本次实战是基于“南瓜树低代码平台+dify大模型应用平台”，实现记录用户评价功能
整体思路：
1、大模型根据自然语言推理，对评价的内容按正负面评价进行分类；2、如果是负面评价，则再进行判断是售后问题还是运输问题、其他问题3、调用http接口，将用户评价内容保存到数据库。
演示内容分为两部分，业务功能开发、工作流开发。
一、业务功能开发：南瓜树低代码平台上开发一个数据服务
1、创建一个业务表：用户评价信息表
CREATE TABLE `product_evaluate_info` ( `productId` varchar(48) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '商品ID', `review` varchar(2000) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '客户评价', `review_type` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '分类1', `review_type2` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '分类2', `createBy` varchar(100) COLLATE utf8mb4_unicode_ci DEFAULT NULL, `create_time` datetime DEFAULT CURRENT_TIMESTAMP ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
2、开发一个数据服务：新增客户评价
数据引擎：默认1，如果其他数据库，则可参考数据引擎中的ID
数据编码：即接口唯一调用标识，后续调用这个服务时需要用到
sql：必传参数表达式: {！ param=#paramValue#},非必传参数表达式: {? param=#paramValue#},用户环境变量参数：@Env(loginId)日期变量参数： @{yyyy} 当前年份 @{MM} 当前月份 @{dd} 当前日期天 @{yyyy-MM-dd} 当前年月日 @{yyyy-MM-dd HH:mm:ss} 当前年月日时分秒
更多关于南瓜树数据服务功能的使用请参考：
https://note.youdao.com/s/UUewGMj8
insert into product_evaluate_info(productId,review,review_type,review_type2,createBy) values({! #productId#} ,{! #review#} ,{! #review_type#} ,{! #review_type2#} ,@Env(loginId))整体内容如图：
3、验证服务是否正常
4、检查数据库是否存在数据
二、AI应用开发：在Dify上开发一个工作流
1、创建一个工作流应用
2、梳理业务工作流逻辑
涉及节点类型：
1、开始、结束节点2、条件分支节点3、http请求节点4、参数提取节点5、问题分类器节点6、变量聚合节点
业务逻辑：
a、开始节点：用户输入文本变量：产品ID和客户评价评价
b、添加环境变量：token：默认值设置为1ApiCode：调用服务的数据编码username：用户登录业务系统的账号password：用户的系统账号密码
c、条件分支节点：根据环境变量token判断用户是否登录，如果没有登录，则调用登录接口实现登录
d、http请求节点：调用登录接口，传入环境变量中设置的账号密码，实现登录
e、参数提取器节点：解析登录接口返返回的token，覆盖环境变量的token值
f、问题分类器节点：对用户输入的评价调用大模型进行推理分类：将分类结果标识为正面评价 或 负面评价
g、http请求节点：将大模型识别出来的结果，调用我们刚开发的“新增客户评价”服务将数据保存到数据库；；需要在header中添加授权、将用户输入的商品ID和评价内容、环境变量的ApiCode、以及大模型的判断分类结果作为参数传入接口{"productId":"1", "review":"这个商品质量很好", "review_type":"正面评价", "review_type2":"", "ApiCode":""}
h、变量聚合器节点：将所有http请求节点的结果进行聚合输出
i、结束节点：将聚合的结果进行展示输出
整体节点图如下：
大模型自动识别为负面分类，且是售后问题
大模型自动识别为正面分类
