coze案例拆解

在 Coze 的 bot 中调用工作流的方式如下： 采用 32K 的 kimi 模型，只有一条工作流。该工具有 5 个按钮：A、B、C、重新开始、结束并总结。按 A/B/C 时，会直接输入对应的字母文字。按结束并总结时，输入的依旧只是文字：“结束并立即总结医学知识点”。点击“重新开始”时，会直接调用一个工作流“emergency”，且这个工作流有两个必选参数：“疾病设置”和“难度设置”。在实际体验过程中，仅在提供“疾病设置”和“难度设置”时，工作流被调用，其他时候没有触发任何工具和工作流。 在外层 bot 中封装工作流的步骤为：点击「发布」发布工作流后，创建一个 bot 进行最终的工作流封装。具体过程包括：创建 Bot；填写 Bot 介绍；切换 Bot 模式为“单 Agent（工作流模式）”，因为此 Agent 只需在每次输入英文文章时返回精读结果，所以不需要用外层 bot 对输入进行其他任务理解，可直接调用工作流；把配置好的工作流添加到 Bot 中；填写开场白，引导用户使用，并关闭开场白预置问题，因为使用流程里用不到。

以下是关于 Coze 案例的相关信息： 一泽 Eze 的万字实践教程：全面入门 Coze 工作流，用其打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力。核心看点包括通过实际案例逐步演示用 Coze 工作流构建能稳定按模板要求生成结构化内容的 AI Agent，开源 AI Agent 从设计到落地的全过程思路，10 多项常用的 Coze 工作流的配置细节、常见问题与解决方法。适合人群为玩过 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。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。 从案例入门：创作者将使用扣子 coze.cn 等平台创建智能体 Agent 的过程比喻为“捏 Bot”，最简单的 Bot 往往 1 分钟内可捏完。常见 Bot 有讲故事、减肥提醒、生成 PPT、真假新闻辨识、新闻资讯收集、扮演“甄嬛”等。 蓝衣剑客的四万字长文：在第五章节介绍后，大家对在 Coze 平台上创建工作流和 Bot 有初步了解。实际应用中常利用个性化生产力工具，由特定 Agent 或工作流组成以满足特定需求。这部分介绍一些与个人生产力系统相辅相成的案例，包括流程设计、多智能体框架及特定生产力工具中使用的提示词。由于篇幅有限，仅提供基本常用案例提示词，建议亲自动手实践以更好创建适合自己的生产力工具。

在 Coze 工作流中，开始节点的输入参数使用方式如下： 开始节点就像生产线的入口，负责定义启动工作流所需的输入参数，收集用户的输入。可以为每种输入取变量名并说明类型，以便后续分类识别与加工。 其中，{{BOT_USER_INPUT}}是默认变量，用于接收用户在外层 Bot 中的输入文本。在工作流模式下，通常应只保留 BOT_USER_INPUT 节点。 例如在记账案例中，开始节点定义一个{{prompt}}，把用户在 bot 输入的记账内容传入进来。在本案例中，不需要在开始节点配置额外变量，用户初始输入将通过{{BOT_USER_INPUT}}直接传入工作流启动后续环节。

以下是关于 Coze 的使用教程及相关信息： Coze 概述：字节的官方解释为，Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可在该平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单问答到处理复杂逻辑对话，并能将搭建的 Bot 发布到各类社交平台和通讯软件上与用户互动。个人认为 Coze 是字节针对 AI Agent 领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。字节针对 Coze 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 相关基础教程：

在 Coze 中查看插件的 API 可以按照以下步骤进行： 1. 点击个人空间，选择插件，然后点击创建插件。 2. 创建插件时，需要注意以下几点： 插件名称：使用中文，根据插件需求起名。 插件描述：向观众说明插件的用途和使用方法等。 插件工具创建方式： 云侧插件 基于已有服务创建：使用现成的 API 来创建插件，选择此方式后，会有一个必填项，即要填入所使用 API 的 URL。 云侧插件 在 Coze IDE 中创建：使用 Coze 的服务器写代码来直接搭建 API（支持 Python 和 Node.JS）。

以下是一些可以找到扣子 COZE 使用学习视频的途径： 1. 您可以参考“蓝衣剑客：四万字长文带你通学扣子”中的相关内容，了解 COZE 的简介、功能、模型选择、插件系统等方面的信息。 2. 提前查看“Agent 搭建共学快闪 0507”中的共学资料，如： 3. 详细内容可至 Coze 官方手册了解：https://www.Coze.cn/docs/guides/knowledge 4. Coze 国内版地址：https://www.coze.cn/home 5. Coze 海外版地址：https://www.coze.com/home

以下是关于爆款视频拆解的相关内容： WTF 在 1w 粉到 10w 粉仅用时 13 天，像素级拆解了《动物时装秀》。他认为在如今 AI 绘画遍地开花的情况下，动物时装秀能从众多 AI 绘画赛道中脱颖而出，是同时满足了切片、通感、反差这些爆款元素。 一个爆款视频至少要满足以下几点： 1. 切片：短视频打败长视频靠的是做长视频的切片，同理，短视频要脱颖而出也需要不断切片，将一个短视频变成多个短视频的集合，增加信息密度，大拆小，狂加料。 2. 通感：大脑分为直觉脑和理性脑，直觉脑就是人的五感。比如看到头疗、水疗的直播间会让人舒服是靠声音，看到美食直播间尤其是把美食切开喂到面前的那种会让人不知不觉看很久。总之，不要让观众动脑子。 3. 反差：抖音航线里行舟大佬有专门记录反差的文档，感兴趣的可以去查看抖音航线的航海手册。 另外，研究拆解爆款内容的案例中提到： 1. 第一步：确保 ChatGPT 理解要拆解的角度。 2. 第二步：输入短视频脚本并让 ChatGPT 开始拆解。 3. 第三步：让 ChatGPT 提出内容的修改建议，并分点式给出答案。 4. 第四步：要求 ChatGPT 以特定风格去做修改。

以下是关于拆解爆款内容的详细步骤： 1. 建立自己的爆款库，并从中选择 1 个爆款内容。 2. 让 ChatGPT 理解您拆解的角度，可通过明确其对相关名词涵义的理解等方式。提问模板如：请您明确理解以下名词的涵义（列举拆解角度）：XXX、XXX、XXX；请您根据 XXXX（列举拆解角度），分析以下 XXXX（列举内容类型，例如文章/脚本）。示例：（这里把爆款内容复制进去对话框） 3. 让 ChatGPT 提出内容的修改建议，并分点式给出答案。提问模板如：根据上述分析，请您判断这个 XXXX（列举内容类型，例如文章/脚本）的亮点和不足在哪里；请根据上述分析，进一步提出内容的修改建议，并分点式告诉我。 4. 要求 ChatGPT 以特定风格去做修改。提问模板如：请根据上述内容的修改建议，对这个 XXXX（列举内容类型，如脚本/文章）进行修改，并输出 XXXX（列举内容类型，如脚本/文章）的文案；请将这个 XXXX（列举内容类型，如脚本/文章）调整成 XXX 风格（适用于 XX 平台，或与某作者相近风格，例如用王家卫风格、金庸风格） 案例方面： 1. 确保 ChatGPT 理解您要拆解的角度。 2. 输入短视频脚本并让 ChatGPT 开始拆解。 3. 让 ChatGPT 提出内容的修改建议，并分点式给出答案。 4. 要求 ChatGPT 以特定风格去做修改。

以下是为您推荐的一些有助于拆解书籍的 AI 相关书籍： 1. 《认知神经学科：关于心智的生物学》（作者：Michael S.Gazzaniga; Richard B.Lvry; George R.Mangun）：这是世界权威的认知神经科学教材，由认知神经科学之父创作，能让您系统了解认知神经科学的诸多方面。 2. 《神经科学原理》（作者：Eric R.Kandel; James H.Schwartz）：帮助您系统了解神经元的细胞和分子生物学、突触传递等内容。 3. 在 Python 和 AI 方面，对于新手入门，Python 相关的推荐书籍有《Python 学习手册》和《Python 编程》；AI 相关的推荐书籍有《人类简史》（其中“认知革命”的相关章节）和《深度学习实战》（按脉络梳理了 ChatGPT 爆发前的 AI 信息与实践）。

以下是一些基于 Agent 开发的优秀应用案例及拆解： 1. 平台方面： Coze：新一代一站式 AI Bot 开发平台，适用于构建各类问答 Bot，集成丰富插件工具拓展能力边界。 Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署到各种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识等，并访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景表现出色，提供深入环境感知和记忆功能。 2. 项目方面： AppAgent：由腾讯和德州大学达拉斯分校的研究团开发的 AI 学习模型，能模仿人类在手机上操作 APP。通过模仿能力提升，对模仿数据反利用有不错应用场景，如优化产品原型和 UE 交互。主要功能特点包括多模态代理，能处理和理解多种类型信息，在 50 个任务和 10 种应用程序上进行广泛测试。在烹饪场景和 Adobe Lightroom 图像编辑测试中有出色表现，能通过不同模态准确推理，完成实时场景交互。

以下为目前大模型的一些优秀应用案例和实施经验： 在问答行业： Baichuan 借鉴了 Meta 的 CoVe 技术，将复杂 Prompt 拆分为多个独立且可并行检索的搜索友好型查询，使大模型能够对每个子查询进行定向知识库搜索。 利用自研的 TSF（ThinkStep Further)技术来推断和挖掘用户输入背后更深层的问题，以更精准、全面地理解用户意图。 自研 BaichuanTextEmbedding 向量模型，对超过 1.5T tokens 的高质量中文数据进行预训练，并通过自研损失函数解决了对比学习方式依赖 batchsize 的问题。同时引入稀疏检索和 rerank 模型，形成向量检索与稀疏检索并行的混合检索方式，大幅提升了目标文档的召回率，达到 95%。 在医疗行业： 涵盖疾病的诊断与预测、药物研发以及个性化医疗等方向。 例如，麻省理工学院利用 AI 发现了新型广谱抗生素 Halicin。研究者先构建由两千个性能已知的分子组成的训练集，用它们训练 AI 学习分子特点，总结规律，再对美国 FDA 已通过的六万多个分子进行分析，最终成功识别出有效分子，且实验证明效果良好。 在模型架构方面： 包括 encoderonly、encoderdecoder 和 decoderonly 等类型。 如 BERT 是 encoderonly 模型的代表，google 的 T5 是 encoderdecoder 模型的代表，众多熟知的 AI 助手包括 ChatGPT 基本属于 decoderonly 架构。 大模型的特点在于预训练数据量大，往往来自互联网上的多种来源，且参数众多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。

以下是一些 AI 记忆能力的应用案例： 1. 在智能体方面，如果未来能结合持久化 KV Cache、KV Cache 的压缩技术控制成本，就有可能打造出记忆力超越人类的智能体。它能记录所有对话历史、思考过程和情绪状态，在提供服务时展现出更高级别的个性化和情感连贯性。例如 ChatGPT 最新版本引入了记忆功能，可将对话重点记录在“bio”小本子上，用于后续提供更个性化和相关的回答。 2. 文本总结是一种常见应用，能将长篇聊天记录或文档简化为关键描述，提高信息检索效率和易理解性，广泛应用于商业报告、新闻摘要等领域。 3. 外部存储访问方法受到关注，如 UC Berkeley 的 MemGPT 项目，通过特定指令访问外部存储系统保存和回调信息，扩展模型记忆能力和增强上下文理解能力，使 AI 在连续对话中保持信息连贯性并根据历史交互调整响应。 4. 像“AI 女友麦洛薇”，对于不知道的信息会学习并抽取实体和关系存入知识图谱，保证不会因上下文窗口不足溢出，从知识图谱这一永久记忆中提取被丢弃的记忆，实现永久记忆功能。 5. 在学术界，有探索模型层面使用 embedding 进行信息总结的研究方向，虽然目前主要在研究阶段且实用性可能有限，但代表了未来趋势。此外，RAG 架构通过搜索相关信息片段融入大模型上下文帮助回答问题，其存储手段并非仅依赖向量库，传统基于关键词的检索方法在精确匹配具体细节时更适用。

2024 大模型典型示范应用案例集可以在以下链接下载：https://waytoagi.feishu.cn/record/UXgRrbKPue5a2McLLRBcobienQg 。该案例集汇集了 97 个优秀案例，展示了大模型技术在多个行业和领域的应用，如教育、医疗、金融、政务等。案例由阿里云、百度、华为等领先企业实施，体现了大模型在提升效率、降低成本、创新服务等方面的显著成效。上海成为应用落地的热点地区，大中型企业是主要试验场。AI 智能体和知识库成为提升大模型落地实效的关键手段。这些案例为行业提供参考，推动大模型技术深入赋能实体经济，促进高质量发展。

智能体（Agent）是随着 ChatGPT 与 AI 概念爆火而出现的新名词，简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。 智能体可以根据其复杂性和功能分为以下几种类型： 1. 简单反应型智能体（Reactive Agents）：根据当前的感知输入直接采取行动，不维护内部状态，也不考虑历史信息。例如温控器，根据温度传感器的输入直接打开或关闭加热器。 2. 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能够推理未来的状态变化，并根据推理结果采取行动。比如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境的模型。 3. 目标导向型智能体（Goalbased Agents）：除了感知和行动外，还具有明确的目标，能够根据目标评估不同的行动方案，并选择最优的行动。例如机器人导航系统，有明确的目的地，并计划路线以避免障碍。 4. 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动的优劣，权衡利弊。比如金融交易智能体，根据不同市场条件选择最优的交易策略。 5. 学习型智能体（Learning Agents）：能够通过与环境的交互不断改进其性能，学习模型、行为策略以及目标函数。例如强化学习智能体，通过与环境互动不断学习最优策略。 在智能体的落地案例方面： C 端案例：比如在社交方向，用户注册之后先捏一个自己的智能体，然后让自己的智能体和其他人的智能体聊天，两个智能体聊到一起后再真人介入，这是一个很有趣的场景；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：如果字节扣子和腾讯元器是面向普通人的低代码平台，类似 APP 时代的个人开发者，那还有一个机会就是帮助 B 端商家搭建智能体，类似 APP 时代专业做 APP 的。 此外，字节于 2 月 1 日正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。

以下是人工智能在电商行业的一些应用案例： 1. 推广方面： 制定上市推广方案，包括品牌、产品信息、新品、成分、属性、功效、人群特征、客户分析、产品定位、核心卖点、推广策略、广告、公关、线上推广、线下活动、合作伙伴、资源整合、预算、执行计划、监测、评估、微调方案、价值主张、营销策略、热点话题、消费者、向往感、诱惑钩子等方面。 制定内容营销方案，以提高品牌知名度、增加客户参与度、提高转化率、增加销售等。 2. 图像生成方面： 美团外卖商家版后台利用图像模型生成菜品照片。 3. 其他方面： 舆情、投诉、突发事件监测及分析。 品牌营销内容撰写及投放。 自动化库存管理。 自动生成或完成 SKU 类别选择、数量和价格分配。 客户购物趋势分析及洞察。