以下是关于写公众号文章的智能体的相关内容:
技术实现原理: 该智能体由 1 个工作流和 6 个数据库组成。工作流设计简单,包括一个输入,对接知识库,搭载豆包 function call 大模型,最后输出。6 个数据库分别是公众号发表过的文章与执业药师教材(应分开成两个数据库)、执业医师讲义、药监局新药审评报告、中国医药企业融资动态、药物对外授权(BD)动态、全球药物销售额。工作流相对简单,难点在于收集知识库资料并根据清洗结果进行手动二次校对(需要一定专业知识)。在医疗领域,为保证回答准确性,提示词约定回答只能来自于知识库,因为大模型语料来源庞杂,而医疗领域要求精准优先。
设计理念: 作者有一个日更的生物医药前沿资讯公众号,发表了 600 篇原创生物医药文章。在与读者交流过程中,咨询增多但占用作者大量时间,同时公众号文章积累也越来越多。将文章转化为可交互数据库的想法强烈,但传统数据库搭建成本高。直到遇见扣子平台,解决了高成本问题,并创造出行业里第一个非搜索后需客户再二次整理搜索结果的智能体,实现了一问一答的形式。
如何利用 AI 30 分钟不到打造爆款公众号文章: 通过明确的提示词为 AI 提供指导,设定文章基本结构和内容要求,AI 能生成结构完整、内容丰富、观点鲜明的文章,但最终内容可能需要微调以符合预期和公众号风格。校对文章是确保内容质量的重要环节,需注意内容准确性、表达清晰、逻辑连贯。内容准确性要核实信息和数据准确无误,引用来源可靠;表达清晰要检查文章流畅易读,语言清晰,专业术语和概念易于理解;逻辑连贯要确保文章结构合理,论点和论据逻辑关系清晰,避免逻辑跳跃或混乱。
这个智能体是由1个工作流+6个数据库实现的。工作流的设计比较简单,一个input,对接知识库,然后搭载豆包function call大模型,最后是一个output。6个数据库分别是我的公众号发表过的文章+执业药师教材(做第一个知识库的时候没经验,其实应该分开成两个数据库)、执业医师讲义、药监局新药审评报告、中国医药企业融资动态、药物对外授权(BD)动态、全球药物销售额。工作流是非常简单的,相对有难度的是收集知识库的资料并根据清洗结果进行手动二次校对(需要一定专业知识)。也许有人要问,医药知识我直接问大模型不好吗?大模型的语料来源庞杂,广度一定是比智能体好很多的,但是在医疗这个严肃领域,对回答准确性的要求非常高。为了避免出现误导性的回答,我在提示词中约定了回答只能来自于知识库。也许有问题超出知识库范畴的情况,但还没发现智能体回答是医学上不严谨的现象。广or精准,在医疗领域一定是精准优先的。
我有一个日更的生物医药前沿资讯公众号,发表了600篇原创生物医药文章。在这个过程中,很多患者朋友、医药研发人员和基础科学转化科学家联系到我,咨询他们的疾病有什么新药、他们研究的药物是否有较高的临床潜力、他们的研究方向是否有转化价值等等……虽然与读者的交流是我成就感的重要来源,但越来越多的咨询占用我越来越多的时间;与此同时我的公众号文章积累也越来越多,也就是我个人创造的数据越来越多。在这两个动力之下,将我发布过的全部文章转化为一个用户可交互数据库的想法越来越强烈,这样读者不再需要一对一咨询我,而是可以直接从数据库得到答案。然而传统的可交互医药数据库搭建的时间和金钱成本非常高(参考医药魔方、药智等数据库收费是3万元/人/年),把公众号文章转化为数据库的想法一直未能落地。直到遇见扣子平台,我不但解决了可交互医药数据库搭建的高成本问题,而且创造出了行业里第一个非搜索后需要客户再二次整理搜索结果的智能体。一问一答的形式,相当于把一个我,做出了N个分身来回复不同读者的问题!
这样的提⽰词不仅为AI提供了明确的指导,还设定了⽂章的基本结构和内容要求。AI会根据这些信息⽣成一篇结构完整、内容丰富、观点鲜明的⽂章。当然,最终产出的内容可能需要你进⾏一些微调,以确保它完全符合你的预期和公众号的⻛格。我下⾯就简单的演⽰一下(不要介意我提⽰词没写好,hhh,感兴趣可以在通往AGI之路开源知识库⾥学习下,怎么写好提⽰词):这样我们的⽂章就写好了。讲到这⾥,不到十分钟就能完成⽂章的内容产出。校对⽂章校对⽂章是确保内容质量的重要环节。虽然AI在⽣成⽂本⽅⾯已经相当精确,但⼈⼯校对仍然是不可或缺的。以下是校对过程中需要注意的⼏个关键点:1.内容准确性:核实⽂章中的信息和数据是否准确⽆误,引⽤的来源是否可靠。对于科技资讯类⽂章,这一点尤为重要,因为错误的信息可能会误导读者。2.表达清晰:检查⽂章是否流畅易读,语⾔是否清晰。确保专业术语和概念对⽬标读者群体来说是易于理解的。3.逻辑连贯:确保⽂章的结构合理,论点和论据之间的逻辑关系清晰,避免出现逻辑跳跃或混乱。