我想使用一个AI工具，来应对日常工作中的表格单据的统计和分析

在图像对比与图像搜索方面，以下是一些相关的 AI 大模型特点和应用： RAG（检索增强生成）：通过引用外部数据源为模型做数据补充，适用于动态知识更新需求高的任务。其原理是在基础大模型基础上引用外部数据，对搜索到的数据信息进行切片、拆分和语义理解，再根据用户提问进行检索和回答，但比基座模型更耗时。RAG 是一个检索生成框架，能够支持在本地运行。 AI 搜索：结合了多种能力，如 fine tuning、实时联网查询和查询知识源等，能够为用户整理出想要的内容。一些 AI 搜索平台专注于特定领域，如为程序员提供代码搜索。 多模态大模型：像能唱会跳、精通多种技能的机器人，能看见、听见、思考、说话，例如能识别物体、听取指令等。 生成式模型和决策式模型：决策式模型偏向逻辑判断，按预设程序固定输出；生成式模型偏随机性，能动态组合并结构化呈现，如在图像识别中，决策式模型返回关键词，生成式模型用语言表达结构化信息。

AI 提示词并非仅仅指训练自己的 AI 智能体。 智能体大多建立在大模型之上，其发展从基于符号推理的专家系统逐步演进而来。基于大模型的智能体具有强大的学习能力、灵活性和泛化能力。智能体的核心在于有效控制和利用大型模型以达到设定目标，这通常涉及精确的提示词设计，提示词的设计直接影响智能体的表现和输出结果。 设计提示词本质上是对模型进行“编程”，通常通过提供指令或示例完成。与多数其他 NLP 服务不同，补全和聊天补全几乎可用于任何任务，包括内容或代码生成、摘要、扩展、对话、创意写作、风格转换等。 我们的模型通过将文本分解为标记来理解和处理文本，在给定的 API 请求中处理的标记数量取决于输入和输出长度。对于英文文本，1 个标记大约相当于 4 个字符或 0.75 个单词，文本提示词和生成的补全合起来不能超过模型的最大上下文长度。

以下是关于会计 AI 的相关信息： 生成式 AI 在金融服务领域，包括会计方面，具有多方面的应用和优势： 1. 预测方面：能够帮助编写 Excel、SQL 和 BI 工具中的公式和查询，实现分析自动化，发现模式，从更广泛、更复杂的数据集中为预测建议输入，并适应模型为公司决策提供依据。 2. 报告方面：可以自动创建文本、图表、图形等内容，并根据不同示例调整报告，无需手动整合数据和分析到外部和内部报告中。 3. 会计和税务方面：能够帮助综合、总结，并就税法和潜在的扣除项提出可能的答案。 4. 采购和应付账款方面：能够帮助自动生成和调整合同、采购订单和发票以及提醒。 金融服务公司利用历史金融数据微调大型语言模型或从零开始训练模型，能够迅速回答几乎任何金融问题。金融服务行业准备使用生成式人工智能实现个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理以及动态的预测和报告这五个目标。 目前没有专门针对“最好用的会计 AI”的明确推荐，但您可以参考以上生成式 AI 在金融和会计领域的应用特点，结合自身需求进行选择。同时，营销领域有一些常用的 AI 工具，如 Synthesia、HeyGen、Jasper AI、Copy.ai、Writesonic 等，更多相关产品可查看 WaytoAGI 网站：https://www.waytoagi.com/sites?tag=8 。但请注意内容由 AI 大模型生成，请仔细甄别。

以下是一些可以对数据进行分析并生成报表的 AI 工具或网站： 1. 在金融服务领域，生成式 AI 能够帮助金融服务团队从更多数据源获取数据，并自动化突出趋势、生成预测和报告的过程。例如，它可以帮助编写 Excel、SQL 和 BI 工具中的公式和查询以实现分析自动化，自动创建文本、图表、图形等报告内容，还能在会计和税务、采购和应付账款等方面提供帮助。 2. 对于撰写专业区域经济报告，可利用 AI 搜索与权威网站结合获取关键数据，将报告内容拆分处理，借助传统工具如 Excel 结合 AI 指导操作数据筛选与图表生成，利用 AI 辅助分析后撰写报告初稿，但最终内容需人工主导校验。 3. 一些具体的工具和网站包括： PandasAI：将 Pandas DataFrame 转换为“聊天机器人”，用户可以以自然语言提问，它会以自然语言、表格或图表形式回答，目前仅支持 GPT 模型，需自备 OpenAI API key。网址：https://github.com/gventuri/pandasai DataSquirrel：自动进行数据清理并可视化执行过程，帮助用户在无需公式、宏或代码的情况下快速将原始数据转化为可使用的分析/报告，平台符合 GDPR/PDPA 标准。网址：https://datasquirrel.ai/

以下是一些面向高中生专注于 AI 应用的培养项目的建议： 1. 课程开发：包括 K12、本科和社区学院的人工智能相关领域的课程开发，以及技术伦理方面的课程开发。 2. 支持非正式教育活动：为 K12 学生提供参与人工智能系统的非正式教育活动支持。 3. 实现教育公平：努力为传统上在人工智能领域代表性不足的人群和地理区域提供公平的 K12 人工智能教育。 4. 教师培训：为 K12 教师提供人工智能及相关领域的培训和专业发展项目。 5. 提高研究人员留存率：努力提高专注于人工智能系统的研究人员在高等院校和其他非营利研究机构的留存率。 6. 公众教育：开展普及人工智能用途及其社会影响的宣传项目。 7. 评估活动：对开展的相关活动进行评估。 在教学中，要注意以下几点： 1. 对于写作等方面，如果让学生使用 AI，要先让他们了解什么是好的写作，找到自己的创造性声音。 2. 决定使用 AI 时，要根据学习任务来考虑，以学习目标驱动 AI 的使用，而非相反。 3. 例如在编程教学中，可能先让学生手动编码，掌握语言后再将 AI 生成的代码作为节省时间的工具；而在健康课程中，重点可能在于帮助学生设计健康活动，对使用生成式 AI 编写代码的限制可能不同。

目前在制作 PPT 方面表现出色的 AI 工具包括以下几种： 1. GPT4：可以帮助生成 PPT 大纲，但生成符合要求的大纲可能较为耗时。 2. WPS AI：能够基于大纲快速生成 PPT，还可以进行二次修改，如修改主题配色和字体等。 3. Gamma：免费版本就能生成质量较高的 PPT，在内容组织、设计美观度和整体专业感方面表现卓越。 您可以根据自己的需求和使用习惯选择适合的工具来制作 PPT。

很抱歉，目前没有关于根据多张单据照片生成统计表的具体内容和方法。但您可以考虑使用以下几种可能的途径来实现这一目标： 1. 利用专门的图像识别软件或服务，这些工具通常能够对照片中的文字和数据进行识别和提取。 2. 借助一些具有 OCR（光学字符识别）功能的办公软件，将照片中的信息转换为可编辑的文本，然后再整理成统计表。 3. 如果照片中的数据格式较为规范，也可以通过编程的方式，使用相关的图像处理和数据提取库来实现自动化处理。 您可以根据实际情况选择适合您的方法。

很抱歉，目前知识库中没有关于通过拍照识别多张单据并根据单据内容生成统计表的相关内容。但一般来说，要实现这个需求，可能需要以下步骤： 1. 选择适合的图像识别技术和工具，例如使用深度学习框架训练专门的图像识别模型，或者利用现有的成熟的图像识别服务。 2. 对拍摄的单据图像进行预处理，包括图像增强、裁剪、矫正等操作，以提高识别的准确性。 3. 设计有效的单据内容提取算法，准确提取出关键信息。 4. 将提取的信息进行整理和分类，按照统计需求进行数据汇总和计算。 5. 选择合适的方式展示生成的统计表，如表格、图表等。 这是一个较为复杂的任务，可能需要综合运用图像处理、机器学习和数据处理等多方面的知识和技术。

以下是一些可以帮忙做 Excel 表格的 AI 工具： 1. Excel Labs：这是一个 Excel 插件，基于 OpenAI 技术，新增了生成式 AI 功能，允许用户在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件，用户通过聊天形式告知需求，Copilot 会自动完成如数据分析或格式创建等任务。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。

以下是一些可以帮助您美化表格的 AI 工具： 1. Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，可在 Excel 中进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了多种办公软件，能通过聊天形式完成如数据分析、格式创建等任务。 3. Formula Bot：提供数据分析聊天机器人和公式生成器功能，可通过自然语言交互进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，能进行公式生成、生成相关文本内容、执行情感分析、语言翻译等任务。 此外，如果您是在软件架构设计中需要绘制逻辑视图、功能视图、部署视图，以下工具可供选择： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，包括上述视图，可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合可创建逻辑视图。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板创建相关视图。 6. draw.io（现 diagrams.net）：免费在线图表软件，允许创建多种类型图表，包括逻辑和部署视图。 7. PlantUML：文本到 UML 转换工具，通过编写描述性文本自动生成相关视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图。 内容由 AI 大模型生成，请仔细甄别。

要将 Coze 的智能体自动存储在飞书智能表格里，可参考以下步骤： 1. 前期准备： 设计 AI 稍后读助手的方案思路，包括简化“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 URL 完成收集，借鉴微信文件传输助手通过聊天窗口输入；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，且支持跨平台查看；智能“选择”推荐，根据收藏记录和用户阅读兴趣生成阅读计划。 发现同在字节生态中的 Coze、飞书、飞书多维表格可构建完整的 AI 工作流，通过飞书机器人与 Coze 搭建的智能体对话，在聊天窗口完成链接输入和阅读计划输出，由 Coze 调用大模型、插件完成内容整理、推荐，利用飞书多维表格存储和管理稍后读数据，理论上无需开发插件、APP 就能实现跨平台的稍后读收集与智能阅读计划推荐。 2. 逐步搭建 AI 智能体： 搭建整理入库工作流，设置大模型节点提取稍后读元数据，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以解析长内容网页。 进行日期转时间戳，使用「日期转时间戳time_stamp_13」插件进行格式转化，因后续的飞书多维表格插件节点入库日期字段只支持 13 位时间戳。 把稍后读元数据转换为飞书多维表格插件可用的格式，飞书多维表格插件目前只支持带有转义符的 string，以 Array<Object>格式输入，需将元数据数组进行格式转换。 添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 结束节点返回入库结果，「飞书多维表格add_records」插件返回入库结果，用于通知外层 bot 工作流的入库是否成功，别忘了对整个工作流进行测试。

很抱歉，目前知识库中没有关于“图片转表格”的相关内容。但一般来说，要实现图片转表格，可以考虑使用以下几种方法： 1. 利用专业的 OCR（光学字符识别）软件，这类软件能够识别图片中的文字和表格结构，并将其转换为可编辑的表格格式。 2. 一些在线工具也提供图片转表格的功能，您可以在网上搜索并尝试使用。 3. 部分办公软件如 WPS、Microsoft Office 也可能具备相关的图片处理功能，您可以在其功能菜单中查找。 希望这些信息对您有所帮助。

对于您的工作情况，以下是一些建议来帮助您学习和运用 AI 工具以提高工作效率和质量： 首先，您可以考虑使用自动化表格处理工具。这类工具能够根据您设定的规则和模板，自动填写和整理表格中的数据，减少手动输入的时间和错误。 其次，利用智能客服系统来处理一部分常见的咨询和问题。您可以将常见问题和回答录入系统，让其自动回复一些简单和重复的咨询，从而节省您接电话的时间。 另外，使用智能办公助手来协助您管理和安排工作任务。它可以根据您的工作优先级和时间安排，提醒您各项任务的截止日期和重要程度。 在学习这些 AI 工具时，您可以先从简单易用的工具入手，通过在线教程、操作手册和视频教程来熟悉其功能和操作方法。同时，多与同事交流和分享使用经验，共同探索如何更好地将 AI 工具应用到工作中。 希望以上建议对您有所帮助。

以下是关于 Excel 的 AI 工具和利用 AI 写小说的相关内容： 关于 Excel 的 AI 工具： 目前有几种不同的工具和插件可以增强 Excel 的数据处理和分析能力： 1. Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，可在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了多种办公软件，用户通过聊天形式告知需求，Copilot 自动完成任务，包括 Excel 中的数据分析和格式创建等。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 这些工具通过 AI 技术提升了 Excel 的数据处理能力，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。 利用 AI 写小说： 南瓜博士平生第一次写小说获奖，是在 AI 的帮助下完成的。首先让 AI 写故事概要和角色背景介绍，并在此基础上按自己的审美略做修改。为了让细节描写更出色，采用了让 AI 以表格形式输出细节描述的技巧，这样有三个好处：一是打破 AI 原本的叙事习惯，避免陈词滥调；二是按编号做局部调整容易，指哪改哪，其他内容能稳定不变；三是确保内容都是具体细节，避免整段输出时缩减导致丢光细节只剩笼统介绍。之后把生成的表格依次复制粘贴，AI 就能照着写文章，偶尔需要作者帮忙给点建议。但在修改过程中遇到了问题，小说字数超过要求，让 GPT4 做修改时它很快暴露出记性不好的缺点，求助 Claude 时它把关键情节改没了。

以下是 AI 在会计工作中帮助日常工作的一些方式： 1. 更动态的预测和报告： 生成式 AI 能够帮助编写 Excel、SQL 和 BI 工具中的公式和查询，实现分析自动化。 从更广泛、更复杂的数据集中发现模式，为预测建议输入，并提供适应模型的建议，为公司决策提供依据。 自动创建文本、图表、图形等内容，并根据不同示例调整报告，无需手动整合数据和分析到外部和内部报告中。 2. 会计和税务方面： 帮助综合、总结税法，并就潜在的扣除项提出可能的答案。 3. 采购和应付账款： 自动生成和调整合同、采购订单和发票以及提醒。 4. 结合 RPA 技术： 控制桌面软件，实现办公流程自动化，例如在财务领域用于开票、网银流水下载等。 搭建知识库、创建并部署 AI 工作流，结合飞书避免信息泄露和实现自动回复等，提升效率，节省人力时间成本。

以下是关于如何系统学习 AI 助力日常工作、学习和生活的建议： 一、英语学习 1. 智能辅助工具 利用 AI 写作助手（如 Grammarly）进行英语写作和语法纠错，帮助改进英语表达和写作能力。 2. 语音识别和发音练习 使用语音识别应用（如 Call Annie）进行口语练习和发音纠正，获取实时反馈和建议。 3. 自适应学习平台 使用自适应学习平台（如 Duolingo），借助 AI 技术为您量身定制学习计划，提供个性化的英语学习内容和练习。 4. 智能导师和对话机器人 利用智能对话机器人（如 ChatGPT）进行英语会话练习和对话模拟，提高交流能力和语感。 二、数学学习 1. 自适应学习系统 使用自适应学习系统（如 Khan Academy），结合 AI 技术为您提供个性化的数学学习路径和练习题，根据您的能力和需求进行精准推荐。 2. 智能题库和作业辅助 利用智能题库和作业辅助工具（如 Photomath），通过图像识别和数学推理技术为您提供数学问题的解答和解题步骤。 3. 虚拟教学助手 使用虚拟教学助手（如 Socratic），利用 AI 技术为您解答数学问题、提供教学视频和答疑服务，帮助理解和掌握数学知识。 4. 交互式学习平台 参与交互式学习平台（如 Wolfram Alpha）的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 三、新手学习 AI 1. 了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解人工智能及其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅 在「」中，找到为初学者设计的课程。特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 四、中学生学习 AI 1. 从编程语言入手学习 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，无论是在日常工作、学习和生活中，还是作为新手或中学生，都可以从不同方面入手全面系统地学习 AI 知识和技能，为未来的发展做好准备。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

在日常市场营销工作中，您可以将 AI 应用于以下方面： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别受欢迎的产品、价格区间、销量等关键信息。 2. 关键词优化：借助 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述，提高搜索排名和可见度。 3. 产品页面设计：使用 AI 设计工具根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 4. 内容生成：依靠 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 5. 图像识别和优化：通过 AI 图像识别技术选择或生成高质量的产品图片，展示产品特点。 6. 价格策略：利用 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：借助 AI 分析客户评价和反馈，了解客户需求，优化产品和服务。 8. 个性化推荐：使用 AI 根据用户的购买历史和偏好提供个性化的产品推荐，增加销售额。 9. 聊天机器人：采用 AI 驱动的聊天机器人提供 24/7 的客户服务，解答疑问，提高客户满意度。 10. 营销活动分析：利用 AI 分析不同营销活动的效果，了解哪些活动更能吸引顾客并产生销售。 11. 库存管理：依靠 AI 帮助预测需求，优化库存管理，减少积压和缺货情况。 12. 支付和交易优化：通过 AI 分析不同的支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：利用 AI 帮助在社交媒体上找到目标客户群体，通过精准营销提高品牌知名度。 14. 直播和视频营销：借助 AI 分析观众行为，优化直播和视频内容，提高观众参与度和转化率。 此外，对于中小企业，还可以通过以下方式利用 AI 提升市场营销效果： 1. 营销自动化： 实施基于 AI 的营销自动化工具，提高营销活动的效率和一致性，减少人工工作量。选择满足企业特定需求的工具，如自动化电子邮件平台、社交媒体管理工具等，并根据目标市场和营销目标进行设置和配置。 将客户数据源（如 CRM 系统）与营销自动化工具集成，实现更个性化和针对性的营销。 通过 AI 分析结果调整和优化营销内容，确保相关性和有效性，提高营销活动的 ROI。持续监控营销活动的各项指标，定期更新营销自动化策略。 2. 目标市场分析： 使用 AI 工具进行市场细分，收集广泛的市场数据，包括消费者行为、购买历史、社交媒体互动等，基于分析结果将市场细分为不同的客户群体。 基于 AI 分析结果定制化营销策略，针对每个细分市场群体制定特定的策略，如定制化的广告内容、促销活动和沟通方式。持续监测营销活动的效果，定期更新市场数据，不断优化和调整营销策略。

以下是关于机器人人设和回复逻辑的相关内容： 首先，Bot 的提示（人设与回复逻辑）是一种自然语言指令，告诉大语言模型（LLM）执行任务。编写提示词是搭建 Bot 的第一步，为 Bot 设定身份和目标，提示编写得越清晰明确，Bot 的回复越符合预期。 例如，“Coze 直聘”中的职业助手 Bot 人设是一个专业的职业助手，能够根据用户输入信息为用户精准提供匹配的职位推荐。 “安仔”这个社群运营机器人，基于其作用，目前版本的人设是更专注于 AI 相关的知识回答和服务，以满足初学者的需求，尽量不回答其他无关问题。为提升用户体验，还可以加入一些功能，如长期记忆（总结聊天对话内容用于更好响应用户消息）和设计更加美观的 Bot 开场白。 总之，要让机器人像人类更接近真人的对话方式，能够更好地理解和回应各种日常对话场景，包括玩笑、调侃和口水话，以提高对话的自然度和真实感，需要清晰明确地设定人设和回复逻辑，并不断优化完善。

AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：我们可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来，我们需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 这三个 Agent 每隔一段时间运行一次（默认 3 分钟），运行时会分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，并且有概率主动聊天（与亲密度正相关，跳过夜间时间）。