如何用字节的扣子（coze）实现多轮对话

以下是关于 Coze 教程的相关内容： 可能是全网最好的 Coze 教程之一，能一次性带您入门 Coze 工作流。即使是非技术出身的爱好者也能上手跟学，一站式学会 AI Agent 从设计到落地的全流程方法论。 阅读指南： 长文预警，请视情况收藏保存。 核心看点： 通过实际案例逐步演示，用 Coze 工作流构建能够稳定按照模板要求生成结构化内容的 AI Agent。 开源 AI Agent 的设计到落地的全过程思路。 10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。 适合人群： 任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍）。 希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。 注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。 Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单的问答到处理复杂逻辑的对话。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。 字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用的是字节自研的云雀大模型，国内网络即可正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可以在这里白嫖 ChatGPT4，具体参考文档：），访问需要突破网络限制的工具。 参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程： Bot 的开发和调试页面布局主要分为如下几个区块： 提示词和人设的区块。 Bot 的技能组件。 插件。 工作流。 Bot 的记忆组件。 知识库。 变量。 数据库。 长记忆。 文件盒子。 一些先进的配置，如触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。下面会逐一讲解每个组件的能力以及使用方式。

以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。

Coze 基于以下框架构成： 1. 提示词：使用了结构化提示词的框架，通过提示要求大模型根据不同的行为调用不同的工作流。 2. 数据库：能够记录不同用户历史记账记录，工作流里会用到。 3. 工作流：增加记账调用 add_accounting_record 工作流；查询账户余额调用 query_accounting_balance 工作流；删除所有记账记录调用 init_accounting_records 。 此外，还有关于 Coze 的其他信息： Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。 具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式等特点。 目前对用户完全免费，且易于发布和分享。

对于 0 基础使用 Coze，您可以按照以下步骤进行： 1. 了解前端页面的相关知识，包括布局与组件。前端分为能看到的部分（如产品设计、采集用户输入和展示服务输出）和服务及对应逻辑（处理用户输入的数据并生成输出响应到前端页面）。前端组件类型有布局组件（如容器 div）、展示组件（如文本和图片）、输入组件（如文本输入、下拉选项、数字输入和文件上传）、AI 组件（如 chatbot）。 2. 掌握模板与结构，参考官方布局和排版，了解页面组件层级，页面首页通常只有一个容器，子容器受父容器属性影响。 3. 熟悉组件属性事件，点击容器右边会显示其名字及属性和事件，属性包括位置、尺寸、布局、容器样式、状态和可见性等。 4. 运用页面布局技巧，先创建固定宽高的底层容器覆盖页面，常见布局有左右和上下，左右布局可通过设置子容器为横向和固定或百分比宽度实现，上下布局可设置子容器高度，父容器内边距和间距会影响排版，溢出有可见、隐藏和滚动三种处理方式。 5. 处理换行与元素分布，当容器内图片需换行时，可设置自动换行，元素分布在父容器设置对子容器生效，可选择不同的分布方式使排版更美观。 另外，创建 Coze Bot 的步骤如下： 1. 目标是创建一个 Coze Bot，帮您查阅 Hacker News，并中文返回。 2. 打开 coze.cn/home，点击创建 Bot，信息随便输，如“尝试联网”。 3. 尝试询问：今天的 hacker news 上有什么新闻？可能会答不出。 4. 了解穿插知识，AI 如同书呆子，聪明但不出门，所以不知外面的事也不会交流。有一种叫做“插件”的东西，类似给 AI 用的手机，AI 可以拿它上网、点外卖。例如有一个插件 WebPilot，是首批 ChatGPT Plugin，首个提供“大模型上网”。 5. 引入联网插件，插件>+>选择 WebPilot，重新尝试联网，再次询问：今天的 hacker news 上有什么新闻？即可成功。

以下是关于 Coze 的相关信息： 重磅更新：Coze 可以接入抖音评论区，帮您自动回复用户的评论。若想快速上手，可参考视频。若不了解 Coze 是什么，可参考文章。 记账管家：COZE 是字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent，目前可白嫖海量大模型免费使用，有丰富的插件生态。记账管家是基于 COZE 平台的能力搭建的记账应用，您可以直接和 coze 说收入或支出情况，coze 会自动记账并计算账户余额，每一笔记账记录都不会丢失。 技术操作： 获取 accessToken： 在 coze 界面右侧扣子 API 授权，或打开链接 https://www.coze.cn/open/oauth/pats 。 添加令牌，设置 token 的名称和过期时间（最多 1 个月），选择权限，完成后点击“确定”按钮。 最后一定要点击按钮复制下拉，此令牌只会出现一次。 获取 botid： 通过工作空间获取，从“工作空间”打开一个 bot，点击商店按钮，查看地址栏中的数字即为 botid。 若在前端使用 bot，必须发布成为 API，点击发布，选择 API，等审核通过后按上述方法拿到 botid。 获取空间 id：进入 coze 后，左边打开工作空间，找到 url 中的 id 并复制。

Dify 和 Coze 都是大模型中间层产品，有以下主要异同点： 开源性： Dify 是开源的，允许开发者自由访问和修改代码以定制，由专业团队和社区共同打造。 Coze 由字节跳动推出，目前未明确是否开源，可能更侧重商业化服务和产品。 功能和定制能力： Dify 提供直观界面，结合多种功能，支持基于任何 LLM 部署 API 和服务。 Coze 有丰富插件能力和高效搭建效率，支持发布到多个平台作为 Bot 能力使用。 社区和支持： Dify 作为开源项目有活跃社区，开发者可参与共创共建。 Coze 可能更多依赖官方更新和支持，社区参与和开源协作程度可能不如 Dify。 豆包和 Coze 的区别在于： 豆包主要是大模型交互，功能相对默认。 Coze 不用魔法，上手简单，更新快，插件多。在模型选择方面，GLM 模型和 MoonShot 模型对结构化提示词理解良好，适合处理精确输入输出任务；豆包系列模型在角色扮演和工具调用方面有优势，能识别用户意图并选择合适工具或服务。将这三种模型结合在工作流或多 Agent 中可实现优势互补。

利用多轮对话做 Agent 问答可以从以下几个方面考虑： 1. 从产品角度： 思考用户为何想使用，例如通过探索历史新闻让用户更好地了解自身背景、成长环境，从中学习成长并获得有趣互动体验。 明确 Agent 是谁及其性格，比如设定为知识渊博、温暖亲切、富有同情心的历史新闻探索向导，负责新闻解析和历史背景分析。 确定提供新闻的时间，如用户出生那天及那一周的重要新闻事件。 规划除新闻外的能力，如提供历史背景分析、相关画作、生活方式分析，甚至加入神秘主义者和心理学家角色回应用户。 设计多 Agent 出场顺序和使用方式，通过多角色互动设计，让用户体验多层次对话，从基本问答到深度讨论，逐步引导用户探索。 2. 基于 LLM 的大脑模块： 自然语言交互方面：LLM 应具备多轮对话能力，能理解自然语言并生成连贯、上下文相关的回复，还应具备出色的生成能力和意图理解能力，但要注意模糊指令可能带来的挑战。 知识方面：包括语言知识（词法、句法、语义学和语用学）、常识知识（如药和伞的用途）、专业领域知识（如编程、医学），但要注意知识可能过时或错误，需通过重新训练或编辑 LLM 解决。 记忆方面：具备记忆机制，存储过去的观察、思考和行动，通过提高输入长度限制、记忆总结、用向量或数据结构压缩记忆等策略提升记忆，Agent 能检索记忆以访问相关信息，包括自动检索和交互式记忆对象。 推理和规划方面：基于证据和逻辑进行推理，这对解决问题和决策至关重要。

多轮对话的实现方式如下： 1. 核心思路是让 AI 和您对目标的理解达成共识，保持一致，然后再开始创作，这样能增加创作的可控性。比如通过对生成图像的理解诱导和迭代来实现。 2. 有效的部分包括： 约束的弹性，在探索阶段给 AI 一定自由空间，而 prompt 一般是强约束的，更适合确定性的目标或者用于总结阶段。 情绪，情绪化能局部提升 AI 效能。 共识，您的理解和 AI 的理解要高度一致，在高共识性的背景下，调整和控制会更有效。 3. 注意事项： 如果经历很多轮的对话，可能会导致此次对话超过模型的 token 限制，ChatGPT 会遗忘之前的内容。建议当经历多轮对话后，可以新建一个聊天窗口，把完整的代码和需求背景输入给 ChatGPT，重新开启新的提问。 在自然的人类语言交流中，多轮对话常常伴随着指代问题的产生。为了提升对话系统的性能和用户体验，需要开发提示词来解决多轮对话中的指代消解问题，并确保模型能够在连续的交流中提供准确、连贯的回答。由于“指代消解”需要多轮对话来完成，单次交互无法达成，所以需要将测试形式进行转换，先解决“指代消解”的问题，然后再进行下一轮答复。

单轮对话与多轮对话调用： 聊天模型通过一串聊天对话作为输入，并返回一个模型生成的消息作为输出。尽管聊天格式的设计是为了多轮对话更简单，但它对于没有任何对话的单轮任务同样有用（例如以前由 textdavinci003 等指令遵循模型提供的任务）。 API 调用的例子中，messages 参数是主要的输入，必须是一个消息对象的数组，每个对象拥有一个 role（“system”“user”或“assistant”）和 content（消息的内容）。会话可以少至 1 条消息或者有许多条。通常，会话首先使用系统消息格式化，然后交替使用用户消息和助手消息。系统消息有助于设定助手的行为，用户消息帮助指示助手，助手消息用于存储之前的响应。当用户的指令是关于之前的消息时，包含聊天历史记录将有所帮助。如果会话包含的 token 超出了模型的限制，则需要用一些方法去缩减会话。 百炼相关 Q&A： 如何调用工作流？在提示词写了让大模型调用 xxx 工作流，但实际总是不调用。文档里也没有写调用方式。 如何把开始节点的输入参数直接接入到代码节点中进行处理？ 千问模型基本不能处理标点符号，在提示词中各种要求句尾不要有句号，可仍旧有。甚至在工作流中用代码去掉后，回到应用中又给加上了标点符号。同样的提示词，放在扣子中就可以去掉标点符号。 记得第一天提到，规定模型不能用搜索和投喂输出文本。比赛是不是只限在提示词调试的范围内呢？ 为什么同样的问题，给出的答案区别这么大？接的就是同一个应用，这个问题很早就预测过了，同一个模型。 无论 prompt 怎么变，模型生成完内容后，自动被“不生成任何的标点符号”所替换。这个情况在 max。 COW 调用百炼应用如何支持多轮对话么？

聊天模型通过一串聊天对话作为输入，并返回一个模型生成的消息作为输出。尽管聊天格式的设计是为了多轮对话更简单，但它对于没有任何对话的单轮任务同样有用（例如以前由 textdavinci003 等指令遵循模型提供的任务）。 API 调用的例子中，messages 参数是主要的输入，必须是一个消息对象的数组，每个对象拥有一个 role（“system”“user”或“assistant”）和 content（消息的内容）。会话可以少至 1 条消息或者有许多条。通常，会话首先使用系统消息（“system”）格式化，然后交替使用用户消息（“user”）和助手消息（“assistant”）。系统消息有助于设定助手的行为，用户消息帮助指示助手，助手消息用于存储之前的响应。当用户的指令是关于之前的消息时，包含聊天历史记录将有所帮助。如果会话包含的 token 超出了模型的限制，则需要用一些方法去缩减会话。 此外，还存在一些与百炼相关的 Q&A： 如何调用工作流？在提示词写了让大模型调用 xxx 工作流，但实际总是不调用。文档里也没有写调用方式。 如何把开始节点的输入参数直接接入到代码节点中进行处理？ 千问模型基本不能处理标点符号，在提示词中各种要求句尾不要有句号，可仍旧有。甚至在工作流中用代码去掉后，回到应用中又给加上了标点符号。同样的提示词，放在扣子中就可以去掉标点符号。 为什么同样的问题，给出的答案区别这么大？接的就是同一个应用，这个问题很早就预测过了，同一个模型。 无论 prompt 怎么变，模型生成完内容后，自动被“不生成任何的标点符号”所替换。这个情况在 max。 COW 调用百炼应用如何支持多轮对话么？

以下是优化 AI 对话脚本和逻辑（多轮对话测试提升 AI 上下文理解）的方法： 1. 样例驱动的渐进式引导法 评估样例，尝试提炼模板：独自产出高质量样例较难，可借助擅长扮演专家角色的 AI 改进初始正向样例，如使用 Claude 3.5 进行对话，输入初始指令，通过其回复侧面印证对样例的理解与建议。 多轮反馈，直至达到预期：AI 可能犯错输出要求外内容，需多轮对话引导，使其不断修正理解，直至达成共识。 用例测试，看看 AI 是否真正理解：找 13 个用例，让 AI 根据模板生成知识卡片，根据结果验证是否符合预期，不符合则继续探讨调整。用例测试和多轮反馈步骤灵活，可根据需要自由反馈调整。 2. Coze 全方位入门剖析 标准流程创建 AI Bot（进阶推荐） 为 Bot 添加技能：国内版暂时只支持使用“云雀大模型”作为对话引擎，可根据业务需求决定上下文轮数。在 Bot 编排页面的“技能”区域配置所需技能，可选择自动优化插件或自定义添加插件。还可根据需求配置知识库、数据库、工作流等操作，参考相关介绍和实战操作或官方文档学习。 测试 Bot：在“预览与调试”区域测试 Bot 是否按预期工作，可清除对话记录开始新测试，确保能理解用户输入并给出正确回应。

在解决模型微调中多轮对话容易受到上轮对话影响的问题时： 对于多轮对话，现实中常伴随指代问题，如使用“它”“他们”“我们”等代词。若仅依据原始提问检索知识片段，可能导致结果不精确或无法检索到信息。同时，对模型回复内容的限制可能影响多轮对话流畅性甚至中断。 为提升对话系统性能和用户体验，需开发提示词解决多轮对话中的指代消解问题，确保模型能在连续交流中提供准确连贯回答。但由于“指代消解”需多轮对话完成，单次交互无法达成，所以要转换测试形式，先解决“指代消解”问题再进行下一轮答复。 首先准备指代消解所需提示词，这里使用的“指代消解”提示词是用 CoT 写出的思维链，列举不同推理情景，让模型适应并推理出需消解的代词，再根据结果重新组织问题。 接着复现指代消解步骤，如进行第一轮对话，提出问题“尼罗河是什么？”，系统召回相关知识片段并回复，然后开始指代消解。 另外，聊天模型通过一串聊天对话输入并返回生成消息输出。聊天格式虽为多轮对话设计，但对单轮任务也有用。会话通过 messages 参数输入，包含不同角色和内容的消息对象数组。通常会话先有系统消息设定助手行为，再交替使用用户和助手消息。当指令涉及之前消息时，包含聊天历史记录有帮助，若超出模型限制需缩减会话。

字节在安全审核业务中可能运用到的大模型包括： 1. Claude2100k 模型，其上下文上限是 100k Tokens，即 100000 个 token。 2. ChatGPT16k 模型，其上下文上限是 16k Tokens，即 16000 个 token。 3. ChatGPT432k 模型，其上下文上限是 32k Tokens，即 32000 个 token。 大模型的相关知识： 1. 大模型中的数字化便于计算机处理，为让计算机理解 Token 之间的联系，需把 Token 表示成稠密矩阵向量，这个过程称为 embedding，常见算法有基于统计的 Word2Vec、GloVe，基于深度网络的 CNN、RNN/LSTM，基于神经网络的 BERT、Doc2Vec 等。 2. 以 Transform 为代表的大模型采用自注意力机制来学习不同 token 之间的依赖关系，生成高质量 embedding。大模型的“大”指用于表达 token 之间关系的参数多，例如 GPT3 拥有 1750 亿参数。 3. 大模型的架构包括 encoderonly（适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT）、encoderdecoder（同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，代表是 google 的 T5）、decoderonly（更擅长自然语言生成任务，典型使用包括故事写作和博客生成，众多 AI 助手基本都来自此架构）。大模型的特点包括预训练数据非常大（往往来自互联网，包括论文、代码、公开网页等，一般用 TB 级数据进行预训练）、参数非常多（如 Open 在 2020 年发布的 GPT3 已达到 170B 的参数）。

字节在审核安全业务方面可以运用的 AI 包括： 1. OpenAI 的审核（Moderation）Endpoint：可用于检查内容是否符合使用策略，其模型分为 hate（表达、煽动或宣扬基于种族、性别等的仇恨内容）、hate/threatening（仇恨内容且包括对目标群体的暴力或严重伤害）、selfharm（宣扬、鼓励或描绘自残行为）、sexual（旨在引起性兴奋的内容）、sexual/minors（包含未满 18 周岁的个人的色情内容）、violence（宣扬或美化暴力或歌颂他人遭受苦难或羞辱的内容）、violence/graphic（以极端血腥细节描绘死亡、暴力或严重身体伤害的暴力内容）等类别。在监视 OpenAI API 的输入和输出时，可以免费使用审查终结点，但目前不支持监控第三方流量，且对非英语语言的支持有限。 2. 专利审查方面的 AI： 专利趋势分析和预测：AI 可以分析大量的专利数据，识别技术发展趋势和竞争情报，帮助企业和研究机构制定战略决策。示例平台如 Innography、PatSnap。 具体 AI 应用示例： Google Patents：使用 AI 技术进行专利文献的全文检索和分析，提高了专利检索的准确性和效率。 IBM Watson for IP：利用 NLP 和机器学习技术，自动化地进行专利检索、分类和分析，减少了人工工作量，提高了专利审查的效率和准确性。 其他应用： 专利检索与分类：通过自然语言处理（NLP）和机器学习算法，自动识别和分类专利文献。示例平台如 Google Patents、IBM Watson for IP。 专利分析和评估：分析专利文本，评估专利的新颖性和创造性，预测专利的授权可能性。示例平台如 TurboPatent、PatentBot。 自动化专利申请：帮助自动生成专利申请文件，减少人工编写和审查时间。示例平台如 Specifio、PatentPal。 专利图像和图表分析：分析专利申请中的图像和图表，帮助识别和分类技术内容。示例平台如 Aulive、AIpowered image recognition tools。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是在字节的扣子平台创建自己的智能体的步骤： 1. 构思智能体的名字，并为其撰写一段详细的介绍，介绍越详细越好，因为平台会根据介绍智能生成符合主题的图标。 2. 访问扣子官网（https://www.coze.cn/），点击创建 Bot，在对话框中工作空间选择“个人空间”，并为其命名。 3. 可以设置智能体的提示词、使用 AI 创建头像等。 需要注意的是，扣子是字节跳动旗下的 AI 应用开发平台，在这个平台上开发智能体的门槛较低，无论是否有编程基础都可以快速搭建基于 AI 模型的多样化问答 Bot。同时，扣子还提供了丰富的插件、工作流、知识库等功能来增强 Bot 的能力和交互性。

2023 年下半年，部分声称性能卓越的中国大模型被揭露为“套壳”产品。如李开复创办的“零一万物”被国外开发者质疑为“套壳”产品，其团队承认在训练过程中沿用了开源架构，但强调是为快速起步。12 月，字节跳动被曝出在其秘密研发的大模型项目中调用了 OpenAI 的 API 并使用 ChatGPT 的输出数据来训练自己的模型。OpenAI 反应迅速坚决，暂停相关账号并表示将进一步调查。字节跳动回应称在 2023 年初技术团队在大模型探索初期有部分工程师将 GPT 的 API 服务用于较小模型的实验性项目研究，且自 2023 年 4 月引入调用规范检查后已停止。此外，不仅国内存在此类现象，24 年也有更多被指“套壳”的事件。同时，提示词攻击在业内是公开的秘密，国内外各大著名的 AI 厂商几乎无一幸免，系统提示处于泄露状态，大模型应用脆弱，数据易被获取。

以下是字节投资的部分 AI 公司相关信息： 近期热门融资 AI 产品中包括：You.com（多种搜索模式且重隐私的搜索引擎）、Genspark（通过 Sparkpages 来满足用户个性化的搜索需求）、Rockset（刚被 OpenAI 收购的提供实时搜索和分析数据库服务的公司）、Butterflies AI（人类与 AI 共存的社交软件）、MeetRecord（可以对销售通话进行记录和辅导的 AI 助手）。 中国 AI 生态 2023 上半年投资地图中的部分公司有：生数科技（创始人：唐家渝，是全球领先的生成式人工智能基础设施建设者，正积极打造世界领先的可控多模态通用大模型，致力于通过生成式 AI 技术提升全人类的创造力与生产力）、西湖心辰（创始人：蓝振忠，开发的西湖大模型既具备通过跨领域的知识解决问题的超高智商，也具备通过情感感知、长期记忆形成的超高情商）、影眸科技（创始人：吴迪，孵化于上海科技大学，通过与国内顶尖人工智能、计算机视觉实验室合作，积极推动尖端实验室科研成果的民用化、商业化，探索前沿人工智能、计算机视觉技术在大众娱乐市场的推广应用）。

目前没有关于字节跳动旗下即梦 AI 的模型来源以及数据训练库的准确和详细信息。但一般来说，AI 模型的训练数据可能来自多种来源，如维基百科、书籍、期刊、网络采集的图片/标题等。同时，在训练过程中可能会使用开源架构，并进行原创性的优化和突破。但对于即梦 AI 具体的情况，还需要更多确切的官方公布内容。

对扣子智能体进行专属训练时，需要注意以下要点： 1. 跳转设置：扣子在节点切换提供了独立和非独立两种识别模式。独立识别模式中每个节点都有一个独立识别模型，非独立模式则直接使用当前智能体模型进行判断，实际使用中推荐独立模式。 2. 独立模式的选择：独立模式有两种选择。第一种是面对通用指令时，选择已经训练好的、专门用于节点切换的大型模型，其优点是经过特定训练，无需额外操心设计。第二种是在遇到非常复杂的情景时，使用自定义的大型模型，可根据需求定制模型和编写特定提示词以适应复杂交互场景，但实际测试效果不理想，所以推荐使用第一种。 3. 关键注意点：在使用专门训练的意图识别模型进行节点切换时，要特别注意两个关键点。一是每个智能体的用途必须清晰明确，在设计和实现时要清楚标注其功能和目的，以确保系统能准确识别和响应用户意图。二是智能体的名称非常重要，应清晰、易于识别，便于系统识别和记忆。

以下是使用扣子完成 AI 数字分身搭建的步骤： 1. 登录扣子官网（https://www.coze.cn/）并注册。 2. 创建个人 Bot： 点击个人空间。 点击创建 Bot。 填入 Bot 的名字和功能介绍，以及上传或生成对应的头像。如果没想好，可以先随便填，后面可更改。 3. 在搭建生产力工具的过程中，要先深入了解自己的工作内容和需求，做出有针对性的规划。 4. 通过整合知识库，并结合提示词进行情感或行为上的描述，创建一个 Bot，形成自己的数字分身。 5. 构建整个 Flow 时要尽量减少控件使用（非必要不增加），越少的控件代表越少的逻辑，越少的逻辑代表越小的运行风险。 6. 对于复杂的批处理任务，尽量平衡批处理次数和并发，同时还要考虑模型的推理速度，不然会增大推理失败的概率。 需要注意的是，Coze 目前提供的组件，包括 bot 等工具，能满足一些基本的生产力搭建需求。虽然现阶段它还不支持循环等高级功能，但未来有望支持更多工作流的设计模式。自 Coze 推出以来，它已明确面向 C 端用户，这些用户能从中获得实质性好处。

以下是关于扣子应用搭建的相关内容： 白嫖 Groq 平台算力的落地应用： 通过扣子工作流，用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型来使用 Groq 作为 LLM，可参考梦飞大佬教程将扣子接入微信机器人（有微信封号风险）。 由于 Groq 的 API 与 OpenAI 的 API 几乎兼容，可以适配到任何 APP 产品填 APIKEY 调用的场景，以沉浸式翻译为例。 接入手机类 APP，比如通过快捷方式接入 Siri。 接入扣子工作流：搭建细节可移步 WaytoAGI 自学。建立工作流只需一个代码节点，需配置代码节点的输入引用、输出等。可建立 Bot 调用工作流，但建议不发布，以免代理流量被他人使用。 在扣子调用已有的 API 制作插件： Body：用于传递请求主体部分，GET 方法中通常不用于传递参数。 Path：用于定义请求路径部分，GET 方法中可传递参数，常编码为 URL 一部分。 Query：用于定义请求查询部分，是 GET 方法中常用的参数传递方式。 Header：用于定义 HTTP 请求头信息部分，GET 方法中通常不用于传递参数。配置输出参数，填对后可点击自动解析，调试与校验工具是否能正常运行。 搭建邮票收藏馆应用： 业务背景与逻辑梳理：源于客户需求，功能包括生成邮票、收藏邮票、收藏列表、查看藏品详情，规划了生成和查看两个页面。 页面设计： 第一页：导航栏有应用名称、查看收藏入口、用户头像；陈列展示生成的图片；生成和收藏部分可输入关键字生成并收藏。 第二页：收藏列表会加载用户所有收藏，数量超 100 需优化加翻页；收藏详情可查看大图、关键字、收藏时间。

扣子工作流设置如下： 在故事与绘本的 AI 应用中： 开始节点输入参数包括 Theme（主题）、Plot（情节）、Characters（角色）、Setting（设定）。 文章生成 LLM 节点输出文章故事。 提取文章关键字节点输出文章关键字，需注意输入文章格式，由代码提取关键字内容，防止因格式问题导致大模型输出时间问题。 关键字优化节点输出有关故事的关键字节点信息，优化方案包括 Photography Theme/Style（摄影主题/风格）等多项内容。 图片生成节点输出内容为图片 URL，要求输出图片内容与提示词内容正相关，输出图片为动漫风格。 利用 AI 批量生成、模仿和复刻《小林漫画》时： 点击工作流后面的“➕”添加工作流，然后点击创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述清晰即可。 初始化工作流，左边有各种插件和搭建 Agent 的工具，可点击加号或拖拽使用，插件一般有参数说明。初始化后会生成开始模块和结束模块，且只有一个。 工作流录制了视频可供观看，其中使用 text2image 时需注意 prompt 参数设置。 包括金句创作、提取拆分代码、绘画提示词生成等内容。 在落地应用中： 可通过扣子工作流，用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型使用 Groq 作为 LLM，也可参考相关教程将扣子接入微信机器人，但有微信封号风险。 Groq 的 API 与 OpenAI 的 API 几乎兼容，可适配到任何 APP 产品填 APIKEY 调用的场景，如沉浸式翻译。 可接入手机类 APP，如通过快捷方式接入 Siri。 接入扣子工作流时，工作流的搭建细节可移步 WaytoAGI 自学，建立工作流只需一个代码节点，需配置输入引用和输出格式，测试工作流保证代码块有正常输出，可建立 Bot 调用工作流，但不建议发布以免代理流量被他人使用。

以下是一些关于扣子工作流的教程资源： 视频教程： 【Agent 共学第二期】艾木分享|这也许是你一生中第一个 Bot：https://www.bilibili.com/video/BV1XT421i7jH/ 一步一步带你手搓一个 Coze Bot——Dr.Know（极简版 Perplexity）：https://www.bilibili.com/video/av1005221752 扣子（coze）系列教程（四）：工作流中各节点常用使用方式：https://www.bilibili.com/video/BV1ux4y1J761/ Coze 工作流的手把手教程，让你的 Bot 高质量的处理复杂任务！：https://www.bilibili.com/video/BV1PZ421g7xT/ 微信文章教程： 扣子工作流实战案例教程，手把手教你搭建一个图书管理工作流：https://mp.weixin.qq.com/s/Fh3Vm3EDSzoYVxf91GcMMA 使用扣子 Coze 创建 AI 绘画工作流：https://mp.weixin.qq.com/s/d_6yST8JXKf1Tr6JgBPFg 奶奶也学得会的 AI 工作流，省时省力下班早！：https://mp.weixin.qq.com/s/bXC8DHzs5_OgPh3FtKhJZA 中文 GPTS 使用秘籍，字节扣子 Coze 工作流使用全教程：https://zhuanlan.zhihu.com/p/682108709 Workflow 实践|使用 coze 复现一个 AIGC 信息检索 Bot：https://mp.weixin.qq.com/s/PFgjRq7XcTcqog1gLyFqA AI 自动获取 B 站视频摘要信息：https://mp.weixin.qq.com/s/x8lwvlomhFNLZl__qYuDww 如何用 Coze 制作一个信息检索 Bot（含 Workflow 的基础用法）：https://mp.weixin.qq.com/s/Ory8iVXXjjN3zSTcupPm6Q 飞书社区教程： Stuart:教你用 coze 写起点爆款小说《夜无疆》,做到高中生文笔水平：https://waytoagi.feishu.cn/wiki/LRskwrJkli3CgkkY06xcC3HanBh?from=from_copylink Stuart:我把 Coze 比赛第一的 bot 拆了教大家：https://waytoagi.feishu.cn/wiki/Qt8Bwgl3PihQNukO7PjcmeuJnJg?from=from_copylink 画小二：用 Coze 工作流制作行业简报：实战案例画小二日报：https://waytoagi.feishu.cn/wiki/HmIhwt1IkiIAzok73rDcgG7fnQg?from=from_copylink 画小二：Coze 工作流之抖音热门视频转小红书图文详细配置：https://waytoagi.feishu.cn/wiki/MV7gw298TiBajFkSrFeceYRMnXc?from=from_copylink 扣子版虚拟女友李思思的思路：https://waytoagi.feishu.cn/wiki/O9M4w66fxiElylkBkCRcP6jLnsg?from=from_copylink 此外，还有关于白嫖 Groq 平台算力并接入扣子工作流的保姆级教程： 此时我们有了代理服务器和 APIKEY，落地使用方式举例： 1. 通过扣子工作流，用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型来使用 Groq 作为 LLM，而且可以参考梦飞大佬教程将扣子接入微信机器人（有微信封号风险） 2. 由于 Groq 的 API 与 OpenAI 的 API 几乎兼容，可以适配到任何 APP 产品可以用来填 APIKEY 调用的场景，此处用沉浸式翻译举例（如果还不知道沉浸式翻译这个超级好用的网页翻译工具的,请访问 https://immersivetranslate.com/自行安装） 3. 接入手机类 APP，比如通过快捷方式接入 Siri（此处卖个关子，留着 728 线下切磋赚积分，希望线下小伙伴来找我） 接入扣子工作流： 1. 扣子工作流的搭建细节本篇不详细叙述，请移步 WaytoAGI 自学。 2. 建立工作流，只需要一个代码节点，如下： Copy 以下代码进入代码节点，其中代码节点的输入引用请自行配置为开始节点的用户输入，输出改为“output”，格式为“string” 测试工作流，保证代码块有正常输出（可以看到此处消耗 0 Tokens，白嫖算力成功，在扣子即将收费之际，后续可能可以派上大用处，代替工作流 LLM 节点） 可以建立一个 Bot，来仅仅调用该工作流，建议不要发布，否则你的 Deno 代理流量可能被其他人用。 其他就可以自行发挥了，接入微信等。

Coze 扣子是一款基于自然语言处理和人工智能技术的智能助手平台，具有以下特点和功能： 1. 提供丰富的插件生态，能帮助用户快速实现个性化的智能应用，无需编写复杂代码。 2. 经过一年多的用户打磨，插件生态和分发渠道对个人用户够用，上手难度不高，信息获取插件丰富。 3. 推出专业版服务，主要特性包括企业级 SLA 保障、高级特性支持（如批量处理、私有数据等）以及更优惠的计费项。 对于非 IT 专业的普通人，学习用它来创建智能体的路径和步骤如下： 1. 体验和了解 Coze 扣子平台的基本功能和操作，熟悉其界面和常用工具。 2. 学习相关的基础知识，例如自然语言处理的基本概念、智能体的工作原理等。 3. 参考平台提供的教程和示例，逐步尝试创建简单的智能体。 4. 加入相关的学习交流群，与其他用户交流经验，共同学习进步。 需要注意的是，目前提示词攻击在业内是公开的秘密，像扣子这样的智能体编排平台，其热门智能体的核心提示词可能会被轻易获取，存在一定的安全风险。