Workflow/Chatflow LLM ノードとチャット/エージェントのファイル対応強化 (0.12.0)
状態: draft / バージョン: 0.12.0 (2024-11-25)
TL;DR
LLM Node と Basic Chat/Agent 向けの新しいファイルサポート機能をご紹介できることを大変嬉しく思います！このアップデートにより、マルチモーダル機能とスマートなドキュメント処理が大幅に強化され、アプリケーション開発にさらなる柔軟性とパワーをもたらします。主なハイライトは以下の通りです。
想定読者
- Dify 0.12.0 へのアップグレードを検討しているチーム
- Enhanced File Support for Workflow/Chatflow LLM Node and Chat/Agent 周辺の機能を業務で使うエンジニア／運用者
なぜ重要か
(執筆予定: この機能が解決する課題と運用上のインパクトを書く)
リリースノート抜粋
LLM NodeとBasic Chat/Agentにおける新しいファイルサポート機能をご紹介できることを大変嬉しく思います！このアップデートにより、マルチモーダル機能とスマートなドキュメント処理が大幅に強化され、アプリケーション開発にさらなる柔軟性とパワーがもたらされます。主なハイライトは以下の通りです。
LLM Nodeにおけるファイル変数サポート
LLM NodeがPrompt内でFileおよびArray File変数を直接参照できるようになり、開発者にとってより大きな可能性を解き放ちます。
例えば、複数のファイル変数（PDFや画像など）をアップロードし、モデルにレポート内容の要約や主要データの抽出といった複雑なタスクを協調的に処理させることができます。複数ファイル対応により、Workflowの設計がより効率的かつシームレスになります！
[!Tip]
1. ファイルサポートの範囲: モデルがサポートするファイルタイプは、アップロードが許可されているタイプよりも限定的である場合があります。アップロードされたファイルが正しく処理されることを確認するために、モデルプロバイダーの公式ドキュメントを必ずお読みください。
2. 未サポートモデルでのドキュメント処理: モデルがドキュメントファイルの処理をネイティブにサポートしていない場合、コンテンツの抽出には引き続き Document Extractor を使用する必要があります。
3. 未サポートファイルのフィルタリング: 未サポートのファイルタイプを処理するには、List Operator または IF-ELSE を使用してそれらをスクリーニングし、スムーズなWorkflowを確保することを検討してください。
4. Vision機能との関連: ファイルサポートはVisionトグルとは独立して動作します。モデルがVision機能をサポートしている限り、ファイルをインプットとして使用できます。
Basic ChatおよびAgentにおける新しいドキュメントタイプサポート
Basic ChatおよびAgentにDocumentトグルが追加されました。モデルがドキュメントタイプのファイルの処理をサポートしている場合、この機能を有効にできます。
例えば、PDFレポートをアップロードし、Agentに市場データの自動分析やコンテンツ価値の評価を行わせることで、このようなWorkflowをよりシンプルかつスマートにできます。
強化されたマルチモーダル機能
新バージョンでは、マルチモーダルなタスクのサポートが拡張されました。例えば、オーディオファイルをアップロードし、モデルに感情分析を実行させることができます。テキスト、オーディオ、およびファイル処理機能のこの組み合わせにより、より多様でリッチなアプリケーションシナリオを構築できます。
アウトライン（執筆予定）
1. これまでの課題
(執筆予定)
2. 0.12.0 で何が変わったか
(執筆予定 — 上記抜粋を整理)
3. 使い方 / 設定手順
(執筆予定)
4. 運用上の注意点・トレードオフ
(執筆予定)
5. 関連リンク
(執筆予定)
検証が必要な事項
- [ ] 関連 PR 番号の特定
- [ ] 公式 Docs の該当ページ
- [ ] 実際の挙動確認（Dify Cloud or self-host）
- [ ] 既知の制限事項
ソース:
- GitHub Release 0.12.0
本記事は非公式まとめです。正式仕様は Dify 公式ドキュメント をご確認ください。