以下是关于 Coze 0 基础开发 Agent 智能体的教程:
一、梳理手捏 AI Agent 的思路
在上篇文章Prompt 工程|样例驱动的渐进式引导法:利用 AI 高效设计提示词,生成预期内容中提到,Prompt 工程的必备能力是通过逻辑思考,从知识经验(KnowHow)中抽象表达出关键方法与要求,这一理念同样适用于在 Coze 中创建 AI Agent。
搭建工作流驱动的 Agent,简单情况可分为 3 个步骤:
二、全面评估并优化 Agent 效果
在获得了整个搭建好的工作流后,为了验证 Agent 的效果,一般需要进行如下操作:
如果您还不是很了解 Coze 的操作,可以按照上述步骤教学,完成 Agent 最后的测试与封装。
首先进入Coze,点击「个人空间-工作流-创建工作流」,打开创建工作流的弹窗。根据弹窗要求,自定义工作流信息。点击确认后完成工作流的新建,可以看到整个编辑视图与功能如下:其中,左侧「选择节点」模块中,根据我们的子任务需要,实际用上的有:1.插件:提供一系列能力工具,拓展Agent的能力边界。本案例涉及的思维导图、英文音频,因为无法通过LLM生成,就需要依赖插件来实现。2.大模型:调用LLM,实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。3.代码:支持编写简单的Python、JS脚本,对数据进行处理。而编辑面板中的开始节点、结束节点,则分别对应1.2分解子任务流程图中的原文输入和结果输出环节。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。
在上篇文章[Prompt工程|样例驱动的渐进式引导法:利用AI高效设计提示词,生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中,我已经提到过Prompt工程的必备能力:通过逻辑思考,从知识经验(KnowHow)中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent,搭建工作流驱动的Agent,简单情况可分为3个步骤:1.规划:制定任务的关键方法总结任务目标与执行形式将任务分解为可管理的子任务,确立逻辑顺序和依赖关系设计每个子任务的执行方法1.实施:分步构建和测试Agent功能在Coze上搭建工作流框架,设定每个节点的逻辑关系详细配置子任务节点,并验证每个子任务的可用性1.完善:全面评估并优化Agent效果整体试运行Agent,识别功能和性能的卡点通过反复测试和迭代,优化至达到预期水平接下来,我们从制定关键方法与流程,梳理「结构化外文精读专家」Agent的任务目标。
在获得了整个搭建好的工作流后,为了验证Agent的效果,一般需要进行如下操作:整体试运行Agent,识别功能和性能的卡点通过反复测试和迭代,优化至达到预期水平如果你还不是很了解Coze的操作,可以按照如下步骤教学,完成Agent最后的测试与封装:1.试运行整个工作流,验证整体运行效果(包括响应速度、生成质量)2.迭代优化工作流,提升性能3.在外层bot中封装工作流4.外层bot调试5.万事大吉,可以发布你的bot啦