Dify 中的对话系统（Conversation System）管理用户与 AI 应用程序之间的对话（聊天会话）和消息交换。它处理对话状态、历史记录跟踪、消息存储以及用户反馈和标注等相关功能。该系统是 Dify 的核心组件，与模型提供系统 （用于 AI 模型交互）和 RAG 知识系统（用于知识检索）协同工作。
系统概览
对话系统管理用户与 AI 应用程序之间的交互，并维护这些交互的持久记录。它支持不同的应用程序类型（聊天、完成、基于代理和工作流驱动），并为最终用户和管理员提供与对话历史记录交互的机制。
核心数据模型
对话系统围绕两个主要数据模型构建：对话和消息。
对话模型
对话模型代表用户和 AI 应用程序之间的完成聊天会话。
Conversation 主要属性包括：
| 属性（Attribute） | 描述（Description） |
|---|---|
id | 对话的唯一标识符 |
app_id | 关联应用程序 ID |
app_model_config_id | AI 模型的配置 ID |
mode | 应用模式（聊天、完成、代理聊天等） |
name | 对话的显示名称 |
summary | 谈话内容概要 |
inputs | 对话的输入变量 |
status | 当前对话状态 |
from_source | 对话来源（api、控制台等） |
from_end_user_id | 最终用户的 ID |
from_account_id | 账户用户 ID |
dialogue_count | 对话次数 |
created_at | 创建时间戳 |
updated_at | 上次更新时间戳 |
is_deleted | 软删除标志 |
对话模型与以下内容有关系：
- Messages 消息（一对多）
- MessageAnnotations 消息标注（一对多）
- App 应用程序（多对一）
消息模型
消息模型代表对话中的个人交流。
Message 主要属性包括：
| 属性（Attribute） | 描述（Description） |
|---|---|
id | 消息的唯一标识符 |
app_id | 关联应用程序 ID |
conversation_id | 父对话 ID |
inputs | 此消息的输入变量 |
query | 用户查询/提示 |
message | 原始消息内容（通常为 JSON） |
answer | AI 回复文本 |
message_tokens | 输入的令牌计数 |
answer_tokens | 输出的令牌计数 |
provider_response_latency | 提供商的响应时间 |
status | 消息状态 |
from_source | 消息来源 |
from_end_user_id | 最终用户的 ID |
from_account_id | 账户用户 ID |
parent_message_id | 父消息 ID |
created_at | 创建时间戳 |
workflow_run_id | 关联工作流程运行 ID（如果适用） |
agent_based | 基于代理的交互的标记 |
数据库 Schema
该图显示了对话系统中核心数据模型之间的关系：
对话生命周期
创建对话
当用户发起与 AI 应用程序的交互时，就会创建对话。创建过程因应用程序模式而异：
- 聊天模式（Chat Mode） ：在聊天会话开始时创建
- 完成模式（Completion Mode） ：为每个文本生成请求创建
- 代理聊天模式（Agent Chat Mode） ：专为基于代理的交互而创建
- 工作流模式（Workflow Mode） ：创建并链接到工作流运行
交互流程
服务层
对话系统通过几个服务类进行管理：
ConversationService
处理管理对话的核心功能：
- 用于检索对话的分页
- 对话删除（软删除）
- 对话重命名（包括自动生成）
- 检索个人对话
# Key methods in ConversationService
pagination_by_last_id(session, app_model, user, last_id, limit, invoke_from, sort_by) rename(app_model, conversation_id, user, name, auto_generate)
delete(app_model, conversation_id, user)
get_conversation(app_model, conversation_id, user)
WebConversationService
使用特定于 Web 的功能扩展 ConversationService：
- 固定/取消固定对话
- 按固定状态过滤对话
# Key methods in WebConversationService
pagination_by_last_id(session, app_model, user, last_id, limit, invoke_from, pinned, sort_by)
pin(app_model, conversation_id, user)
unpin(app_model, conversation_id, user)
API 接口
对话系统通过多个 API 公开接口，适用于不同的用例：
Console API
对于管理访问权限，包括查看和管理所有对话：
| 接口 | Method | 描述 |
|---|---|---|
/apps/<app_id>/chat-conversations | GET | 列出聊天 |
/apps/<app_id>/chat-conversations/<conversation_id> | GET | 获取聊天对话详 信息 |
/apps/<app_id>/chat-conversations/<conversation_id> | DELETE | 删除 |
/apps/<app_id>/completion-conversations | GET | 列 |
/apps/<app_id>/completion-conversations/<conversation_id> | GET | 获取完成 话详细信息 |
/apps/<app_id>/completion-conversations/<conversation_id> | D 删除完成对话 >删除完成对话 |
Service API
对于以编程方式访问对话：
| 接口 | Method | 描述 |
|---|---|---|
/conversations | GET | 列出用户的对话 |
/conversations/<conversation_id> | DELETE | 删除对话 |
/conversations/<conversation_id>/name | POST | 重命名对话 |
Web API
对于 Web 应用程序访问：
| 接口 | Method | 描述 |
|---|---|---|
/conversations | GET | 列出用户的对话 |
/conversations/<conversation_id> | DELETE | 删除对话 |
/conversations/<conversation_id>/name | POST | 重命名对话 |
/conversations/<conversation_id>/pin | PATCH | 固定对话 |
/conversations/<conversation_id>/unpin | PATCH | 取消固定对话 |
特色功能
对话固定
用户可以固定重要对话，以便于访问。此功能通过 PinnedConversation 模型和 WebConversationService 方法实现：
# Pin a conversation
WebConversationService.pin(app_model, conversation_id, user)
# Unpin a conversation
WebConversationService.unpin(app_model, conversation_id, user)
消息反馈与标注
用户和管理员可以对消息提供反馈并添加标注（更正或改进）：
- 反馈（Feedback） ：喜欢/不喜欢的评分，可选评论
- 标注（Annotations） ：管理员提供的更正或补充信息
文件附件
消息可以包含文件附件，支持各种文件类型：
- 视觉模型图像
- 文件上下文
- 基于配置的其他文件类型
文件上传功能通过 FileUploadConfigManager 配置，它控制允许哪些文件类型以及如何上传它们。
与工作流系统集成
对话系统通过消息模型中的 workflow_run_id 字段与工作流系统集成。这允许跟踪与特定工作流运行相关的消息。
应用模式
聊天应用程序
对于聊天应用程序，对话系统会维护包含多条消息的持久聊天历史记录。
完成应用程序
对于完成（文本生成）应用程序，每次交互通常都会创建一个包含单个消息的新对话。
总结
对话系统是 Dify 的核心组件，用于管理所有用户与 AI 的交互，提供持久化、历史记录以及反馈和标注等附加功能。它与其他系统紧密协作，尤其是用于 AI 响应的模型提供系统和用于复杂交互模式的工作流系统。
该系统设计灵活，支持不同类型的应用程序（聊天、完成、代理聊天）和用户界面（Web、API），同时保持一致的数据模型和服务层。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型实战项目&项目源码👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
为什么分享这些资料?
只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！
这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
发布者：admin，转转请注明出处：http://www.yc00.com/web/1754605164a5181467.html
评论列表（0条）