当前位置：首页 > AI > 正文内容

凭借AI帮手剖析LlamaIndex的工作流可视化

邻居的猫1个月前 (12-09)AI520

接续前次的评论，咱们前次首要剖析了LlamaIndex工作流的中心流程，当时还剩下一行代码需求重视，那就是关于工作流的可视化。今日咱们的方针是深化了解这一可视化部分的首要流程，而且对其大体的完结办法进行扼要的了解和评论。

为了帮忙咱们更好地把握这一内容，咱们先回忆一下前次评论的代码内容，具体如下：

from llama_index.utils.workflow import draw_all_possible_flows

if __name__ == "__main__":
    import asyncio

    asyncio.run(main())

    draw_all_possible_flows(MyWorkflow, filename="multi_step_workflow.html")

实践上，后边运用了一个network封装的办法。为了更好地了解这一点，咱们可以凭借AI帮手来帮忙咱们深化了解相关的细节和原理。

可视化

底层逻辑

咱们直接向AI帮手问询这段代码的全体逻辑。从现在的反应来看，AI帮手的答复现已恰当全面，经过简略的阅读后，便可以对代码的根本思路有一个明晰的了解。

我来总结一下这个进程，根本可以归纳为以下几个重要过程：

首要，咱们需求创立一个全体的画布，作为整个流程的根底结构。
接下来，体系将辨认一切标示了特定注解的办法，并提取出与这些注解相关的装备信息，以保证后续操作可以依据正确的上下文进行。
在这一步中，咱们将运用之前获取的注解办法，逐个增加反映这些办法的节点，构建出一个完好的节点图。
随后，咱们将为现已增加的一切节点之间树立衔接，构成一个体系的结构，经过边的衔接联系进一步清晰各节点之间的关联性。
终究，将一切制作的内容和结构输出到用户指定的HTML文件中，以便于用户检查和运用。

Network是啥

pyvis 是一个功用强大的 Python 库，专门用于创立动态和交互式的网络可视化图形。该库中的中心组件是 Network 类，经过这一类，用户不只可以构建杂乱的网络结构，增加各种节点和边，还可以灵敏地设置网络的布局和款式，以满意不同的可视化需求。

根本用法

假如你对相关内容还不是很熟悉，彻底不必忧虑，你可以直接恳求咱们的AI帮手为您生成一个入门示例，这样你就可以经过实践操作来了解和把握。这样的办法不只简单明了，而且十分有用。

我把它生成的代码直接拿出来。

from pyvis.network import Network

# 创立一个 Network 目标
net = Network(directed=True, height="750px", width="100%")

# 增加节点
net.add_node("Hello", label="Hello", color="#E27AFF", shape="ellipse")
net.add_node("World", label="World", color="#90EE90", shape="ellipse")

# 增加边
net.add_edge("Hello", "World")

# 显现网络图
net.show("hello_world.html", notebook=False)

作用十分超卓，如下图所示：

已然Python现已可以完结这一功用，那么咱们可以估测Java也必定具有相关的生态体系。因而，无妨测验运用Java版原本探究是否存在更为高雅或高效的处理计划。

Java图可视化

咱们对现有的计划并不十分了解，因而无妨直接向AI帮手咨询，寻求其帮忙来生成一些或许的处理计划。

经过实践测验后，我发现问题的本源在于，Maven的依靠库中根本就没有这个依靠。因而，无法顺畅完结编译和运转。归纳来看，AI帮手在处理Python代码时体现得恰当友爱，生成的代码一般可以在第一次测验时顺畅运转，简直不需求做太多修正或调试。而关于像Java这样具有严厉语法标准和杂乱依靠办理的言语来说，AI帮手在生成代码时或许会遇到一些应战，需求开发者在运用进程中额定投入必定的精力去调整和调试。

尽管如此，AI帮手关于初学者来说依然是一个十分不错的东西，尤其是关于快速入门编程的学习者。假如你是编程新手而且想要快速上手，主张可以先从Python这样的动态言语开端

这儿我上网查找后，改正一下：

<dependency>
    <groupId>net.sf.jung</groupId>
    <artifactId>jung-api</artifactId>
    <version>2.1.1</version>
</dependency>
<dependency>
    <groupId>net.sf.jung</groupId>
    <artifactId>jung-graph-impl</artifactId>
    <version>2.1.1</version>
</dependency>
<dependency>
    <groupId>net.sf.jung</groupId>
    <artifactId>jung-visualization</artifactId>
    <version>2.1.1</version>
</dependency>

终究的代码如下：

// 创立一个有向图
Graph<String, String> graph = new DirectedSparseGraph<>();

// 增加节点
graph.addVertex("Hello");
graph.addVertex("World");

// 增加边
graph.addEdge("Hello to World", "Hello", "World");

// 设置布局
Layout<String, String> layout = new CircleLayout<>(graph);

// 创立可视化组件
BasicVisualizationServer<String, String> viz = new BasicVisualizationServer<>(layout);
viz.setPreferredSize(new Dimension(750, 750));

// 设置节点标签
viz.getRenderContext().setVertexLabelTransformer(new ToStringLabeller());

// 设置节点色彩
Paint vertexPaint = new Color(226, 126, 255);
viz.getRenderContext().setVertexFillPaintTransformer(v -> vertexPaint);

// 显现窗口
JFrame frame = new JFrame("Hello, World! Network");
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
frame.getContentPane().add(viz);
frame.pack();
frame.setVisible(true);

这儿其实没有太多需求评论的内容，直接运转代码应该就能成功。关于AI帮手说到的MVN库房问题，我略微看了一下，发现问题的本源在于尽管我的 Maven 依靠中的 groupId 是 net.sf.jung，但是在代码引进的时分，实践上运用的是 edu.uci.ics.jung.graph.Graph 这个途径，这的确有点令人困惑。我也查了一下，这个结构的确是十分老旧了，文档资源简直现已不存在。

接下来，咱们直接看下代码的作用吧。可以类比为一张静态图片，这儿鼠标是无法与节点进行交互的，首要展现的是图形结构的静态布局。

graphstream

在与一些老友沟通并听取了他们的主张后，我发现了一个十分有用的东西结构——GraphStream。GraphStream 是一个专为动态图形建模和剖析规划的 Java 库，它供给了丰厚的功用，可以帮忙咱们轻松生成、导入、导出图形，进行图形的丈量、布局优化，而且可以进行可视化展现。

经过深化了解后，我决议让 AI 帮手持续帮忙咱们生成相关代码。如图所示：

首要，咱们需求增加一些必要的依靠。为了保证代码可以顺畅运转，我在原有依靠的根底上，增加了一些额定的依靠项，由于在初度运转时会遇到一些报错，尤其是短少某些库或版本不兼容的问题。经过一些调试和调整后，以下是处理完一切报错后的完好依靠装备：

<dependency>
    <groupId>org.graphstream</groupId>
    <artifactId>gs-core</artifactId>
    <version>1.3</version>
</dependency>
<dependency>
    <groupId>org.graphstream</groupId>
    <artifactId>gs-algo</artifactId>
    <version>1.3</version>
</dependency>
<dependency>
    <groupId>org.graphstream</groupId>
    <artifactId>gs-ui</artifactId>
    <version>1.3</version>
</dependency>

我把代码仿制出来，给咱们一个参阅：

System.setProperty("org.graphstream.ui", "swing");

Graph graph = new SingleGraph("Tutorial 1");

graph.addNode("A");
graph.addNode("B");
graph.addNode("C");
graph.addEdge("AB", "A", "B");
graph.addEdge("BC", "B", "C");
graph.addEdge("CA", "C", "A");

graph.display();

终究，经过一系列的调试和优化，作用达到了预期。终究出现的成果如图所示，所完结的功用与之前在 Python 中完结的作用简直没有差异。

总结

在本文的终究，咱们总结了LlamaIndex工作流的可视化部分的完结和细节，要点剖析了怎么运用Python中的pyvis库和Java中的图形库，分别在两种言语中构建和展现网络图。经过代码示例，咱们具体评论了怎么构建节点、增加边并经过布局生成交互式图形，一起也说到了在Java中运用Jung库和GraphStream库时或许遇到的应战与处理计划。

在实践使用中，尽管AI帮手可以帮忙咱们加快开发和处理一些问题，但仍然需求开发者依据实践需求，结合言语的特性做出恰当调整。

我是尽力的小雨，一名 Java 服务端码农，潜心研究着 AI 技能的奥妙。我酷爱技能沟通与共享，对开源社区充满热情。一起也是一位腾讯云创造之星、阿里云专家博主、华为如此享专家、掘金优异作者。

💡 我将不惜共享我在技能道路上的个人探究与经历，期望能为你的学习与生长带来一些启示与帮忙。

🌟 欢迎重视尽力的小雨！🌟