直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

一个用llm分析微信聊天记录的智能体案例

回答

以下为一个用 LLM 分析微信聊天记录的智能体案例相关内容：

在当今大多数现代人工智能应用程序中，检索增强生成（RAG）是标准架构。以 Sana 的企业搜索用例为例，其过程始于应用程序加载和转换无结构文件（如 PDF、幻灯片、文本文件），跨越企业数据孤岛（如 Google Drive 和 Notion），并通过数据预处理引擎（如 Unstructured）转换为 LLM 可查询格式。这些文件被“分块”成更小的文本块，作为向量嵌入并存储在数据库（如 Pinecone）中。

当用户提出问题时，系统会检索语义上最相关的上下文块，并将其折叠到“元提示”中，与检索到的信息一起馈送给 LLM，然后 LLM 合成答复返回给用户。在生产中，AI 应用程序具有更复杂的流程，包含多个检索步骤和“提示链”，不同类型的任务并行执行，最终综合结果生成输出。

“智能体”（Agent）在人工智能和计算机科学领域是指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以规划、子目标分解、反思完善、记忆（包括短期记忆和长期记忆）、工具使用等关键组成部分。

在开发场景中，有上传客服聊天记录，充当智能客服的案例。此外，还有使用 GPT 的视觉功能和 TTS API 处理和讲述视频、GLM 等大模型外接数据库、开发微信小程序、开发知识库/聊天机器人搭建安全提示词 prompt 等相关案例。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

AI 智能体：企业自动化的新架构 - Menlo Ventures

设置基线:RAG是当今大多数现代人工智能应用程序的标准架构。让我们以Sana的企业搜索用例为例,了解它在幕后的工作原理。该过程始于应用程序加载和转换无结构文件(如PDF、幻灯片、文本文件)跨越企业数据孤岛,如Google Drive和Notion,转换为LLM可查询格式,通常通过像[Unstructured](https://menlovc.com/portfolio/unstructured/)*这样的数据预处理引擎进行。这些文件现在被"分块"成更小的文本块,以实现更精确的检索,并作为向量嵌入和存储在像[Pinecone](https://menlovc.com/portfolio/pinecone/)*这样的数据库中。当用户向AI应用程序提出问题时(例如,"总结我与公司X会议的所有笔记")，系统会检索语义上最相关的上下文块，并将其折叠到"元提示"中,与检索到的信息一起馈送给LLM。然后,LLM会从检索到的上下文中合成一个整洁的带有项目符号的答复返回给用户。当然,该图仅说明了一个带有一个LLM调用的单一检索步骤。在生产中,AI应用程序具有更复杂的应用程序流程,包含数十甚至数百个检索步骤。这些应用程序通常具有"提示链",其中一个检索步骤的输入馈送到下一步,并且不同类型的任务并行执行多个"提示链"。然后将结果综合在一起,以生成最终输出。[Eve](https://menlovc.com/portfolio/eve/)*法律研究的共同驾驭员,例如,可能会将针对《第七篇》的研究查询分解为专注于预定子主题的独立提示链,如雇主背景、就业历史、《第七篇》、相关案例法和原告案件支持证据。LLMs然后运行每个提示链,为每个生成中间输出,并综合各输出编写最终备忘录。

问：什么是智能体 Agent

智能体是一种自主系统，它可以通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到某种目标。在LLM支持的自主Agent系统中，LLM充当Agents的大脑，并辅以几个关键组成部分：规划子目标和分解：Agents将大型任务分解为更小的、可管理的子目标，从而能够有效处理复杂的任务。反思和完善：Agents可以对过去的行为进行自我批评和自我反思，从错误中吸取教训，并针对未来的步骤进行完善，从而提高最终结果的质量。记忆短期记忆：所有的上下文学习都是利用模型的短期记忆来学习。长期记忆：这为Agents提供了长时间保留和回忆（无限）信息的能力，通常是通过利用外部向量存储和快速检索来实现。工具使用Agents学习调用外部API来获取模型权重中缺失的额外信息（通常在预训练后很难更改），包括当前信息、代码执行能力、对专有信息源的访问等。

AI 产品案例严选

|标题|简介|作者|分类|前往查看👉|封面|入库时间|<br>|-|-|-|-|-|-|-|<br>|使用GPT的视觉功能和TTS API处理和讲述视频|这个笔记本演示了如何通过视频使用GPT的视觉功能。GPT-4不直接将视频作为输入，但我们可以使用视觉和新的128 K上下文widnow来同时描述整个视频的静态帧。|Kai Chen|开发|[使用GPT的视觉功能和TTS API处理和讲述视频](https://waytoagi.feishu.cn/wiki/SJkowbSUviLECQk9YtecwJVpnpc?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|<br>|开发：GLM等大模型外接数据库|可以调整prompt，匹配不同的知识库，让LLM扮演不同的角色<br>上传公司财报，充当[财务分析师](https://www.zhihu.com/search?q=%E8%B4%A2%E5%8A%A1%E5%88%86%E6%9E%90%E5%B8%88&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra=%7B%22sourceType%22%3A%22answer%22%2C%22sourceId%22%3A3030429770%7D)<br>上传客服聊天记录，充当智能客服<br>上传经典Case，充当律师助手<br>上传医院[百科全书](https://www.zhihu.com/search?q=%E7%99%BE%E7%A7%91%E5%85%A8%E4%B9%A6&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra=%7B%22sourceType%22%3A%22answer%22%2C%22sourceId%22%3A3030429770%7D)，充当在线问诊医生||开发|[🔥开发：GLM等大模型外接数据库](https://waytoagi.feishu.cn/wiki/GzFdwwzDMi2ii5kyq13c7Hdxnvh?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|<br>|开发：微信小程序|我将手把手教下大家如何利用chatgpt来实现一个微信小程序的搭建。前半部分我们先简单介绍怎么注册小程序，后半部分介绍怎么进行开发上线。||开发|[开发：微信小程序](https://waytoagi.feishu.cn/wiki/IfCcw3ICXiI79Sk3MNJcEvkynPb)||2023/11/15|<br>|开发：知识库/聊天机器人搭建安全提示词prompt|知识库/聊天机器人搭建安全提示词prompt||开发|[开发：知识库/聊天机器人搭建安全提示词prompt](https://waytoagi.feishu.cn/wiki/Xv2EwktakiMSLJk52wZcRiuMnAc?table=tblJzotqp5g7xZ2b&view=vewJuuzsne)||2023/11/15|

其他人在问
coze 是否可以通过LLM生成python代码运行查询excel表格信息？
在 Coze 中，可以通过以下步骤实现相关操作： 1. 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。 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. 新建后的编辑视图与功能中，左侧「选择节点」模块根据子任务需要，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。如本案例中的思维导图、英文音频，无法通过 LLM 生成，需依赖插件实现。 大模型：调用 LLM，实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 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。 5. 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。 需要注意的是，因为前面需要对多维表格操作，所以要先在 http://open.feishu.cn 上建一个飞书机器人，并添加知识库或多维表格编辑权限，具体可参考飞书文档。
2024-10-16
我是一个大学生，LLM帮我能做什么
对于大学生来说，LLM 可以提供以下帮助： 1. 像开卷考试一样，LLM 可以帮助您获取参考资料和相关信息，例如在进行知识学习和研究时，为您提供所需的事实性知识。 2. 可以用于检测对抗提示并将其过滤掉，避免不良输出。 3. 能够为您提供写作方面的帮助，比如写论文，但需要注意这并非是道德的使用方式。同时，了解这种可能性以及其在学生中的使用情况很重要。对于接收方来说，也需要为组织可能接收到的 AI 生成内容做好准备。
2024-10-11
你知道vllm吗
vLLM 是由加州大学伯克利分校开发的。其核心技术是 PageAttention，吞吐量比 HuggingFace Transformers 高出 24 倍。相较于 FasterTrainsformer，vLLM 更加简单易用，不需要额外进行模型的转换，支持 fp16 推理。详细的推理文档见： 。同时，随着大模型参数规模的不断增长，在有限的算力资源下，提升模型的推理速度逐渐变为一个重要的研究方向，常用的推理加速框架包含 lmdeploy、TensorRTLLM、vLLM 和 JittorLLMs 等。
2024-10-04
如何构建用于LLM训练的特定领域的数据集，比如林草领域。
构建用于 LLM 训练的林草领域特定数据集可以参考以下方法： 1. 微调现有模型：采用在通用数据集上预训练的模型，以学习到的权重为起点，在新的特定领域数据集上重新训练模型。但 LLM 规模较大，更新每个权重可能需要很长时间的训练工作，且计算成本较高，可能不是最佳选择。 2. 生成 QA 数据集：对于简单需求，以 QA 数据集和 dialogue 数据集为主。先对文件中的文本进行切割，例如将每一大部分放进一个约 200 字的 txt 文件里，然后设定提示词模板。如对于公司产品手册，可设置类似“你是一个聪明的 xxx 公司的 xxx 产品的产品经理。给你一段 xxxxx 有限公司 xx 产品相关的文本，你必须依据文本想出十个不同的问题和这十个问题对应的答案……”的模板。 3. 针对金融服务领域的经验借鉴： 使用特定数据微调模型：新进入者可先使用公开的金融数据优化模型，再用自身收集的数据；现有参与者可利用现有专有数据，但可能过于保守，给新进入者带来竞争优势。 保证模型输出准确性：考虑到金融问题的重要性，新的 AI 模型需要尽可能准确，一开始人类常作为最终验证环节。 总之，构建特定领域数据集需要根据实际情况选择合适的方法，并注重数据的质量和准确性。
2024-09-06
LLMOPS是什么
LLMOps 是大型语言模型操作（Large Language Model Operations）的缩写。在 LLM 应用程序堆栈中，它与日志记录相关。使用大型语言模型构建应用的方法多样，包括从头训练模型、微调开源模型或使用托管的 API 等。目前对 LLM 应用程序堆栈的看法包含多个项目，如数据管道、嵌入模型、向量数据库、沙盒环境、编排、API 接口/插件、LLM 缓存等。同时，在一些关于开源和闭源商业模式之争的讨论中也有提及。但关于 LLMOps 的具体定义和详细内容，所提供的资料中并未给出十分明确和完整的阐述。
2024-09-04
LLMOPS是什么
LLMOps 是与大型语言模型（LLM）应用相关的一个概念。在 LLM 应用程序堆栈中，它与日志记录相关。使用 LLM 构建应用的方法多样，包括从头训练模型、微调开源模型或使用托管的 API 等。目前所展示的堆栈基于上下文学习的模式。同时，在有关讨论中，如质朴发言：从 GPTs 聊到 Agent、LLMOps 以及开源的新机会｜Z 沙龙第 1 期，将其与 RPA（机器人流程自动化）、RAG（检索增强生成）、ERP（企业资源规划）、AI Ops 等概念一同提及。但关于 LLMOps 的具体定义和详细内容，所提供的资料中并未给出十分明确和完整的阐述。
2024-09-04
微信机器人
以下是关于微信机器人的搭建和使用的相关内容： 入门级搭建方式（Stuart）： 1. 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复。若未成功，可检查 config.json 文件中的配置或跳到“第四章，第 3 步”重启服务。 2. 为机器人设置不一样的提示词，可返回“第三章，第 7 步”更改双引号内的 value 部分。 3. 此后进行任何更改，都需要“返回首页 右上角 点击重启，重启一下服务器”。熟悉 linux 操作的话，也可通过重启进程的方式来重启服务。 4. 然后，在“文件”的【终端】里，直接输入“nohup python3 app.py & tail f nohup.out”重新扫码登录即可。 5. 若想退出机器人，在手机微信上找到桌面版已登录的信息，点击退出桌面版即可。 保姆级基于 Hook 机制的搭建方式（张梦飞）： 1. 修改后，点击保存。 2. 返回 NGCbot 文件夹下，找到 main.py 文件，双击开始运行。 3. 双击后会弹出微信登录框，正常登录微信（若显示版本过低登录失败，跳转到最下边看解决方法）。 4. 进入微信之后，系统会自动初始化必备文件，等待初始化完成。 5. 运行成功后，用“大号”给机器人发一条消息，拿到您的 wxid 返回到 13.1 步，config 让您替换的地方，替换掉。 6. 添加完之后，建议使用小号进行登录，然后就可以使用大号作为管理员，对小号发号施令。 基于 Hook 机制的微信 AI 机器人特点（张梦飞）： 1. 本教程是基于 Hook 机制的机器人教程，与之前的 COW 机器人采用完全不同的方式。 2. 优势：Hook 有相对更高的稳定性和安全性，更简单，易上手。 3. 劣势：目前插件相对较少，且仅支持 Windows 系统。 4. 此项目在 Windows 系统上运行，可以不用服务器，对小白更加友好。 5. 此项目能结合 FastGPT 进行使用，且在@zyh 的帮助下，对群发功能进行了进一步的优化和二开，使其可用性和可玩性更强。 6. 目前，此机器人可以：基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发。还有一些有趣的小功能：安全新闻定时推送，Kfc 文案，星座查询，天气查询等。 最后，如果您仍旧遇到问题，可以先查询社区知识库，或者加“通往 AGI 之路”群，社区小伙伴们（比如梦飞大佬，熊猫大侠）会尽力帮助。也可以加 Stuart 个人微信询问。
2024-10-18
我正在做一个项目“基于chatGPT的剧本杀微信小程序开发”，现在要进行大数据平台后端的开发与搭建，请告诉我怎么入手
以下是基于您的项目“基于 chatGPT 的剧本杀微信小程序开发”进行大数据平台后端开发与搭建的入手步骤： 1. 搭建 OneAPI（https://github.com/songquanpeng/oneapi），其作用是汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告知您如何白嫖大模型接口。 2. 搭建 FastGpt（https://fastgpt.in/），这是一个知识库问答系统。您将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，用于回答问题。如果不想接到微信，仅自己使用，搭建到此即可，它本身也有问答界面。 3. 搭建 chatgptonwechat（https://github.com/zhayujie/chatgptonwechat）以接入微信，并配置 FastGpt 将知识库问答系统接入微信。建议先使用小号以防封禁风险。搭建完成后若想拓展功能，可参考 Yaki.eth 同学的教程（https://waytoagi.feishu.cn/wiki/UADkwZ9B0iAWdTkFJIjcN7EgnAh），其中的 cow 插件具备文件总结、MJ 绘画的能力。 完成上述 3 步即可。
2024-10-16
我正在做一个项目“基于chatGPT的剧本杀微信小程序开发”，请告诉我怎么入手
以下是基于 ChatGPT 开发剧本杀微信小程序的入手步骤： 1. 注册小程序： 登录微信公众号首页，选取小程序，用新邮箱绑定注册。 2. 小程序信息填写： 注册验证通过后，填写小程序信息和类目。小程序名称可填写与功能相关的名称，头像可网上查找或利用 Midjourney 生成。 3. 开发者工具下载： 回到发布流程页面，点击“普通小程序开发者工具”，在新页面中点击“微信开发者工具”，选择 Windows 64 位下载。 4. 创建小程序项目： 打开下载好的微信开发者工具，选择创建小程序。注意获取 ID，选择不使用云服务，并选择 JavaScript 基础模板。创建后了解相关文件，如 app.js 等。 5. 利用 ChatGPT 生成代码： 构思好产品，画个草稿，包括产品名称、按钮数量、交互逻辑等，并将这些话术告诉 ChatGPT。 例如，以制作计算日子间隔的工具为例，给出详细的 prompt 描述需求。 ChatGPT 会给出代码，并告知代码应放置在微信开发者工具的哪些文件中。特殊文件夹如 add 需自行在 pages 下级新建。 您还可以参考以下文章获取更详细的信息：https://mp.weixin.qq.com/s/WkFxMMrlMqv52ce2n0xX6A
2024-10-16
如果我想做一个基于chatGPT的剧本杀创作的微信小程序开发项目，现在要进行大数据平台的后端开发与搭建，你建议怎么入手
以下是基于您的需求，对于大数据平台后端开发与搭建的建议： 1. 首先搭建 OneAPI（https://github.com/songquanpeng/oneapi），它能够汇聚整合多种大模型接口，方便后续更换使用不同的大模型，同时还会为您介绍如何白嫖大模型接口。 2. 接着搭建 FastGpt（https://fastgpt.in/），这是一个知识库问答系统。您可以将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，用于回答问题。如果不想接到微信使用，搭建到这里就可以，因为它本身也有问答界面。 3. 然后搭建 chatgptonwechat（https://github.com/zhayujie/chatgptonwechat）接入微信，并配置 FastGpt 将知识库问答系统接入微信。建议先使用小号，以防有封禁风险。搭建完成后若想拓展功能，可参考 Yaki.eth 同学的教程（https://waytoagi.feishu.cn/wiki/UADkwZ9B0iAWdTkFJIjcN7EgnAh），其中的 cow 插件具备文件总结、MJ 绘画的能力。 完成以上 3 步，整个项目就算基本完成。
2024-10-16
cow微信机器人
以下是关于基于 COW 框架的 ChatBot 实现步骤的详细介绍： COW 是基于大模型搭建的 Chat 机器人框架，可将多模型塞进微信等平台。 实现内容包括： 打造属于自己的 ChatBot，具备文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能。 常用开源插件的安装应用。 正式开始前需知： ChatBot 与在各大模型网页端使用的区别在于本实现思路需接入大模型 API（API 单独付费）。 风险与注意事项： 微信端因非常规使用有封号危险，不建议主力微信号接入。 只探讨操作步骤，请依法合规使用，包括对大模型生成内容的甄别，禁止用于非法目的，处理敏感或个人隐私数据时注意脱敏。 特点： 多平台接入，如微信、企业微信、公众号、飞书、钉钉等。 多模型选择，如 GPT3.5、GPT4.0、Claude、文心一言、讯飞星火、通义千问、Gemini、GLM4、LinkAI 等。 多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能。 多部署方法，包括本地运行、服务器运行、Docker 方式。 部署项目的具体步骤： 1. 下载 COW 机器人项目（chatgptonwechatmaster.zip）并解压缩。 2. 解压后打开 COW 文件夹，在空白处 shift+鼠标右键，点击“在此处打开 Powershell 窗口”。 3. 在 Powershell 窗口中，粘贴“pip install r requirements.txt”，等待执行完成后，继续粘贴“pip install r requirementsoptional.txt”。 4. 执行完成后关闭窗口，在当前目录下找到 configtemplate.json 文件。新生成的是配置文件，右键使用记事本打开，修改画红框的地方。小白建议直接复制给定的配置，删除新文件里的所有代码，复制给定代码粘贴到文件里，找到第 4 行，把注册并保存好的千问 API key 粘贴到双引号里，修改完保存并关闭文件。 5. 保存上述文件，然后在当前文件下，找到 plugins/godcmd 文件夹，复制 config.json.template 重命名为 config.json，双击进入后设置 password 和 admin_users，可先设置为和示例一样，之后再改，保存后关闭。 6. 重新回到 chatgptonwechat/文件路径下，空白处右键，打开 Powershell 里复制粘贴“python app.py”。 基于张梦飞同学的更适合小白的使用教程：
2024-10-10
微信机器人分段回复
以下是关于微信机器人的相关信息： 「第一天」参赛 Bot 配置要求： 1. 关闭进群欢迎语： 管理员认证：auth【你的密码】密码请查看 Plugins/godcmd/config.json disablep hello，关闭 hello 插件。 enablep hello，赛后如需重启，使用该指令。 2. 在群里回答时不能@对方：私聊微信机器人认证成功后，在对话框中输入第一行代码。出现安装成功后，输入第二行。如果出现安装失败，则在插件目录下，右键删除 ipartment 文件夹后，重新安装即可。安装完成后，去服务器的插件目录中，修改配置文件：plugins/ipartment/config.json，可以自行修改，按照如下示例配置。 3. 统一修改 config.py 中的触发词为{问题}：找到配置文件，路径如下，修改"group_chat_prefix":,注意符号均为英文符号。 4. 回答不能分好几条：之前的跟学活动中，使用分段能力的用户，在提示词中，去掉提示词中带有的//n 的示例即可取消分段。 零基础模板化搭建 AI 微信聊天机器人： 1. 纯 GPT 大模型能力的微信聊天机器人搭建： 疑问解答： 容器编排模板是一种配置文件，定义了如何在 Docker 中部署和管理多个容器。通过编排模板，您可以一键部署复杂的应用环境，而不需要手动配置每个容器的细节。本文中，我们通过容器编排模板配置了 COW 组件，使其能够与微信和极简未来平台进行交互。 为什么需要使用 Docker 部署 COW 组件？Docker 提供了一种隔离的运行环境，可以确保应用程序在任何环境下都能稳定运行。通过 Docker 部署 COW 组件，可以简化安装和配置过程，确保每次部署的环境一致，并且容易管理和维护。 为什么需要配置多个前缀来触发机器人回复？配置多个前缀（如“bot”、“@bot”）可以确保只有在特定情况下机器人才会回复，避免在群聊或私聊中频繁干扰。这样可以提高机器人的响应准确性和用户体验。 如果遇到扫码登录失败，可以尝试以下步骤： 重启 Docker 容器：在宝塔面板中找到对应的容器，点击“重启”。 检查网络连接：确保您的服务器和微信客户端都能正常访问互联网。 重新扫描二维码：等待容器重新启动后，重新扫描日志中生成的二维码。 使用这个 AI 微信聊天机器人会不会很贵？实际上不会。极简未来平台的收费是按使用量计算的，对于一般用户来说，费用相对低廉。充值一次少量费用，通常可以使用很长时间。同时，平台还提供每天签到免费领取积分的福利，进一步降低了使用成本。 使用极简未来平台创建 AI 机器人的费用是多少？ 开始搭建： 配置腾讯云轻量应用服务器。 配置部署 COW 组件：重点来了，在刚刚复制的 dockercompose.yml 文件中，我们需要修改一下里面的具体配置来串联我们的微信号和平台上已创建好的 AI 机器人。这个配置的参考官方来源是这里：https://docs.linkai.tech/cow/quickstart/config，当然我把主要的配置解释先给大家看一下。从配置参数解释可以看到，其实配置里面的每个参考的名称的全大写描述，比如 open_ai_api_key 对应编排模板的 OPEN_AI_API_KEY，model 对应编排模板的 MODEL，以此类推我们就可以在编排模板去配置具体的配置参数了。所以以下是我们最新的容器编排模板的配置参数（里面有'{{中文描述}}'的请大家替换为前面让大家预留好的对应值）。这里要留意下，在私聊或者群上交流时，最好都是需要加上一些前缀才触发机器人回复，比如我这里配置的是，即只有 ChatGPT 测试群和 ChatGPT 测试群 2 的群组消息才会自动回复。
2024-10-10
分析微信聊天记录的智能体
以下是关于分析微信聊天记录的智能体的相关信息： 从维度转换能力的角度来看，将各种问题、业务数据等转化为语言信息与语言模型交流能提高效率，但要注意对维度的理解，避免因语言的一维性导致交流偏差。 在业务助手中，主要有助手方式和业务环方式。助手方式是进行工作辅助，大模型负责优化、检索、启发等；业务环方式是大模型作为主业务流程中的一环，自动处理内容并生成结果。 像 Coze 这样的 Bot 智能体，可以实现多模态资讯的跨平台推送。其初衷是让用户拥有专属助手，精准筛选有价值信息。它以扣子为中心平台，通过自研插件、工作流和 API 链接微信群、企业微信群、飞书云文档多维表格等，能根据用户需求抓取热点资讯，分析处理并以多模态形式自动推送到不同平台。 在基于百川大模型的创作中，可将聊天记录的上下文转换为问答对，并对相邻信息做合并处理，还能根据需求筛选指定群或聊天对象的记录。聊天上下文窗口大小可依场景设置。
2024-09-30
我的app应用想要对接大语言模型，结合APP用户自身的数据，实现更精准的对话，是否有行业比较成功的案例可以借鉴
以下是一些在 APP 应用对接大语言模型方面比较成功的案例，可供您借鉴： 1. Poe： 由 Quora 开发，有 APP 版本，支持跨端使用。 集成了 Chat GPT、GPT4、Claude+、Claude、Dragonfly 等模型，同时支持用户自建 Chatbot。 不同语言模型回复效果有差异，适合需要调用多种大语言模型的用户。 Dragonfly 擅长给出较短的回答，并擅长在输入中给出示例时遵循指示。 Claude 更擅长创造性回复，配合 Poe 中的提问引导，非常适合在查阅资料时使用。 支持分享用户和模型的对话内容，但 GPT4、Claude+产品需要付费订阅使用。 访问地址： Poe 中的提问引导真的能够启发到用户，midjourney prompt 扩写 Chatbot 能力很惊人。 2. Perplexity.ai： 本质是个可联网的搜索引擎，完全免费，支持网页版、APP（目前支持 iOS，安卓即将推出）、Chrome 插件。 网页版能力全面，能够根据提问从互联网上搜寻信息并给出总结后的答案。 很多 Chat GPT 中调用插件才能解决的事情（联网查询、旅行、住宿、商品推荐）靠 Perplexity 就可以解决。 能给出信息来源网址，并根据搜索内容给出继续对话的问题建议。 最新推出的 Copilot 能力支持根据搜索内容进行信息补充，每 4h 内使用 5 次，调用 GPT4。 支持分享聊天内容到多渠道。 首页推荐当下流行的新闻、搜索内容。 支持筛选 Academic（包含不同领域的学术研究论文）、Wolfram｜Alpha（包含数学、科学、经济学、语言学、工程学、社会科学、文化等领域的知识库）、Wikipedia（维基百科）、Youtube、Reddit（娱乐、社交和新闻网站）、News 进行搜索。 Chrome 插件可针对当前页面给出即时摘要。 访问地址：
2024-10-18
找一些关于 AI 帮助赚钱的案例
以下是一些关于 AI 帮助赚钱的案例： 在艺术创作方面，生成式 AI 使得内容创作成为可能，如 Lensa 应用，人们可以通过创作肖像画等内容实现盈利。 对于创作者或个体创业者，生成式 AI 产品可服务于各种用例，从消费者“仅为了娱乐”地创造内容，到通过内容实现盈利。 关于 GPTs/GLMs 能否赚钱，虽然能，但大多数人难以做到。以 BeBeGPTs 为例，其收录了大量 GPTs 数据，通过对相关数据的分析可以探讨 AI 赚钱（应用落地）的情况。
2024-10-17
ai与在线教育结合的成功案例
以下是一些 AI 与在线教育结合的成功案例： 教学方面：帮助学生做好组会准备，使用 Claude + Gamma.app 节省时间。 调研方面：用特定的 prompt ，2 小时帮同学完成 3 篇调研报告；用 ChatGPT 做调研。 医疗方面：蛋白质结构预测和蛋白质合成，AI 加速医疗健康生物制药的研究，在抗癌、抗衰老、早期疾病防治等研究应用中发挥重要作用。 教师方面：AI 赋能教师全场景。 未来教育方面：探讨未来教育如果跟不上 AI 可能出现的裂缝。 化学方面：使用大型语言模型进行自主化学研究。 翻译方面：介绍把一份英文 PDF 完整翻译成中文的 8 种方法。
2024-10-12
可以给我一份ai生成的很精美的ppt案例吗
以下为您提供一些 AI 生成的精美 PPT 相关案例和信息： 案例： 营销：定制营销报告：涵盖汇报对象身份、销售数据、财务报告、市场分析、客户反馈、营销效果评估等内容。 办公：高效做 PPT：介绍了用 ChatGPT 生成 Markdown 语法内容，再借助 MindShow 转换为精美的 PPT。 办公：编写 Excel 公式：可通过具体问题与答案的交互来获取所需公式。 办公：写邮件：关于未及时提供数据的中等大长度的摘要邮件及问题项目清单。 工具： 歌者 PPT：是一款永久免费的智能 PPT 生成工具，具有话题生成、资料转换、多语言支持、模板和案例丰富、在线编辑和分享、增值服务等功能。其优势包括免费使用、智能易用、海量案例、资料转 PPT 专业、AI 翻译等。 相关网站和应用：SlidesAI、Decktopus AI、Tome、MagicSlides、Presentations.AI、Canva、Simplified、GlimmerAI、Sendsteps、Plus AI、Microsoft 365 Copilot、Gamma、Canva Magic Design、ChatGPT、Beautiful.AI 等。同时，收录了群友熊猫 Jay 的实践教程：https://mp.weixin.qq.com/s/uVoIIcePa7WTx7GNqkAPA
2024-10-11
法律行业搜索案例的免费ai哪个好用
在法律行业，进行案例搜索时最好使用法律行业垂类的 AI 产品，通用型 AI 可能存在查不出来、数据不全或生成内容不满足需求的情况。以下是一些案例检索的 Prompt 指令词示例及相关场景： 场景一：案例检索 Prompt 指令词：请搜索近五年内关于商标侵权案件中“混淆可能性”标准的具体判例，并提供相似度最高的三个案例的关键要点摘要。 预计效果：AI 系统将检索相关数据库，找出符合要求的判例，并提炼出这些案例中有关“混淆可能性”标准的关键判决理由和结果，形成摘要报告。 其他例子： Prompt 指令词：检索近三年内所有涉及软件算法专利侵权的案例，分析法院判决中关于技术特征对比和侵权判定的标准，为即将面临的专利侵权案件提供参考。 Prompt 指令词：比对不同地区法院在处理劳动争议案件时对加班费计算标准的差异判决，总结对雇主有利的判决趋势，为客户提供合规操作指导。 Prompt 指令词：研究环境法相关案例，特别是涉及工业废弃物处理的法律责任，为客户提供合规处理建议，以降低潜在的法律风险。 Prompt 结构提示：【案例领域或类型+明确需要查找的重点内容+查找案例的目的+其他希望 AI 做的事情】 场景二：类案检索 Prompt 指令词：（与场景一类似） 预计效果：（与场景一类似） 其他例子：（与场景一类似） Prompt 结构提示：（与场景一类似） 场景四：法规研究与解读 Prompt 指令词：根据最新修订的《数据安全法》，解析企业在处理个人信息时应遵循的主要原则，并给出具体操作建议。 预计效果：AI 助手将依据《数据安全法》的最新条款，解析企业处理个人信息所必须遵循的原则，并结合实践情况提出详细的操作指南或合规建议。 其他例子： Prompt 指令词：分析新出台的《网络安全法》对电子商务平台的具体影响，特别是数据保护和用户隐私方面的规定，为客户提供合规操作指南。 Prompt 指令词：【输入一段具体法律规定如：国际贸易规定】，以上是国际贸易法规的最新变化，为客户提供跨境交易的合规指南，特别是关税和进出口限制方面的内容。 Prompt 指令词：解读新修订的税法对中小企业的影响，提供税务规划和避税策略的建议，确保客户在合法范围内优化税务负担。 Prompt 结构提示：【需求 or 目的+根据具体法条或者根据某部法律+具体需要研究或则具体的研究细节内容】 场景五：法律意见书撰写或非诉交易文件材料 Prompt 指令词：针对我方当事人涉及的版权纠纷案，输入【已有的证据材料】+【相关法律条文】，撰写一份初步法律意见书，论证我方主张的合理性和胜诉的可能性。 预计效果：AI 将基于商标法的相关条款和案例法，提供关于商标侵权案件的诉讼策略。这将包括对原告商标权利的详细分析、被告侵权行为的法律评估、关键证据的搜集建议、可能的法律抗辩点以及在适当情况下和解或调解的策略。AI 的目标是帮助律师构建一个全面的诉讼计划，以提高胜诉几率并为客户争取最大利益。 其他例子： Prompt 指令词：为一起涉及专利侵权的案件制定诉讼策略，分析专利的有效性、被告的侵权行为以及可能的抗辩理由，提出如何证明侵权和计算损害赔偿的建议。 Prompt 指令词：针对一起劳动合同纠纷案件，分析员工的权益和雇主的责任，提出诉讼策略，包括主张的权益、证据收集的重点以及如何证明雇主的违约行为。 Prompt 指令词：在一场涉及知识产权许可的诉讼中，分析许可协议的条款和双方的权利义务，提出诉讼策略，包括如何证明许可协议的违反、计算损失赔偿以及可能的合同解除条件。 其他可以尝试的场景：模拟法庭 Prompt 指令词：模拟一场涉及商业合同违约的法庭审理，分析原告主张的违约责任和被告提出的免责抗辩，预测法庭可能的判决，并提出如何优化法庭陈述和证据呈现的建议。 预计效果：AI 将根据商业合同法的相关规定和案例法，模拟法庭审理过程。AI 将提供对原告和被告双方可能的论点、证据和法律依据的分析，预测法庭可能的判决结果，并给出如何更有效地在法庭上进行陈述、展示证据和进行交叉审问的建议。这将帮助律师准备更有说服力的法庭策略，以期达到最佳的诉讼结果。 其他例子：（与上述类似）
2024-10-10
有哪些优秀的智能体案例
以下是一些优秀的智能体案例： 在企业自动化方面，新兴的智能体公司有（用于财务后勤），以及横跨销售、安全运营和供应链等领域的许多其他智能体。 在 C 端，社交方向有用户注册后先捏一个自己的智能体，然后让其与他人的智能体聊天，两个智能体聊到一起后再真人介入的有趣场景，还有借 Onlyfans 入局打造个性化聊天的创业公司。 在 B 端，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，那还有帮助 B 端商家搭建智能体的机会。常见的智能体开发平台有字节的“扣子”（Coze）、Dify.AI 等。
2024-10-07