写清搭建的coze类的智能体用到了什么样的技术，难点在哪里，起到了什么样的效果，如果用类似的方法，可以完成什么样的工作。

以下是关于 Coze 的相关资源： 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：使用字节自研的云雀大模型，国内网络可正常访问 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（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） 学习资源： 此外，字节对 Coze 的官方解释为：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可以在 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 这个产品部署了国内版和海外版两个站点。 AI Agent 的开发流程中，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、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）。

以下是关于 Coze 教学的相关内容： 一泽 Eze 提供了万字实践教程，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跟学，学会 AI Agent 从设计到落地的全流程方法论。阅读指南中提到长文预警，可视情况收藏保存。核心看点包括通过实际案例逐步演示用 Coze 工作流构建能按模板生成结构化内容的 AI Agent、开源 AI Agent 设计到落地的全过程思路、10 多项常用的 Coze 工作流配置细节、常见问题与解决方法。适合玩过 AI 对话产品的一般用户以及对 AI 应用开发平台（如 Coze、Dify）和 AI Agent 工作流配置感兴趣的爱好者。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。 7 颗扣子 coze 的搭建有相关视频教程，包括： 第一颗扣子野菩萨出品：2 分钟解锁超野速度的图像流 bot 创建过程，献上野菩萨的明信片，链接：https://www.coze.cn/store/bot/7384556560263020583 。 第二颗扣子Stuart：2 分钟教您制作炉石卡牌，链接：https://www.coze.cn/s/i68g8bLY/ ，原理拆解： 。 第三颗扣子陈慧凌：2 分钟做毛毡效果，链接：https://www.coze.cn/s/i65gDW2Y/ 。 第四颗扣子银海：银河照相馆，链接：https://www.coze.cn/store/bot/7384885149625761801 。 第五颗扣子Speed 团队：Speed 团队菜品秀秀，链接：https://www.coze.cn/store/bot/7384434376446148618 ，原理拆解： 。

使用 Coze 分析财报并生成图表的实现过程如下： 1. 工作流中的数据解析：用户上传 Excel 后，在工作流中获取 Excel 链接，通过插件下载并读取其中的数据。 最初尝试将解析出的 Excel 数据以单元格形式存到 bot 数据库，利用大模型根据单元格数据和用户提问生成答案，但大模型计算能力差，常出现计算错误。 改为将 Excel 转换为数据表，使用大模型把用户问题转换为 SQL，准确率很高。 由于 Coze 不能动态创建表，自行编写服务，在动作流中调用，根据 Excel 的 URL 动态创建表并插入数据，将表名存到 Coze 数据库，以便后续根据表名动态执行 SQL 获取数据。 2. 报表生成： 根据数据库表字段信息，使用大模型为用户生成 3 个推荐报表，包含标题、描述、查询 SQL，限制每次查询数据为 100 条。 拿到 SQL 后，使用插件动态执行查询数据，再根据标题和数据使用大模型转换为绘制 Echarts 图表的参数。 绘制图表，官方插件生成的图表较模糊，自行编写插件提高清晰度，并将图片放大三倍。 3. 其他相关操作： 查看大图时，把多张图片合成一张，图像流不支持合成图片，自行编写插件实现。 图表生成成功后，将图表链接存到数据库，为查看报表做准备。 大模型生成的 SQL 有时出错，可将报错信息和 SQL 传给大模型修复后重新执行，大模型生成的非标准 JSON 也可用此方案修复。 查看报表时，从数据库中查询图表链接，调用合并图片插件将几张图表合并成一张大图。 删除图表根据用户输入的标题从数据库中删除。 添加图表与前面解析 Excel 数据生成报表流程类似，用户输入标题后生成查询 SQL，后续步骤相同。

以下是使用 Coze 搭建智能体的步骤： 1. 进入 Coze 官网（https://www.coze.cn/home）。 2. 点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。 3. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 4. 了解编辑视图与功能，左侧「选择节点」模块中，根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展智能体的能力边界。如思维导图、英文音频等无法通过 LLM 生成的内容，需依赖插件实现。 大模型：调用 LLM，实现各项文本内容的生成。如中文翻译、英文大纲、单词注释等。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 5. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 6. 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，完成工作流框架的搭建。 对于图像工作流： 1. 创建图像工作流，图像流分为智能生成、智能编辑、基础编辑三类。 2. 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，即提示词对效果图的影响度；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 3. 按照构架配置工作流，调试工作流效果，调试毛坯房测试用例（https://tgi1.jia.com/129/589/29589741.jpg）。 4. 开始节点对应配置三项内容，进行提示词优化。 5. 设定人设和回复逻辑，然后点击右上角发布。

要给 Coze 中自创的智能体设置权限，您可以按照以下步骤进行操作： 1. 创建扣子的令牌： 在扣子官网左下角选择扣子 API。 在 API 令牌中选择“添加新令牌”。 给令牌起一个名字。 为了方便选择永久有效。 选择制定团队空间，可以是个人空间、也可以选择团队空间。 勾选所有权限。 保存好令牌的 Token，切勿向他人泄露。 2. Coze 设置： 获取机器人 ID：在个人空间中找到自己要接入到微信中的机器人，点击对应的机器人进入机器人编辑界面，在浏览器地址栏的 bot/之后的数据就是该机器人的 Bot ID。 API 授权：点击右上角发布，会发现多了一个 Bot as API，勾选 Bot as API，确定应用已经成功授权 Bot as API。 3. 服务器设置： 购买云服务器：推荐使用腾讯云服务器，新用户专享 28 元/年一台云服务器，如果售罄可以购买 82 元/年的，购买选项中选择宝塔 Linux 面板 8.1.0 腾讯云专享。 云服务器设置密码：选择暂不需要教学场景，点击宝塔 Linux 面板，通过远程登录的密码/密钥登录的重置密码来初始化密码，设置好密码并妥善保存。 获取宝塔 Linux 地址：点击控制面板中的应用信息的管理应用，获取宝塔应用有两种方法。第一种是在浏览器中直接输入；第二种是在复制完“sudo /etc/init.d/bt default”，然后点击后面的登录按钮，输入密码后，将刚刚复制的内容粘贴到提示符后，然后点击回车。系统会反馈外网面板地址和内网面板的地址，主要使用外网面板地址。此时还不能直接打开面板地址，需要在防火墙中设置外网可以使用 8888 端口。 设置宝塔的密码：登录宝塔 Linux 面板，输入在对话框中输入修改密码编号 5，然后输入新的密码，系统会返回新的用户名和密码，用户名和密码要妥善保存。 此外，在部署完成后，您还可以： 1. 使用飞书·稍后读助手： 得益于飞书 app 的多平台支持，您可以电脑、手机端通过飞书机器人与稍后读助手进行对话。 直接在 Coze 商店中与 bot 进行对话。 如果还选择了部署到微信服务号、订阅号，也可以通过这些渠道调用 bot。 2. 设置稍后读存储地址： 首次使用，请按以下步骤设置您的稍后读存储位置： 访问。 点击「更多创建副本」，然后复制新表格的分享链接。 将新链接发送到智能体对话中。 您还可以发送“查询存储位置”、“修改存储位置”，来更换飞书多维表格链接，调整您的稍后读存储位置。 3. 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。如果是第一次使用，会要求授权共享数据，授权通过后，再次输入需要收藏的页面链接，即可完成收藏。 4. 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。

关于您提到的 Coze 代码测试成功但运行示例时报错的问题，以下是相关的信息和可能的解决办法： 图片生成方面：理想生成图片只实现了一次，其他几次生成文字加链接，链接需点进去查看且图片需渲染或加载，无互动趣味性，增加等待时间。因为默认返回的是 markdown 格式，微信不支持 markdown 格式，可在 github 上搜索 nicecoze 插件，基于 cow，把 markdown 转换为图片消息。 模型配置方面：Coze 里面模型配置用的 GPT4o，程序运行调用的是 GPT3.5 Turno。这是因为没有查询到 4o 的 token 计算方式，所以采用 3.5 的，但依然使用的是 GPT4o，只是 token 计算方式用的 3.5。 插件功能方面：Coze 加入了插件 Data Analysia（数据分析）、Browser 和 GPT4v 互动过程无法实现功能。这需要在 coze 里进行鼓捣，和 cow 的 config 无关。 外层 bot 方面：在外层 bot 进行运行时容易出现报错，暂时无法确定原因，猜测可能是外层 bot 的并发不够稳定，不如直接在工作流编辑面板中获取精度结果。如果自行实验时多次报错且无法定位问题原因，不要急着怪自己，相关 bug 已提交给 Coze 团队，希望能加紧优化。

AI 剪辑视频的难点主要包括以下几个方面： 1. 软件协同与工程联通：如剪映无法协同工作，无法导出工程文件与其他软件进行工程联通，难以达到更好的商业化效果。 2. 声音运用：声音在影像制作中非常重要，但很多软件的音效库有限，复杂和真实的音效可能需要另外制作，且音乐商用需注意版权。 3. 人物镜头衔接：在 AI 生图转视频中，人物的多组镜头拼接时，画面不一致容易出戏，需要运用特定的镜头定律来加强联系。 4. 消除动图 PPT 的枯燥感：在 Luma 出现之前，动图 PPT 产生的枯燥感难以解决，即使 Luma 出现后可能依然存在，需要依靠强有力的演出和音乐音效来抵消。 5. 艺术表达：就艺术表达而言，AI 生成的声音与真人相比仍有很大差距。

ComfyUI 生成视频的技术难点及相关内容如下： 运行 ComfyUI 并加载工作流：完成准备工作后运行 ComfyUI，默认版本存在不支持模型版本和 node 管理的问题，需安装 ComfyUI Manager 插件。再次运行 python main.py 会出现 Manager 菜单。工作流可下载后使用 ComfyUI 菜单的 load 功能加载，点击菜单栏「Queue Prompt」开始视频生成，通过工作流上的绿色框查看运行进度，最后在 ComfyUI 目录下的 output 文件夹查看生成好的视频。 显存溢出问题：若生成视频过程中出现显存溢出问题，需进一步处理。 ComfyUI 的特点：其核心在于自由和拓展，可自行调整以切合工作流甚至改造工作流，在 AI 发展迅速的时代保持灵活至关重要。能完成生成四格故事漫画、视频、写真、表情包、换脸、换装等，相关内容后续会一一讲解介绍。

SD 生成视频的技术难点主要包括以下方面： 1. 稳定性和闪烁问题：目前基本所有的 SD 生成视频都存在这方面的问题，不过上周发布的一个方案在很大程度上解决了此问题。该方案包括使用适应性扩散模型生成关键帧，并应用分层交叉帧约束来强制形状、纹理和颜色的一致性；通过时间感知的补丁匹配和帧混合将关键帧传播到其他帧。 2. 图像处理：如在生成视频时，抠图中间可能处理不彻底，最好先通过 PS 扣好模板再绘制背景。 3. 操作方法：生成视频的方法包括粗暴地替换，或者一帧一帧拆开然后利用 ControlNet + 局部重绘功能，每一帧做取模重绘，并尽量在同一语义下批量生成。 4. 关键词和反关键词设置：输入关键词如奶油的英文单词“Cream + Cake”（加强质感），反关键词如“Easynegative”（负能量），反复刷机以得到满意效果。 5. 模型和参数设置：例如选择合适的模型、设置采样器、CFG 尺度、种子、尺寸、VAE 等参数。

AI 要继续向前发展，面临着以下主要的技术难点和挑战： 1. 快速迭代带来的压力：AI 迭代速度极快，如一年或两年迭代的内容，当下一个月就可能发生变化，这使得相关从业者跟进步伐较为吃力。 2. 基建需求：如在 2024 年需搞好大模型、算力等方面的基建工作。 3. 应用端的发展：需要促进应用端的繁荣。 4. 技术推广：虽然在特定游戏环境中 AI 取得显著成果，但将其推广到更广泛、复杂的现实世界应用面临诸多挑战。例如，游戏环境通常封闭可控，而现实世界充满未知和不确定性；游戏中的胜利条件明确一致，而现实生活中的目标可能多样、冲突或随时间变化。 5. 共创模式的挑战：包括协调复杂、知识产权保护、利益分配、责任归属与质量控制等。

企业做自己的小模型，可能会用到以下工具及背后的公司： 1. 在编排（Orchestration）方面，涉及的公司如 DUST、FIAVIE、LangChain 等，其提供的工具可帮助管理和协调各部分及任务，确保系统流畅运行。 2. 部署、可扩展性和预训练（Deployment, Scalability, & PreTraining）类别中，像 UWA mosaicm、NMAREL、anyscale 等公司提供的工具，有助于部署模型、保证可扩展性及进行预训练。 3. 处理上下文和嵌入（Context & Embeddings）的工具，相关公司有 TRUDO、Llamalndex、BerriAI 等，能帮助模型处理和理解语言上下文，并将词语和句子转化为计算机可理解的形式。 4. 质量保证和可观察性（QA & Observability）方面，例如 Pinecone、drant、Vald 等公司提供的工具，可确保模型表现并监控其性能和状态。 此外，还有以下工具和相关公司： 1. 图片生成 3D 建模工具，如 Tripo AI（由 VAST 发布）、Meshy、CSM AI（Common Sense Machines）、Sudo AI、VoxCraft（由生数科技推出）等。 企业还可能涉及具身智能、3D 眼镜、AI 绘本、AI 图书、学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体、Zeabur 等云平台、0 编码平台、大模型（通义、智谱、kimi、deepseek 等）、编程辅助、文生图（可灵、即梦等）等方面，可能需要相应资质。

目前 ChatGPT 没有 ChatGPT1 这个大模型。ChatGPT 有多个版本，如 ChatGPT3、ChatGPT3.5、ChatGPT4 等。您可以通过以下方式使用 ChatGPT 相关模型： 1. 访问 OpenAI 的官方网站，按照其指引进行注册和使用。 2. 部分应用和平台可能集成了 ChatGPT 的接口，您可以在这些应用中体验其功能。 需要注意的是，使用 ChatGPT 时应遵循相关的使用规则和法律法规。

学习人工智能并应用到赚钱可以从以下几个方面入手： 1. 掌握基础知识：学习人工智能的基本概念、原理和技术，包括机器学习、深度学习、自然语言处理等。 2. 提升技能：通过相关课程和实践，提高自己在数据处理、模型训练和优化等方面的能力。 3. 学习商业应用：了解人工智能在金融、医疗、制造业等行业的应用案例，例如学习微软的《面向商业用户的人工智能学习》《人工智能商学院》等课程。 4. 深入研究经典机器学习：可参考《机器学习入门课程》。 5. 掌握特定技术：如使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用，包括《视觉》《自然语言处理》《使用 Azure OpenAI 服务的生成式人工智能》等课程。 6. 持续学习和实践：人工智能领域发展迅速，需要不断更新知识和技能，并将其应用到实际项目中。 然而，需要注意的是，学了人工智能有可能赚钱，但不一定保证每个人都能赚到钱。人工智能领域确实有很多高薪工作，比如数据科学家、机器学习工程师等，但能否赚钱还取决于很多因素，比如个人的学习能力、实际应用能力、对市场和商业的理解等等。仅仅学会一些基础知识可能还不足以在竞争激烈的市场中脱颖而出。大型语言模型主要基于语言理解和生成，并非专门设计用于数学计算，在处理数学问题时可能出错。同时，关于 GPTs/GLMs 能否帮助创作者赚钱，答案是能，但大多数人不能，具体原因会在相关文章中详细阐述。

以下是在 Coze 上创建工作流的步骤和所需工具： 1. 进入 Coze 平台，点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。 2. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 3. 新建完成后，整个编辑视图与功能如下： 左侧「选择节点」模块中，根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。例如涉及思维导图、英文音频等无法通过 LLM 生成的内容，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。例如中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 4. 接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 此外，在扣子平台上，插件就像一个工具箱，里面可以放一个或者多个工具，称为 API。目前扣子平台已有很多不同类型的插件，如看新闻、规划旅行、提高办公效率、理解图片内容的 API 等，还有一些能处理多种任务的模型。若现有的插件不符合需求，还可自己制作插件并加入所需的 API。工作流就像可视化的拼图游戏，可将插件、大语言模型、代码块等功能组合，由多个小块块（节点）组成，如大语言模型 LLM、自己写的代码、做判断的逻辑等，开始和结束都有特定的小块块，不同小块块可能需要不同信息才能工作，信息包括引用前面小块块给出的和自己设定的。

使用 AI 写软件需求设计文档可以参考以下步骤和工具： 1. 明确需求和目标：清晰界定软件的功能、性能、用户界面等方面的要求。 2. 收集相关信息：利用 AI 工具如学术搜索引擎、文献管理软件等搜集类似软件的需求文档和相关资料。 3. 分析总结信息：借助 AI 文本分析工具提取关键要点和主要观点。 4. 生成大纲：使用 AI 写作助手构建需求文档的大纲，涵盖引言、功能需求、非功能需求、界面设计等部分。 5. 撰写各部分内容：利用 AI 写作工具撰写需求文档的各个部分，并进行语法和风格检查。 6. 审阅和修改：通过 AI 审阅工具检查文档的逻辑性、一致性和准确性，并根据反馈进行修改。 7. 提交前检查：使用 AI 抄袭检测工具确保文档的原创性，并做最后的格式调整。 以下是一些可用于写软件需求设计文档的工具： ChatPRD、WriteMyPRD、Uizard、tldraw 等。 需要注意的是，AI 工具只是辅助，不能完全替代您的专业判断和思考，要确保文档的质量和准确性。

以下是一些大学老师可能会遇到的头疼场景以及能够用 AI 解决的方式： 学习指导方面： 可以大规模部署个性化的学习计划，为每个学生提供一个“口袋里的老师”，理解学生独特需求，回答问题或测试技能。例如像 Speak、Quazel 和 Lingostar 这样的应用。 对于特定学科的学习，如数学，有像 Photomath 和 Mathly 这样的应用指导学生解决问题；对于历史学习，有 PeopleAI 和 Historical Figures 通过模拟与杰出人物的聊天来教授。 学生在作业中利用 AI 助手，如 Grammarly、Orchard 和 Lex 帮助克服写作难题，提升写作水平。处理其他形式内容的产品，如 Tome 和 Beautiful.ai 协助创建演示文稿。 教学协助方面： 自适应学习，精准回答学生问题，协助教师提供数字资源。 在教育的各个方面，如教学内容、教学场景、教材与教法、教育思想和教育组织形态等，AI 都能发挥作用。 在不同的教育时代，如口传时代、手抄时代、印刷时代、电子媒体时代和数字媒体时代，AI 都能为教育带来新的可能性和改进。 AI 在医疗保健、金融服务、零售和电子商务、制造业、交通运输等行业也有广泛应用： 医疗保健：医学影像分析辅助诊断疾病、药物研发、个性化医疗、机器人辅助手术等。 金融服务：风控和反欺诈、信用评估、投资分析、客户服务等。 零售和电子商务：产品推荐、搜索和个性化、动态定价、聊天机器人等。 制造业：预测性维护、质量控制、供应链管理、机器人自动化等。 交通运输：自动驾驶、交通流量预测、物流优化等。