coze工作流中的编辑代码如何使用

在工作流中调用插件的方式如下： 1. 触发器触发： 为 Bot 设置触发器，可选择定时触发或事件触发。 触发时执行任务的方式包括 Bot 提示词、调用插件、调用工作流。 调用插件时，需为触发器添加一个插件，触发后 Bot 会调用该插件获取返回结果并发送给用户。 一个 Bot 内的触发器最多可添加 10 个，且仅当 Bot 发布飞书时生效。 2. 在 Bot 内使用插件： 在 Bots 页面，选择指定 Bot 并进入 Bot 编排页面。 在 Bot 编排页面的插件区域，单击加号图标添加插件，或者单击自动添加图标，让大语言模型自动添加适用的插件。使用大语言模型自动添加插件后，需检查被添加的插件是否可以正常使用。 在添加插件页面，展开目标插件查看工具，然后单击添加。单击我的工具，可查看当前团队下可用的插件。 在 Bot 的人设与回复逻辑区域，定义何时使用插件，然后在预览与调试区域测试插件功能是否符合预期。 3. 在工作流中使用插件节点： 在页面顶部进入工作流页面，然后创建工作流或选择一个已创建的工作流。 在页面左侧，单击插件页签。 搜索并选择插件，然后单击加号图标。 在工作流的画布内，连接插件节点，并配置插件的输入和输出。 需要注意的是，即使是官方插件也可能存在不稳定的情况，需要自己去尝试，找到适合当前场景的插件。

在 Coze 工作流中利用下一个代码节点合并前两个代码节点的输出并以正确格式传入飞书多维表格插件节点的步骤如下： 1. 搭建整理入库工作流： 3.4 大模型节点：提取稍后读元数据。根据对稍后读阅读清单的元数据期望设置大模型节点，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以完整解析长内容网页，用户提示词需相应设置。 3.5 日期转时间戳。后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需使用「日期转时间戳time_stamp_13」插件进行格式转化，具体设置明确。 3.6 大模型节点：把稍后读元数据转换为飞书多维表格插件可用的格式。飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以要将之前得到的元数据数组进行格式转换，大模型节点配置及用户提示词需相应设置。 3.7 插件节点：将元数据写入飞书表格。添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 3.8 结束节点：返回入库结果。「飞书多维表格add_records」插件会返回入库结果，直接引用该信息用于通知外层 bot 工作流的入库是否成功。 2. 搭建选择内容推荐流： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令开始流程，无需额外配置。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：从飞书多维表格查询收藏记录。添加「飞书多维表格search_records」插件，设置{{app_token}}参数，并在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回需要的查询结果，也可在这一步定向检索未读状态的收藏记录。 4.4 大模型节点：匹配相关内容。为处理稳定采用批处理，对检索出来的收藏记录逐个进行相关性匹配，用户提示词可优化以提升匹配精准度。 搭到这里，别忘了对整个工作流进行测试。

在 Coze 工作流中，数据库的应用如下： 工作流由多个节点构成，节点是基本单元。Coze 平台支持的节点类型包括数据库节点。 数据库节点的输入：用户可以定义多个输入参数。 数据库节点的输出：如果数据库是查询作用，则输出会包含查询出来的内容。通过 SQL 语句告诉数据库要执行的动作，这里的 SQL 语句可以让 AI 自动生成并进行适当改动。 注意事项：Coze 平台的逻辑是数据库与 bot 绑定，使用数据库功能时，需要在 bot 中设置相同名称和数据结构的数据库进行绑定。 测试工作流：编辑完成的工作流无法直接提交，需要进行测试。点击右上角的“test run”，设定测试参数，查看测试结果，完成后发布。 相关参考文档和示例： 海外参考文档：https://www.coze.com/docs/zh_cn/use_workflow.html 国内参考文档：https://www.coze.cn/docs/guides/use_workflow 国内版本示例： 搜索新闻：https://www.coze.cn/docs/guides/workflow_search_news 使用 LLM 处理问题：https://www.coze.cn/docs/guides/workflow_use_llm 生成随机数：https://www.coze.cn/docs/guides/workflow_use_code 搜索并获取第一个链接的内容：https://www.coze.cn/docs/guides/workflow_get_content 识别用户意图：https://www.coze.cn/docs/guides/workflow_user_intent 在【拔刀刘】自动总结公众号内容，定时推送到微信的案例中，循环体内部的数据库节点用来在数据库中查询是否已经推送过该篇文章，输入项为上一步中的 url 和开始节点的 key（重命名为 suid）。查询数据库需要文章 url 和用户的 suid 两个值来判断这名用户的这篇文章是否推送过。记得设置输出项“combined_output”。同时，Coze 平台中使用数据库功能需要在 bot 中设置相同名称和数据结构的数据库进行绑定，具体设置方法参见“相关资源”。

在 ComfyUI 中，关于 Tile 平铺预处理器的使用方法如下： 1. 平铺和切片都是用于处理大尺寸视频的技术，可以帮助在有限的 GPU 内存下处理高分辨率视频。 tile_sample_min_height:96，最小平铺高度。 tile_sample_min_width:96，最小平铺宽度。这两个参数定义了在使用平铺时的最小尺寸。 tile_overlap_factor_height:0.083，高度方向的重叠因子。 tile_overlap_factor_width:0.083，宽度方向的重叠因子。这些因子决定了平铺时各个块之间的重叠程度。 enable_vae_tiling:设置为 false，表示不启用 VAE（变分自编码器）的图像平铺。 enable_vae_slicing:设置为 false，表示不启用 VAE 切片。如果启用了平铺（tiling），它会将大图像分割成小块进行处理，然后再组合起来，这有助于处理大分辨率的视频。VAE 切片（如果启用）可以通过分割输入张量来分步计算解码，这有助于节省内存。 2. 将您的 ComfyUI 更新到最新。 3. 将 clip_l 和 t5xxl_fp16 模型下载到 models/clip 文件夹。确保您的 ComfyUI/models/clip/目录中，有 t5xxl_fp16.safetensors 和 clip_l.safetensors，您可以改用 t5xxl_fp8_e4m3fn.safetensors 来降低内存使用量，但如果您的 RAM 超过 32GB，建议使用 fp16。跑过 flux 就有这些模型，没有的话翻之前文章有下载。 4. 在您的 ComfyUI/models/vae/文件夹中，有 ae.safetensors。 5. 将最开始下载的 flux1filldev.safetensors 放于 ComfyUI/models/unet/文件夹中。 6. 使用 flux_inpainting_example 或者 flux_outpainting_example 工作流。

在 Coze 工作流中存在提示词优化节点。这个节点比较容易理解，如果觉得提示词需要优化，可加入该节点进行处理。其参数很简单，只有一个要优化的提示词。例如，用一开始就在用的文生图提示词“1 girl in real world”进行试用。优化后添加了很多具体信息，如在带着好奇心看书，环境中有阳光，色彩搭配的特点等。但修改后的提示词在控制图片生成真实照片的感觉方面，“in real world”控制真实图片生成的效果比“realistic”好。

以下是 AI 在平面设计工作流中提高效率的具体步骤和相关信息： 1. 工具选择 主要工具：Midjourney 和 Stabel Diffusion。 辅助工具：RUNWAY 和 PS beta 等。 2. 工作流效果 创意多样：设计解决方案更为多样和创新，项目中不同创意概念的提出数量增加了 150%。 执行加速：AI 生成的设计灵感和概念显著缩短了创意阶段所需时间，设计师在创意生成阶段的时间缩短了平均 60%。 整体提效：在整体项目的设计时间减少了 18%。 3. 提升能力的方法 建立针对性的 AI 工作流：使用 lora 模型训练的方式，生成特定的形象及 KV 风格，建立包含品牌形象、风格视觉 DNA 的模型，并根据实用场景进行分类。 实用的模型训练：在营销活动期间，根据市场环境和消费者偏好的变化迅速调整 lora 模型。 AI 设计资产储备：建立和管理 AI 设计资产，沉淀相关知识、技能、工具，促进团队内部的知识积累和提升。 此外，对于建筑设计师审核规划平面图，以下是一些可用的 AI 工具： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，在户型和室内软装设计方面有探索，能根据输入需求自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期可引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现数据的汇总与管理。 但每个工具都有其特定应用场景和功能，建议根据具体需求选择合适的工具。

Coze 的工作流具有以下特点和步骤： 特点： 是可视化的，允许用户组合各种功能模块，如插件、大语言模型、代码块等，实现复杂和稳定的业务流程编排。 由多个节点组成，包括 Start 节点和 End 节点，用户可在节点间添加各种功能模块构建业务流程。 支持丰富的功能模块，可根据需求灵活组合，如调用大语言模型进行文本生成、调用插件进行数据处理等。 创建和编辑通过可视化拖拽界面完成，无需编写代码，降低搭建门槛。 创建好的工作流可直接集成到 Coze 的聊天机器人中使用，实现复杂业务逻辑。 为用户提供了可视化、低代码的方式，快速搭建满足业务需求的 AI 应用和服务，降低开发门槛，提升工作效率。 步骤： 梳理清楚工作流，如对于复刻吴恩达开源的 AI 翻译项目，先新建工作流，逐步导入核心流程，工作流分为若干节点，每个节点完成特定任务，组合形成完整翻译流程。 展示导入后的整体工作流及测试效果，如分为初始翻译、反思优化、结果输出等主要部分，运行测试时可看到每个节点的执行过程和结果。 对每个节点的配置进行核心讲解，如开始节点选择翻译的源语言和目标语言及设置其他参数；初步的翻译大模型节点选择大模型和参考相关提示词；选择器节点判断用户填写要求中有无特殊语言翻译特色或口音。

要在 Coze 上复制别人的工作流到自己个人空间，您可以按照以下步骤进行操作： 1. 在 Coze 上新建一个工作流，逐步导入别人项目的核心流程。整个工作流分为若干个节点，每个节点完成一个特定的任务。 2. 工作流被分为了初始翻译、反思优化、结果输出等几个主要部分，每一部分都对应了若干个节点。 3. 首先是开始节点，在这里需要选择翻译的源语言和目标语言，还可以设置一些其他参数，如翻译的语言特色等，此参数会影响翻译效果和效率，建议根据实际情况调整。 4. 接下来是初步的翻译大模型节点，选择一个大模型对源语言文本进行初始翻译。 5. 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。 6. 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。 7. 左侧「选择节点」模块中，根据子任务需要，实际用上的有插件（提供一系列能力工具，拓展 Agent 的能力边界）、大模型（调用 LLM，实现各项文本内容的生成）、代码（支持编写简单的 Python、JS 脚本，对数据进行处理）。 8. 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。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。

构建 Coze 知识库的步骤如下： 1. 手动清洗数据： 在线知识库：点击创建知识库，创建画小二课程的 FAQ 知识库。飞书在线文档中每个问题和答案以“”分割，选择飞书文档、自定义的自定义，输入“”，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容以提高训练数据准确度，将海报内容训练到知识库中。例如画小二 80 节课程分为 11 个章节，先放入大章节名称内容，再按固定方式细化处理，然后选择创建知识库自定义清洗数据。 2. 发布应用：点击发布，确保在 Bot 商店中能够搜到。 3. 标准流程搭建产品问答机器人： 收集知识：确认了解知识库支持的数据类型，收集知识通常有三种方式，包括企业或个人沉淀的 Word、PDF 等文档，企业或个人沉淀的云文档（通过链接访问），互联网公开的一些内容（可安装 Coze 提供的插件采集）。 创建知识库：路径为个人空间知识库创建知识库，支持本地文档、在线数据、飞书文档、Notion 等文档类型，本次可使用本地文档，按照操作指引上传文档、分段设置、确认数据处理，可使用特殊分割符“”，分段标识符号选择“自定义”，内容填“”。 希望以上内容对您有所帮助。

以下是从实践中学习 Coze 的一些建议和步骤： 1. 利用 Cursor+Coze 工作流打造网页内容提取插件： 开发时要具备架构思维，懂得向 AI 描述需求。 获取授权令牌（Token），掌握工作流调用方法。 查看 coze 的 api 开发文档，获取工作流的开发文档、个人令牌和工作流 id。 让 Cursor 根据相关内容写调用 coze 工作流的服务，注意声明入参和中文编码。 完成后用 chrome 加载做好的插件，并优化界面。 2. 用 Claude+Coze 学习 RAG： 通过 Claude 了解细节概念，再通过 Coze 搭建 Demo，在动手实践中学习。 在学习过程中创建相关 Bot，如产品资料问答机器人、Query 改写助手学习 Bot 等。 3. 分步构建和测试 Agent 功能： 进入 Coze，点击「个人空间工作流创建工作流」，自定义工作流信息。 左侧「选择节点」模块中，根据子任务需要选择插件、大模型、代码等节点。 按照流程图在编辑面板中拖入对应的节点完成工作流框架搭建。

在 Coze 开发平台中，扣子 API 具有以下功能和使用方法： 获取 accessToken： 在 coze 界面右侧的扣子 API 授权，或者打开链接 https://www.coze.cn/open/oauth/pats 。 添加令牌，设置 token 的名称和过期时间（为安全起见，最多 1 个月）。 设置权限，可选择会话管理和对话，拿不准可全部选择，完成后点击“确定”按钮。 最后一定要点击按钮复制下拉获取令牌，此令牌只会出现一次。 获取 botid： 从“工作空间”打开一个 bot，点击商店按钮，查看地址栏中“bot/”之后的数字。 发布为 bot api： 注意在前端使用 bot 必须发布成为 API，点击发布，选择 API，等待审核通过。 此外，智能体沟通页面在 Zion 中采用 OAuth 鉴权机制，准备工作包括： 获取 Coze bot 应用鉴权密钥：在 Coze 主页点击左下方扣子 API，选择 Oauth 授权模式，添加新令牌并配置基本信息，创建 Key 过程中会生成公钥和私钥（私钥需单独下载保存），最后勾选全部权限。 获取 Bot ID：进入自己的智能体在地址栏内复制“bot/”之后的数字，且 bot 发布时要选择 Agent as API。 在 Coze 上发布 bot：发布时记得勾选 API 及 WEB SDK，Coze bot 发布有审核周期（1 30 分钟），需确认发布成功。 在扣子中手搓插件方面： Body：用于传递请求主体部分，GET 方法中通常不使用来传递参数。 Path：定义请求路径部分，GET 方法中可编码为 URL 一部分传递参数。 Query：定义请求查询部分，是 GET 方法中常用的参数传递方式。 Header：定义 HTTP 请求头信息部分，GET 方法中通常不用于传递参数。 配置输出参数：填对信息后可点击自动解析，若成功会显示并填好输出参数，然后保存并继续，建议填写参数描述。 调试与校验：测试工具能否正常运行，运行后查看输出结果，点击 Response 可看到解析后的参数。

以下是为您推荐的相关学习内容： 一泽 Eze：Coze+飞书多维表格，打造专属 AI 智能体，享受 10 倍知识管理效率 逐步搭建 AI 智能体： 搭建选择内容推荐流，用于根据用户输入的“想看 xxx 内容”，在飞书多维表格的稍后读存储地址中检索现有的收藏记录，匹配符合阅读兴趣的内容记录。 新建工作流「recommendRead」，根据弹窗要求自定义工作流信息。 工作流全局流程设置： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令即开始流程，判断哪些用户输入是在交代想阅读的内容主题交由外层 bot 的大模型判断。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：添加「飞书多维表格search_records」插件，设置{{app_token}}参数，在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回所需查询结果，也可通过额外配置定向检索未读状态的收藏记录。 4.4 大模型节点：采用批处理对检索出来的收藏记录逐个进行相关性匹配，可优化用户提示词提升匹配精准度。 输入观点一键生成文案短视频 基于其它博主开源的视频生成工作流做了功能优化，实现视频全自动创建。 功能：通过表单输入主题观点，提交后自动创建文案短视频，并推送视频链接到飞书消息。 涉及工具：Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程） 大体路径： 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 发布 coze 智能体到飞书多维表格。 在多维表格中使用字段捷径，引用该智能体。 在多维表格中创建自动化流程，推送消息给指定飞书用户。

以下是关于编写 VBA 代码的相关 AI 工具信息： 1. Cursor 是使用 AI 进行编码的最佳方式之一，它旨在让您极其高效。您可以从相关链接获取更多介绍视频和操作示例，如： 它能够从您的代码库中获得最佳答案，或参考特定文件或文档，还能通过预测您的下一个编辑，让您轻松完成更改。 2. 让 AI 写出您想要的代码，如使用 Cursor 时，创建优质的.cursorrules 很重要，具体包括： 先说清楚您是谁，让 AI 按照专家的水准来思考和编码。 告诉 AI 您要干什么，使其围绕目标写代码。 定好项目的“规矩”，强调团队的代码规范。 明确文件放哪，规划好代码“位置”。 指定用什么“工具”，保证项目的整洁和统一。 告诉 AI 怎么做测试，使其生成的代码考虑到可测试性并主动写测试用例。 推荐参考资料，让 AI 基于最佳实践写代码。 如果项目需要画页面，补充 UI 的要求。 3. 到 2024 年 9 月，大多数程序员使用 Cursor 搭配 Anthropic Sonnet 3.5 或 OpenAI o1 可以获得最佳效果。原文地址：https://codesubmit.io/blog/aicodetools/ ，原文更新时间：2024.9.14 。

以下是关于代码生成的相关内容： 大语言模型在代码生成方面是一个有效的应用场景，例如 Copilot 就是很好的示例。您可以通过有效的提示词执行代码生成任务。比如，可以用它写简单的用户欢迎程序，甚至不需要指定编程语言。还可以进行升级，如提供有关数据库架构并要求生成有效的 MySQL 查询。 在 Cursor 中，Cmd K（在 Windows/Linux 上也称为“Ctrl K”）允许在编辑器窗口中生成新代码或编辑现有代码。按 Ctrl/Cmd K 时出现的栏称为“Prompt Bar”，其工作原理类似于用于聊天的 AI 输入框，您可以正常键入，或使用引用其他上下文。如果未选择任何代码时按 Ctrl/Cmd K，Cursor 将根据您在提示栏中键入的提示生成新代码。对于就地编辑，只需选择要编辑的代码，然后在提示栏中键入即可。 另外，代码生成领域的许多前沿问题已从研究转向工业，关于代码生成和代码代理（如 Devin）的实用工程建议只出现在工业博文和会谈中，而不是研究论文中。

以下是关于生成放烟花代码的相关信息： 1. 使用 Cursor 写代码时，可能会遇到 AI 输出混乱的情况。.cursorrules 是一个放在项目根目录的“说明书”，提前把编码规则、项目结构、注意事项写在这个文件里，AI 就会自动按照要求写代码。 2. 在独立游戏开发中，对于一些小功能可以让 AI 生成代码。例如在《玩具帝国》中，把不方便配表而又需要撰写的简单、模板化、多是调用 API 且只牵涉小部分特殊逻辑的代码交给 AI。以 Buff 系统为例，尝试让 AI 仿照代码写一些 Buff，生成结果有时可以直接用。但目前 Cursor 生成复杂代码需要复杂的前期调教，ChatGPT 可能更方便。在与 AI 交互时，像哄小孩一样，正确的要及时肯定，指出错误要克制。 3. 然而，针对您具体的放烟花代码需求，上述内容未提供直接可用的代码，还需要您进一步明确具体的开发语言、功能需求等细节，以便为您提供更准确的帮助。

以下是关于代码生成的相关内容： 大语言模型在代码生成方面是一个有效的应用场景，例如 Copilot 就是很好的示例。您可以通过有效的提示词执行代码生成任务。比如，我们可以用它写一个简单的用户欢迎程序，甚至不需要指定使用的编程语言。还可以进行升级，如提供有关数据库架构并要求生成有效的 MySQL 查询。 在 Cursor 中，Cmd K（在 Windows/Linux 上也称为“Ctrl K”）允许在编辑器窗口中生成新代码或编辑现有代码。按 Ctrl/Cmd K 时出现的栏称为“Prompt Bar”，其工作原理类似于用于聊天的 AI 输入框，您可以正常键入，或使用引用其他上下文。如果按 Ctrl/Cmd K 时未选择任何代码，Cursor 将根据您在提示栏中键入的提示生成新代码。对于就地编辑，只需选择要编辑的代码，然后在提示栏中键入即可。 另外，代码生成领域的许多前沿问题已从研究转向工业，关于代码生成和代码代理（如 Devin）的实用工程建议只出现在工业博文和会谈中，而不是研究论文中。

以下是为您提供的相关学习课程，方便您零基础代码学习并搭建自己的工作流： 8 月 13 日 ComfyUI 共学： 讨论了 Config UI 的学习需求、教程分享、部署问题、应用场景，以及相关活动的规划。 分享了 Config UI 工作流在不同场景的应用、优势、弊端以及学习方法，还提及了相关的分享会和开源社区的情况。 探讨了 CONFIUI 的使用、工作流分享、报错问题及解决方案，还有相关课程的设计安排。 讨论了郭佑萌在 AI 绘图领域的工作经历，包括项目实践、技术调研、培训以及未来的教学计划等内容。 介绍了 AI 绘图课程的规划。 课程从零基础开始，从认识 config、UI 及行业概念讲起，逐步深入到环境部署、底层技术概念、提示词等内容。 介绍了 config 牛角尖大王系列，包括 control net、IP Adapter、图像放大、mask 等部分，阐述了它们的作用和玩法。 学习相关知识后初步具备搭建复杂工作流能力，会拆解分析网上热门工作流。 报错问题可分为网络、模型、工作流搭建、环境等方面，安装新插件时可参考项目地址的 requirement 文档。 规划了实战案例思路。 ComfyUI 共学快闪： 王蓉🍀🎈Wang Easy 基础搭建和转绘。 唯有葵花向日晴基础教程，工作流开发，实际应用场景。 热辣 HuolarrAI 系统课私聊图生视频。 咖菲猫咪基础教程/工作流搭建思路/各版本模型使用的优缺点。 傅小瑶 Lucky 如何制作多人转绘视频。 云尚工作流节点搭建思路。 FǎFá 热门节点功能，搭建。 森林小羊基本报错解决方式及基础工作流逻辑分析。 苏小蕊基础教程。 Sophy 基础课程。 蜂老六装一百个最新常用插件后如何快速解决冲突问题。 阿苏工作流框架设计。 aflyrt comfyui 节点设计与开发。 老宋&SD 深度解释虚拟环境部署和缺失模型的安装。 Liguo 模型训练。 啊乐福基础课程。 塵优秀案例。 风信基础课程➕平面设计应用场景。 北南基础课程。 视频工作流框架设计。 Damon 基础课程。 渔舟基础课程+工作流搭建思路。 乔木船长工作流。 ☘️基础教程。 ☘基础教程。 工作流设计+典型案例剖析。 麒白掌工作流搭建。 OutSider 风格迁移。 吴鹏基础+工作流搭建。 拾光工作流基础搭建从入门到精通。 茶浅浅。视频转绘/节点工作流介绍。 百废待.新（早睡版）工作流从入门到进阶。 电商应用场景。 AI 女友麦洛薇（0 代码 comfyui 搭建，知识图谱稳定人设，无限上下文，永久记忆，可接入飞书）： 打开 Comfyui 界面后，右键点击界面，即可找到 Comfyui LLM party 的目录，您既可以学习如何手动连接这些节点，从而实现一个最简单的 AI 女友工作流，也可以直接将工作流文件拖拽到 Comfyui 界面中一键复刻麦洛薇机器人。 飞书机器人创建： 在中创建自建应用。 进入应用获取 app_id 与 app_secret。 添加应用能力>开启机器人应用能力。 权限管理>消息与群组>选择需要的权限打开。 安全设置>将 comfyUI 运行的电脑 IP 加入白名单。 发布机器人以应用生效。 要先把创建的机器人拉到群组中或者拉进私聊。 飞书开发平台找到发送消息的开发文档。 右侧点击获取 token。 选择 receive id type，chat_id 对应群组，open_id 与 user_id 对应个人，点击选择成员，复制对应的 id 即可。 如果需要让机器人发送语音，需要自行在电脑上安装 ffmpeg。

对于零代码基础的业务小白搭建自己的 AI 自动化工作流以提升效率，您可以参考以下步骤： 1. 利用 Comfyui 界面： 打开 Comfyui 界面后，右键点击，找到 Comfyui LLM party 的目录。 您可以学习手动连接节点来实现最简单的 AI 女友工作流，也可以将工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 2. 启动 ollama： 从 ollama 的 github 仓库找到对应版本并下载。 启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。 如果 ollama 连接不上，很可能是代理服务器的问题，请将 127.0.0.1:11434 添加到不使用代理服务器的列表中。 3. 对于图片相关的工作流，比如 0 基础手搓 AI 拍立得： 上传输入图片。 理解图片信息，提取图片中的文本内容信息。 进行场景提示词优化/图像风格化处理。 返回文本/图像结果。 为了简化流程，可以选择 Coze 平台实现零代码版本的工作流。搭建流程时，主要关注以下几个步骤： 上传图片：将本地图片转换为在线 OSS 存储的 URL，以便在平台中进行调用。 插件封装：将图片理解大模型和图片 OCR 封装为工作流插件，实现便捷调用，如果市场里面有可以直接使用。 4. Coze 的工作流是一种可视化的方式，允许用户组合各种功能模块，如插件、大语言模型、代码块等，从而实现复杂和稳定的业务流程编排。具体来说： 工作流由多个节点组成，包括 Start 节点和 End 节点。用户可以在这些节点之间添加各种功能模块，构建出所需的业务流程。 工作流支持丰富的功能模块，包括调用大语言模型进行文本生成、调用插件进行数据处理等。用户可以根据需求灵活组合这些模块。 工作流的创建和编辑都可以通过可视化的拖拽界面完成，无需编写代码。这大大降低了工作流搭建的门槛。 创建好的工作流可以直接集成到 Coze 的聊天机器人中使用，实现复杂的业务逻辑。 总的来说，Coze 的工作流为用户提供了一种可视化、低代码的方式，来快速搭建满足业务需求的 AI 应用和服务。这极大地降低了开发门槛，让更多人可以利用 AI 技术来提升工作效率。但请注意，上述内容由 AI 大模型生成，请仔细甄别。

DALL·E 推出了编辑功能，以下是相关介绍： 更改完图片后要记得点击保存。 可以在 DALL·E 编辑器界面右侧的对话面板中输入提示来更改图片，例如输入“make it black and white”将图像更新为黑白。 在 ChatGPT 移动应用程序上使用 DALL·E 进行编辑，选择左下角的“编辑”就能调出提示选项。 选择“Select”可以访问选择工具，点击该工具能够突出显示要编辑的图像部分，屏幕左侧的滑块允许更改图片的大小。 选择完想编辑的图像部分，然后选择屏幕右下角的“Next”按钮，会弹出一个对话面板，输入提示对图像进行更改。 支持对生成图片进行二次编辑，包括替换、删除、添加对象。 例如，通过突出显示图像的右上角并使用提示“添加樱花”，可以得到相应结果。 选中图像中的鸟类，使用提示“删除鸟类”，也能得到相应结果。 选中小猫咪的脸部，使用提示“将猫的表情更改为快乐”，可以获得开心的小猫咪。 编辑器界面提供了一系列选项，如“撤销、恢复”按钮，以及“Clear Selection”选项，单击该工具可以重新开始编辑图像。 编辑器的左上角有一个可以来回拖动大小的工具，选择的区域范围越大，可能获得的编辑结果越好。 关于图像生成（Image generation）： 图像生成端点允许在给定文本提示的情况下创建原始图像，生成的图像大小可为 256x256、512x512 或 1024x1024 像素，较小的尺寸生成速度更快。 可以使用“n”参数一次请求 1 10 张图像。 描述越详细，越有可能获得想要的结果，可以探索 DALL·E 预览应用程序中的示例获取更多提示灵感。 关于图像编辑： 图像编辑端点允许通过上传蒙版来编辑和扩展图像。遮罩的透明区域指示应编辑图像的位置，提示应描述完整的新图像，而不仅仅是擦除区域。此端点可以启用类似 DALL·E 预览应用程序中的编辑器的体验。 提示：一个阳光充足的室内休息区，带有一个包含火烈鸟的游泳池。 上传的图片和遮罩必须是小于 4MB 的正方形 PNG 图片，并且必须具有相同的尺寸。生成输出时不使用遮罩的非透明区域，因此它们不一定需要与原始图像匹配。 帮助文档：https://help.openai.com/en/articles/9055440editingyourimageswithdalle

以下是为您推荐的关于 AI 与新媒体设计（如 AI 视频编辑、AI 社交媒体内容创作、AI 虚拟现实与增强现实设计等）的学习资料： 了解 AI 基本概念：建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。同时，浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 选择感兴趣的模块深入学习：AI 领域广泛，比如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。建议您一定要掌握提示词的技巧，它上手容易且很有用。 实践和尝试：理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 体验 AI 产品：与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，对于 filMarathon 全球 AI 电影马拉松大赛参赛引导中的学习资料： 音效创作指导： 语音合成： 剧本创作：人力为主： 图片生成：AI 作图绘画： 视频生成：AI 视频生成： 音频生成：AI 音乐创作： 剪辑工具：剪映剪辑：

以下是关于学习“AI 与新媒体设计”的相关资料推荐： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），可根据自己的兴趣选择特定的模块进行深入学习，建议掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。在知识库提供了很多大家实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式，通过对话获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。

很抱歉，目前没有相关的具体资源可以推荐给您。但您可以通过以下途径获取相关信息： 1. 学术数据库：如 Web of Science、Scopus 等，搜索相关的研究论文。 2. 在线教育平台：例如 Coursera、EdX 等，可能有相关的课程。 3. 专业论坛和社区：如知乎、V2EX 等，与同行交流获取资源推荐。 4. 相关的行业报告网站：如艾瑞咨询、易观智库等。

AI 在新媒体设计领域的影响广泛且深入，主要体现在以下方面： 在视频编辑方面： 能够自动进行剪辑和特效处理，提高制作效率和质量。 在社交媒体内容创作方面： 可以对大量信息进行自动编辑和汇总，生成有趣的图文摘要。 辅助创作吸引人的文案和图片。 在虚拟现实与增强现实设计方面： 有助于创建更逼真的虚拟场景和增强现实体验。 在图文创作赛道： 内容生成：自动编写文章并选择或生成相应图片。 图像标注：识别和理解图片内容并生成文字描述。 图文匹配：为图片找到合适文字描述或为文字找到匹配图片。 数据可视化：将复杂数据以直观简洁的图表、信息图等方式展示。 设计辅助：生成 LOGO、海报等。 自动化排版：根据文本内容与结构自动进行页面布局和美观排版。 图文识别：借助 OCR 技术抓取图文内容后理解处理。 在艺术创作方面： 辅助绘画、音乐、文学等领域的创作，探索新的结合模式。 在智能产品设计方面： 如智能家居设备、可穿戴设备等。 在游戏行业： 是最有价值的应用场景之一，其应用可追溯至上世纪 80 年代。 从最初生成简单内容和随机元素，到辅助设计、生成动态世界和复杂内容，如动态场景、智能 NPC 行为等。 具有诸多优势，如游戏开发者亲近并乐于使用 AI 技术，游戏数据降低了筛选和清洗成本，游戏成为 AI 模型能力的最佳试验场。 革新游戏创作，简化工作流，在美术与风格、音效与音乐、剧情与任务、玩法与平衡、测试与优化等方面产生积极影响。

以下是一些可以根据您的 AI 文本描述生成图片，并能在 AI 或 PS 等绘图软件上直接编辑每个元素的软件和网站： 1. Stable Diffusion 模型：可以根据您输入的文本指令生成图片，生成的图片样式取决于您输入的提示词。 2. Anifusion：这是一款基于人工智能的在线工具，您只需输入文本描述，其 AI 就能将其转化为完整的漫画页面或动漫图像。具有以下功能和特点： AI 文本生成漫画：根据输入的描述性提示生成漫画。 直观的布局工具：提供预设模板，也支持自定义漫画布局。 强大的画布编辑器：可在浏览器中直接优化和完善生成的艺术作品。 多种 AI 模型支持：高级用户可访问多种 LoRA 模型实现不同艺术风格和效果。 商业使用权：用户对创作的作品拥有完整商业使用权。 在进行 AI 作图时，还需注意以下创作要点： 1. 注重趣味性与美感的结合，趣味性可通过反差、反逻辑、超现实方式带来视觉冲击，美感要在美术基础不出错的前提下实现形式与内容的结合。 2. 像纹身图创作要强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 3. 编写提示词时要用自然语言详细描述画面内容，避免废话词，例如 Flux 对提示词的理解和可控性较强。