低代码 & 大模型：JeecgBoot 如何成为 AI 应用加速器
JeecgBoot 平台的 AIGC 功能模块，是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统，是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理、模型管理、对接向量库、实时运行可观察等，让您可以快速从原型到生产，拥有 AI 服务能力。https://pica.zhimg.com/80/v2-2c737eadc27b9ae3d17e2be610f36514_720w.webp体验地址：https://boot3.jeecg.com源码下载：https://github.com/jeecgboot/JeecgBoot
LLM（大模型）节点介绍LLM（大模型）节点 是AI流程中的核心组件，负责与大语言模型（LLM, Large Language Model）交互，处理用户输入的文本、图片以及提示词，完成文案创作、文本分析、代码生成、图像理解等多种智能任务。LLM 节点依赖于所配置的大语言模型，不同的模型适用于不同的业务场景。用户可根据实际需求为每个节点灵活选择合适的模型。例如：需要生成高质量代码时，可以选择 DeepSeek 的 coder 模型； 进行图像理解任务时，则推荐使用 OpenAI 的 GPT-4o-mini 模型等。
一、应用场景大模型（LLM）节点是 AI 系统中最具通用性与智能化的能力之一。它能够基于用户的自然语言输入进行复杂的语义理解、内容生成以及多轮对话，从而支撑丰富多样的智能交互需求。最特别的是,在AI工作流中,我们可以让多个大模型节点配合,一起完成复杂的任务,比如:用户提供一张图片，让擅长图片理解的OpenAI来理解图片的内容，然后让擅长中文的DeepSeek根据图片的内容生成一个富含创意的文案，这样就完成了一个复杂的任务。https://pic4.zhimg.com/80/v2-903a1856378287aeea6843f52528525d_720w.webp
[*]我们提供一张卡比游泳的图片
https://pic3.zhimg.com/80/v2-9aee32ae1fbb9078e04c0cf4e4f5a13a_720w.webp
[*]OpenAI解读出这个图片的内容
https://pic3.zhimg.com/80/v2-b51c2af1b0d67a495a8d047648da2caa_720w.webp
[*]DeepSeek根据图片的内容生成了一个富含创意的文案
https://pic3.zhimg.com/80/v2-b51c2af1b0d67a495a8d047648da2caa_720w.webp
大模型节点具备强大的泛化能力与语言理解能力，适用于多个典型应用场景，常见包括：
[*]文案创作与内容生成： 自动生成各类营销、创意或说明性文本内容。
[*]客服助手与问答系统： 构建智能对话系统，快速响应用户问题。
[*]代码生成与编程辅助： 根据指令生成或优化代码，提高开发效率。
[*]图像理解与描述生成： 识别并分析图片内容，生成相应文字描述。
[*]数据处理与报表生成： 将结构化数据转化为自然语言报告或总结。
[*]多语言翻译与语言润色： 实现文本翻译与语言风格、语法优化。
[*]教学与陪练： 提供个性化教学对话与题目练习，辅助学习。
[*]智能流程驱动与决策建议： 在业务流程中生成建议或结论，辅助决策。
二、添加LLM节点点击前一节点的图标，选中LLM节点，添加即可https://picx.zhimg.com/80/v2-b09c31f4536f0b24803c808bc1fdbde5_720w.webp
三、节点配置详解选中添加的LLM（大模型）节点，点击即可配置LLM节点https://pic1.zhimg.com/80/v2-b756955239b4878c1318d1e7560c3aa4_720w.webp
1. 输入变量输入变量用于定义传递给 LLM 节点的参数来源。在节点右侧配置面板中，右侧下拉框选择变量来源节点，左侧输入框填写变量名称。 变量必须来自于当前节点之前的节点（通过连线连接），不能引用后续或并行节点的数据。https://pica.zhimg.com/80/v2-01438a5ea4f29e01b37a59df1ce52690_720w.webp输入变量可以通过占位符 {{变量名}} 灵活插入到系统提示词或用户提示词中，实现动态内容填充。例如：https://pic1.zhimg.com/80/v2-f757f37b6942cb1665ec418e0bb621c6_720w.webp若定义的输入变量来自知识库节点 ，则 LLM 节点在调用模型时，会自动附加来自知识库的检索结果，从而具备 RAG（Retrieval-Augmented Generation，检索增强生成）能力。 这一能力大大提升了模型对特定领域信息的理解和应用能力。https://pica.zhimg.com/80/v2-79605911d31ec49270fdc757f00b28b8_720w.webp只需要在输入变量中定义了知识库节点的变量，LLM 节点就会自动集成知识库的检索结果，无需在 LLM 节点中单独配置!
2. 模型选择与配置LLM 节点支持灵活配置使用的模型，输出效果与所选模型密切相关。所有模型均可在 AI 模型配置 模块中统一管理。https://pic4.zhimg.com/80/v2-0a4192ca9bf1eb9d368409267b873fdd_720w.webp点击右侧图标可进入模型参数设置界面，通过调整各项参数以达到更精准的控制目标：https://picx.zhimg.com/80/v2-7bdddd0cce568f05ff07c74310bf4adb_720w.webp模型参数详解如下：
[*]模型温度（Temperature）：控制生成文本的随机性。
[*]值越高，输出越有创意，但也更不可预测。
[*]设为 0 时，模型将以更确定的方式生成内容，适用于追求准确性的任务。
[*]建议设置范围：0.5 ~ 0.8，适用于日常对话和内容生成。
[*]词汇属性（Lexical Diversity）：控制语言的复杂程度与多样性。
[*]较低数值生成内容简单直接，适合大众理解；
[*]较高数值生成语言丰富多变，适合创意内容创作。
[*]话题属性（Topicality）：决定模型是否倾向引入新话题。
[*]增加此值可提升对话的拓展性。
[*]建议保持默认或微调。
[*]重复属性（Repetition Penalty）：控制内容重复度。
[*]值越高，模型越倾向于避免重复内容。
[*]通常保持默认设置即可。
[*]最大回复长度（Max Tokens）：指定模型输出的最大内容长度。
[*]普通问答：500~800
[*]短文生成：800~2000
[*]代码输出：2000~3600
[*]长文创作：建议设为 4000 或选择支持长回复的模型
模型预设模式
[*]精确模式：输出内容更严格遵循指令，适合格式和语义要求高的任务；
[*]平衡模式：在创造力与准确性之间取得平衡，适合大多数业务场景；
[*]创意模式：更具发散性和表现力，适用于创意写作、灵感激发等任务。
3. 系统提示词系统提示词用于设定模型的身份（如客服、教师、律师等），以及它应遵循的语气、风格和任务说明。在提示词中可使用 {{变量名}} 形式嵌入输入变量，支持高度个性化的指令编写。如果不知道该如何编写提示词，可以通过右上角AI生成按钮，打开提示词生成器，填写自己的需求，让AI帮助我们生成提示词。https://pic1.zhimg.com/80/v2-1ac64ba3dd6fe186f123b1ce6318e93e_720w.webp
4. 用户提示词用户提示词代表当前轮对话中用户的提问或指令内容，是传递给模型的实际任务描述。同样支持通过 {{变量名}} 动态引用变量，增强指令的灵活性和实用性。
5. 历史记录数该参数决定了模型在当前轮生成回复时能参考的历史对话条数。历史记录通常包括用户与模型之间的连续交互，有助于模型理解上下文、保持语义连贯。
6. 输出变量LLM 节点的输出为固定的字符串类型，通过输出变量名称可供流程中的其他节点引用，便于构建多步骤的智能流程链条。
页:
[1]