Dify搭建发票识别机器人

课程内容

1. 硅基流动图片识别服务
2. Dify创建发票识别机器人
3. 发票内容识别格式化输出
4. Chatflow调试及发布

硅基流动图片识别服务

硅基流动是一家专注于人工智能基础设施和生成式AI技术的初创公司。硅基流动是致力于构建可扩展、标准化且高性能的生成式AI计算基础设施平台，提供包括SiliconCloud（模型云服务平台）、SiliconLLM（大型语言模型推理引擎）和OneDiff（高性能文本到图像/视频加速库）在内的多种软件解决方案。

公司的网站https://siliconflow.cn

目前公司有三个产品siliconCloud、siliconLLm、OneDiff

该公司提供市面上主流模型，而且最关键是免费。

免费的模型涵盖文本生成、向量&重排序模型、图片生成、多模态大模型 等各种模型。提供一站式模型服务，这个比较爽。

目前新户注册送14块钱，大家可以通过我提供分析网址连接来感受这个免费的api模型服务。https://cloud.siliconflow.cn

功能介绍

注册登录后我们就可以进入体验中心

我们可以在右边的模型下拉列表中选择免费或则收费的模型

文本类模型还是蛮丰富的。

文生图和图生图 也支持目前市面主流图像生成模型（FLUX.1-dev 、FLUX.1-schnell、stable-diffusion-3-medium、stable-diffusion-xl-base-1.0、stable-diffusion-2-1、sd-turbo、sdxl-turbo、SDXL-Lightning）

其他使用方法这里就不过多介绍了。

硅基流动API

登录https://cloud.siliconflow.cn/account/ak，账号管理，点击新建API秘钥

这个创建的秘钥记得保存，后面流程中会用到。

Dify创建发票识别机器人

模型设置

登录dify 点击右上角设置-模型供应商

找到硅基流动，输入步骤4上创建的API

关于硅基流动多模态模型设置。这里我们需要注意目前硅基流动增加多模态识别模型.dify功能目前还不支持关于硅基流动多模态模型的设置，所以我们需要借助标准OpenAI-API-compatible 来设置这个多模态模型

目前硅基支持以下几种多模态模型

点击 OpenAI-API-compatible，添加模型

这里我们设置一下硅基流动多模态模型的配置，这里我们就以Qwen/Qwen2-VL-72B-Instruct 为案例给大家介绍，大家可以看我下面的截图设置

其他的和之前传统的llm模型设置一样，这里注意地方就是多模态VISION这个需要设置。点击保存完成模型设置。

创建工作流或者chatflow

接着来到Dify中按下图顺序依次点击并点击创建(注：chatflow和工作流配置基本差不多，下面我们就以chatflow讲解)

开始

开始节点点开后我们需要添加一个文件上传输入参数。点击开始节点输入字段，点击右边的“+”

我们选择单个文件，输入变量名称、支持的文件类型我们这里就选择图片。其他都可以默认，输入完成后，点击保存按钮

以上步骤完成开始节点设置。

文档提取器

接下来我们在工作流画布中，选择文档提取器和开始节点连接，去掉llm和开始节点连接

我们在文档提取器，输入变量中选中 sys.files 变量

llm

接下来我们将文档提取器的连接线和llm大语言模型连接。然后按照以下几个步骤设置