基于 DeepSeek 和 Dify 实现智能拍照解题

《基于 DeepSeek 和 Dify 实现智能拍照解题》学习笔记

来源：华为培训课件（14 页） 主题：使用 Dify 工作流 + 华为云 OCR 服务 + DeepSeek 大模型实现智能拍照解题

课程目标

1. 掌握 Dify 中调用华为云 OCR 服务 API 接口的方法。
2. 掌握 Dify 工作流使用方法。

---

拍照解题工作流（三个关键节点）

序号	节点	作用
01	开始节点	提供 url 上传功能，将 url 输出给代码执行节点
02	代码执行节点	调用华为云 OCR 服务 API 接口，识别上传图片
03	LLM 节点	DeepSeek 大语言模型，解析 OCR 服务返回结果

整体流程：

用户上传图片URL → 开始节点 → 代码执行节点（OCR识别）→ LLM节点（DeepSeek解析）→ 结束节点输出答案

---

代码执行节点要点（Python 示例）

import http.client
import json
import ssl

def main(url: str) -> dict:
    context = ssl._create_unverified_context()
    conn = http.client.HTTPSConnection("ocr.cn-east-3.myhuaweicloud.com", context=context)
    payload = json.dumps({"url": url})
    headers = {
        "X-Auth-Token": "你的X-Auth-Token",   # 鉴权 token
        "Content-Type": "application/json"
    }
    conn.request("POST", "/v2/0bc8d305ed00f3a42f4ac01b3ad5c406/ocr/general-text", payload, headers)
    res = conn.getresponse()
    data = json.loads(res.read().decode("utf-8"))
    words_blocks = data['result']['words_block_list']
    datas = ''.join(block['words'] for block in words_blocks)
    return {"result": datas}

要点：

• 调用华为云 OCR 通用文字识别接口路径 /v2/.../ocr/general-text。
• 通过请求头 X-Auth-Token 鉴权。
• 解析返回结果：遍历 result.words_block_list，拼接每个块的 words 文本返回。

---

思考题答案

1.（单选）Dify 工作流的第一个节点必须是哪个节点？

• A. 开始节点　B. LLM 节点　C. 参数提取节点　D. 代码执行节点
• 答案：A（开始节点）——工作流必须从开始节点发起。

---

记忆要点（一章速记）

1. 拍照解题三节点：开始（传 URL）→ 代码执行（OCR 识别）→ LLM（DeepSeek 解析）。
2. OCR 调用核心：general-text 接口 + X-Auth-Token 鉴权。
3. 工作流第一个节点必须是开始节点。