i<=n;i++) //尝试每一种可能 { } return; } int main() { dfs(1); printf("total=%d",total/2); return 0; } 五、感受 深度优先搜索
81660发布于 2018-06-04 - 来自专栏AI技术应用
AI工作流程开发框架
AI工作流程开发框架是用于构建、部署和管理人工智能（AI）应用程序的软件工具和技术的集合。它们提供了一组预先构建的组件、API和工具，简化了AI工作流程的开发过程。 常见的AI工作流程开发框架1.Kubeflow特点： 基于Kubernetes的机器学习平台 提供各种组件，如训练、部署、管道等 支持多种机器学习框架（如TensorFlow、PyTorch） 适用于： AI工作流程开发框架？ 选择AI工作流程开发框架时，需要考虑以下因素：项目需求：确定AI工作流程的复杂程度、运行环境、依赖关系等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。 总结AI工作流程开发框架是构建AI应用的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解AI工作流程开发框架。
34710编辑于 2025-02-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号