需创建agent应用并接入真实广告数据源，设计三层提示词结构，配置url与文本双路径工作流，最后通过三步测试验证准确性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让AI助手自动拆解竞品投放的广告文案，识别卖点、话术结构、情感倾向和转化钩子，而不是靠人工逐条阅读截图或复制粘贴——这一步必须跳过手动搬运环节，直接喂给AI原始文本。
第一步：创建Agent类型应用并接入真实广告数据源
进入Dify控制台→点击「创建应用」→选择「Agent（智能助手）」类型→填写名称如「竞品广告文案分析助手」→点击创建。
在「工具」配置页中，禁用默认的Google Search工具；【必须使用自定义HTTP工具而非内置搜索】，因为竞品广告常出现在APP开屏、信息流或小程序内，Google无法抓取，而你已部署好的Python抓取服务（带User-Agent和Cookie池）才能稳定获取移动端广告快照。
添加一个名为「fetch_ad_content」的HTTP工具，URL填你本地Docker容器暴露的端口地址（如http://host.docker.internal:8000/fetch），请求方法选POST，Body类型设为JSON，并勾选「启用认证」→填入你预设的API Key。
第二步：设计三层提示词结构，锁定分析颗粒度
在「提示词」编辑区，按以下顺序组织指令：
第一层（角色锚定）：你是一名资深广告策略分析师，专注研究消费电子类产品的信息流广告打法，只输出结构化结论，不解释推理过程。
第二层（输入约束）：用户输入必须是单条广告原文（≤300字），若含多条请自动截取第一条；若输入为URL，先调用fetch_ad_content工具获取正文再分析。
第三层（输出规范）：严格按Markdown表格输出四列：【卖点关键词】｜【话术类型（恐惧/稀缺/从众/权威）】｜【情感强度（1～5分）】｜【转化钩子位置（开头/中部/结尾）】；表格后追加一行「改进建议」，仅提1个可落地的优化点，如“将‘限时’改为‘前100名赠充电宝’增强具象稀缺感”。
第三步：配置工作流分支，应对不同输入形态
方法一：纯文本输入路径
用户直接粘贴广告文案→Agent识别为text类型→跳过工具调用→直送LLM按提示词解析→输出表格。
方法二：URL输入路径
用户输入https://xxx.com/ad/123→Agent识别为url类型→触发fetch_ad_content工具→等待返回纯文本→若返回状态码非200或正文为空，则输出「未获取到有效广告内容，请确认链接可公开访问」→否则送入LLM解析。
注意：不要在URL路径里加重试逻辑，Dify Agent对失败工具调用默认重试2次，连续失败会卡死流程。
第四步：测试与验证关键节点
步骤一：用小米官网首页的「新品发布倒计时」开屏文案做测试输入，观察是否准确识别出“性能碾压”为卖点关键词、“稀缺”为话术类型、“结尾”为钩子位置。
步骤二：输入一个失效的测试链接（如https://fake-ad.test）→确认返回错误提示而非空表格或模型胡编。
步骤三：在「调试」面板中点击「查看执行日志」→展开fetch_ad_content节点→核对Request Payload中的URL是否与用户输入一致，Response Body是否含HTML标签——若含标签说明Python服务未做clean_text清洗，需立刻回退修改Flask接口的返回逻辑。
