Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

使用扣子AI的教程

Answer

以下是使用扣子 AI 的教程:

  1. 体验预置 AI Bot
    • 扣子预置了各种场景的 Bot,涵盖工具、生活方式、学习、娱乐等领域。您可以访问Bot 商店查看所有精选的预置 Bot。
    • 选择一个 Bot 后,会被引导至该 Bot 的编排页面,此页面分为 4 个区域:
      • 顶部区域:显示 Bot 所用的大型语言模型。
      • 人设与回复逻辑区域:设置 Bot 的人物设定与回复逻辑。
      • 技能区域:展示 Bot 配置的功能,例如插件、工作流、开场白等。
      • 预览与调试区域:展示与 Bot 交互的运行结果。您可以在预览与调试区域发送消息查看 Bot 的回复效果。以旅游大师 Bot 为例,操作步骤如下:
        1. 访问Bot 商店
        2. 在页面的搜索框中,输入旅游大师,然后单击展示的旅游大师 Bot。
  2. 搭建您的第一个 AI Bot
    • 无论是否有编程基础,都可以在扣子平台快速搭建一个 AI Bot。以创建一个可以发送 AI 新闻的 Bot 为例:
      • 系统默认创建了一个 Personal 的个人团队,您也可以创建团队或加入其他团队,更多信息,请参考管理团队
      • 进入团队空间后,默认打开 Bots 页面。
      • 在 Bots 页面,单击创建 Bot。
      • 输入 Bot 名称和介绍,然后单击图标旁边的生成图标,自动生成一个头像,最后单击确认。
      • Bot 创建后,会直接进入 Bot 编排页面。您可以在左侧人设与回复逻辑面板中描述 Bot 的身份和任务,单击复制可使用模板格式添加描述。也可以在中间技能面板为 Bot 配置各种扩展能力,并在右侧预览与调试面板中实时调试 Bot。
    • 配置 Bot 的第一步是编写提示词(Bot 的人设与回复逻辑功能)。提示词是给大型语言模型(LLM)的指令,以指导其生成输出。在 Bot 配置页面的人设与回复逻辑面板中输入内容,例如您可以单击优化,让大语言模型优化为结构化内容。更多详细信息,参考编写提示
  3. 案例:创建 24 小时英语陪练 AI Bot
    • 打开扣子的首页-https://www.coze.cn/home,直接点击左上角的创建 AI Bot 按钮。
    • 在弹窗输入 Bot 的相关信息即可完成创建,接下来细化功能。
    • 设计人设与回复逻辑,根据功能需求编写提示词。
    • 调整模型设置,例如基于聊天为主的需求,设置对话轮数为 20 轮。
    • 选择插件,如英文名言警句(get_one_eng_word & get_many_eng_words)、Simple OCR(ocr)等。
    • 设置开场白和预置问题。
    • 为 AI Bot 设置语音,选择亲切的英语音色。
Content generated by AI large model, please carefully verify (powered by aily)

References

Coze官方教程

访问[Bot商店](https://www.coze.cn/explore),在这个页面你可以看到所有精选的预置Bot。这些Bot涵盖了许多领域,包括工具、生活方式、学习、娱乐等。例如:在工具选项卡中选择数据分析专家来帮助你分析数据。在学习选项卡中选择简历诊断来帮助你优化简历内容。[heading4]体验预置Bot[content]当你选择一个Bot后,你会被引导至该Bot的编排页面。在这里,你可以查看这个Bot的配置信息,与这个Bot对话,体验Bot的功能。本文以旅游大师Bot为例。1.访问[Bot商店](https://www.coze.cn/explore)2.在页面的搜索框中,输入旅游大师,然后单击展示的旅游大师Bot。你被引导至编排页面,编排页面分为以下4个区域。|功能区|说明|<br>|-|-|<br>|①顶部区域|显示Bot所用的大型语言模型。|<br>|②人设与回复逻辑区域|设置Bot的人物设定与回复逻辑。|<br>|③技能区域|展示Bot配置的功能,以旅游大师Bot为例:插件:添加了用于查询航班的插件。工作流:添加了名为recommended_places的工作流,该工作流用于推荐景点。开场白:打开Bot时默认展示的开场白内容。|<br>|④预览与调试区域|展示与Bot交互的运行结果。|1.在预览与调试区域中发送一条消息,查看Bot的回复效果。

Coze官方教程

系统默认创建了一个Personal的个人团队,该团队内创建的资源例如Bot、插件、知识库等无法分享给其他团队成员。你也可以创建团队或加入其他团队,更多信息,请参考[管理团队](https://www.coze.cn/docs/guides/teams)。进入团队空间后,默认打开Bots页面。1.在Bots页面,单击创建Bot。2.输入Bot名称和介绍,然后单击图标旁边的生成图标,自动生成一个头像。3.单击确认。Bot创建后,你会直接进入Bot编排页面。你可以在左侧人设与回复逻辑面板中描述Bot的身份和任务。单击复制可使用模板格式添加描述。你可以在中间技能面板为Bot配置各种扩展能力。在右侧预览与调试面板中,实时调试Bot。[heading4]步骤2:编写提示词[content]配置Bot的第一步就编写提示词(Bot的人设与回复逻辑功能)。提示词是给大型语言模型(LLM)的指令,以指导其生成输出。Bot根据LLM对提示词的理解来回答用户的问题。提示越清晰,就越符合预期。在Bot配置页面的人设与回复逻辑面板中输入内容。例如:你可以单击优化,让大语言模型优化为结构化内容。更多详细信息,参考[编写提示](https://www.coze.cn/docs/guides/prompt)。

安仔:我用 Coze 免费手搓了一个 24 小时英语陪练,根治了我多年的哑巴英语!

1.首先打开扣子的首页-[https://www.coze.cn/home](https://www.coze.cn/home),直接点击左上角的创建AI Bot按钮:1.直接在弹窗输入Bot的相关信息:1.一个AI Bot的创建就完成了,接下来我们来细化其功能。[heading2]4.2.设计人设与回复逻辑[content]根据AI Bot的功能需求,我设计了以下这个提示词:[heading2]4.3.调整模型设置[content]基于AI Bot的功能需求,还是一个主要以聊天为主的AI Bot,而且一般英语陪练都建议多一些对话轮数的记录,这样当然训练一些口语考试时,上下文才不会被突然忘记,改为20轮:[heading2]4.4.插件[content]这次主要使用了以下插件:英文名言警句(get_one_eng_word & get_many_eng_words):随机获取一句英语名言,或者随机获取多句英语名言,方便用户简单学习一些英语名言。Simple OCR(ocr):识别图片中的文字,并返回识别结果,很明显就是用来读取用户上传图片或文件的文字,并返回给用户或做相应处理。[heading2]4.5.设置开场白和预置问题[content]这里主要是预置问题都挺有参考价值的,毕竟想来学习的人都多多少少会问相关的问题:[heading2]4.6.设置语音[content]最后,我们来设置一下AI Bot的语音,因为是一个英语陪练AI Bot,所以这里我选择了比较亲切的英语音色,而不是中文音色,这里要注意一下:

Others are asking
你知道哪些ai游戏
以下是为您介绍的一些 AI 游戏: 1. 《Suck Up!》:这是一款由 Proxima 工作室开发的“喜剧欺骗游戏”。玩家在游戏中扮演吸血鬼,通过换装、与 LLM 驱动的 NPC 对话来使其放下警惕,最终成功吸血足够多的居民获得胜利。上线仅三周,在全网播放火速突破千万,在 youtube 上引起大量关注,评论区网友赞不绝口,主创对其未来很有信心。 2. 《PUBG:BATTLEGROUNDS》:其中的 AI 队友可帮助玩家寻找战利品、驾驶载具,并协作完成目标。能模拟真人队友行为,实时分析战场情况,互动分享战利品并提供战略建议,提升了游戏中的战术协作性和乐趣。 3. 采用 NVIDIA ACE 全新 AI 游戏角色引擎的游戏:让 NPC 拥有感知、思考、决策和行动能力,可与玩家互动、适应环境变化,并根据玩家行为进行调整,成为“活角色”。
2025-04-08
我想要系统学习ai大模型应用开发,能帮我制定一个系统学习路线吗?
以下是一个系统学习 AI 大模型应用开发的学习路线: 1. 掌握深度学习和自然语言处理基础: 学习机器学习、深度学习、神经网络等基础理论。 掌握自然语言处理基础,如词向量、序列模型、注意力机制等。 相关课程:吴恩达的深度学习课程、斯坦福 cs224n 等。 2. 理解 Transformer 和 BERT 等模型原理: 熟悉 Transformer 模型架构及自注意力机制原理。 掌握 BERT 的预训练和微调方法。 研读相关论文,如 Attention is All You Need、BERT 论文等。 3. 学习 LLM 模型训练和微调: 进行大规模文本语料预处理。 熟悉 LLM 预训练框架,如 PyTorch、TensorFlow 等。 微调 LLM 模型进行特定任务迁移。 相关资源:HuggingFace 课程、论文及开源仓库等。 4. LLM 模型优化和部署: 掌握模型压缩、蒸馏、并行等优化技术。 进行模型评估和可解释性研究。 实现模型服务化、在线推理、多语言支持等。 相关资源:ONNX、TVM、BentoML 等开源工具。 5. LLM 工程实践和案例学习: 结合行业场景,进行个性化的 LLM 训练。 分析和优化具体 LLM 工程案例。 研究 LLM 新模型、新方法的最新进展。 6. 持续跟踪前沿发展动态: 关注顶会最新论文、技术博客等资源。 7. 参与相关社区交流和项目实践: 总的来说,AI 大模型应用开发是一个多学科、系统性的领域,需要深入的理论学习和工程实践经验相结合。除了学习基础知识,熟练使用开源框架工具也很关键。保持对前沿动态的跟踪,并实际参与相关项目是获得真知灼见的最佳途径。 此外,以下是一个利用 AI+SMART 安排学习计划的案例: 学习目标与个人或职业发展目标的关系:平时工作中需要经常阅读英文文档。另外,有朋友和客户是英文母语者,想要和他们沟通更加顺畅。其次,希望未来有机会进入大型外企工作。 具体学习内容:首先是词汇需要提高,其次听力、口语、阅读和写作这些方面都进行全面提高。 量化学习进度和成功:以考取雅思 8.0,且可以和朋友或客户流利的交谈为目标。 时间框架:半年内。 现实可行性:目前雅思 6.5,每天可以投入 2 小时。周末可以更多。有访问网络课程的条件,也可以购买书籍或其他学习材料。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-04-08
AI入门知识
以下是为您提供的 AI 入门知识: 1. 基础概念: 熟悉 AI 的术语和基础概念,了解人工智能及其主要分支(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。 阅读入门文章,了解 AI 的历史、当前应用和未来发展趋势。 2. 学习途径: 参考「」中的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)按照自己的节奏学习,并争取获得证书。 3. 深入学习: 根据自身兴趣选择特定模块(如图像、音乐、视频等)深入学习。 掌握提示词技巧。 4. 实践巩固: 理论学习后进行实践,尝试使用各种产品创作作品。 分享实践后的作品和文章。 5. 体验产品: 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动,了解其工作原理和交互方式,获得实际应用体验。 同时,还需要了解以下基础内容: 1. AI 背景知识: 基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础: 统计学基础:熟悉均值、中位数、方差等统计概念。 线性代数:了解向量、矩阵等线性代数基本概念。 概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型: 监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 无监督学习:熟悉聚类、降维等算法。 强化学习:简介强化学习的基本概念。 4. 评估和调优: 性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础: 网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。
2025-04-08
雪梅may的100天AI学习笔记
以下是关于雪梅 May 的 100 天 AI 学习笔记的相关内容: 作者介绍: 适合人群:适合纯 AI 小白,可参考日记了解学习路径。 学习模式:输入→模仿→自发创造。若对费曼学习法没自信,可尝试此模式。 学习内容:日记中的学习内容可能因 AI 节奏快而不适用,可去 waytoAGI 社区找感兴趣的最新内容。 学习时间:在半年多时间跨度中,有空时学习,并非每天依次进行。 学习状态:2024 年保持较好状态,不仅学 AI,还看了 33 本书。 费用情况:学习资源免费开源。 第九阶段:学以致用,开源分享 May 花时间复盘过去半年的学习日记,有很棒的发现。 学习路径:迈出第一步→大量学习输入→疯狂模仿→开始自己创造→学的越来越宽越来越杂→积累量变产生质变→开始分享。 特别是学习 coze 的路径:输入→模仿→自发创造,是真实实践得出的规律。 虽费曼学习法主张教会别人是最好学习方式,但开始时自学、输入为主。 现在有分享自信,写学习日记和感受已是分享,后续会有更多分享。 第十一阶段:寻找继续坚持下去的动力 从 24 年 5 月到 25 年 2 月,学完 100 天,仍未找到明确深耕方向。 学习中易遇瓶颈,需找正反馈,开源学习日记获加油是一种方式,还需更好的正反馈继续坚持。
2025-04-08
来点ai写论文的提示词
以下是一些关于用 AI 写论文的提示词示例: 1. 请根据我提供的关于的研究资料,创作一篇学术论文。论文要有清晰的引言,阐述研究背景和意义;主体部分详细分析相关理论和实验结果;结论部分总结研究成果并提出未来研究方向。语言要严谨、专业。 2. 以,撰写一篇论文。文章应包含对现有研究的综述,提出创新性的观点和方法,并用数据和案例进行论证。格式要符合学术规范。 3. 基于对的论文。要求论文结构合理,逻辑严密,引用恰当的参考文献,语言表达准确流畅。 另外,在使用提示词时,需注意清晰明确地表达需求,包括论文的主题、结构、语言风格、重点内容等方面,以便 AI 生成更符合要求的论文。
2025-04-08
AI创意选题
以下是关于 AI 创意选题的相关内容: 第 11 期 Video Battle AI 视频挑战 Little Boxes 盒子: 参考视频:野菩萨小红书说明:https://www.xiaohongshu.com/user/profile/5513fe8ed39ea24fec6cf63b/ 活动介绍:本周 WaytoAGI 和野神殿打算推一波VB 工作流拆解的小红书话题活动,主要目的是集中做一轮 AI 视频相关内容,同时为第 11 期 VB 活动做推广。 选题参考: 1. AI 视频领域国内外近期热点话题事件,技术类、产品类均可。 2. AI 视频创作背后的技术工作流拆解(可运用 WaytoAGI 知识库内容进行二创转化,但需注明原作者)。 3. 参加过 VB 的创作者们,讲讲自己在 VB 过程中遇到的难点,以及最后是怎样解决、如何运用 AI 技术把创意落地的。 话题要求: 1. 小红书内容文案需附【欢迎参加@野菩萨@通往 AGI 之路联合举办的第 11 期 VideoBattle AI 视频挑战】字样,具体位置不限。 2. 需带三个标签(三个都要哦)VB 工作流拆解野神殿通往 AGI 之路(或者waytoagi)。 本次大赛主题:盒子,出题人 新世相,过去的盒子让人趋同,AI 的盒子让你与众不同。 创意支持:@新世相,参考图,见视频或见小红书群。 视频工具建议:PixVerse,Dreamina,Runway,Pika,LiblibAI,SVD,Deforum,Deforumation、AnimateDiff,要求和构图偏差不超过 25%。 如何利用 AI 写课题: 1. 确定课题主题:明确研究兴趣和目标,选择具有研究价值和创新性的主题。 2. 收集背景资料:使用学术搜索引擎和文献管理软件等 AI 工具搜集相关研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具提取关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成包括引言、文献综述、方法论、结果和讨论等部分的大纲。 5. 撰写文献综述:借助 AI 工具确保内容准确完整。 6. 构建方法论:根据研究需求,利用 AI 建议的方法和技术设计研究方法。 7. 数据分析:若涉及数据收集和分析,使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具撰写各部分,并检查语法和风格。 9. 生成参考文献:使用 AI 文献管理工具生成正确格式。 10. 审阅和修改:利用 AI 审阅工具检查逻辑性和一致性,并根据反馈修改。 11. 提交前的检查:使用 AI 抄袭检测工具确保原创性,进行最后的格式调整。 请注意,AI 工具可辅助但不能完全替代研究者的专业判断和创造性思维,使用时应保持批判性思维,确保研究质量和学术诚信。
2025-04-08
sd教程
以下是关于 SD 的一些教程: 用 SD 做二维码: 好看的二维码欣赏:第一个就是 qrbtf。 最近新出了融合二维码教程。 方法原文地址:https://stablediffusionart.com/qrcode/ 相关帖子展示了使用 Stable Diffusion 创建的艺术二维码,是使用定制训练的 ControlNet 模型生成的,人们也想出了在无自定义模型情况下制作 QR 码的方法。 用 SD 做中文文字(持续更新中): 制作思路: 将中文字做成白底黑字,存成图片样式。 使用文生图的方式,使用大模型真实系,作者用的 realisticVisionV20_v20.safetensorsControlNet 预设置。 输入关键词,如奶油的英文单词,Cream+Cake(加强质感),反关键词:Easynegative(负能量),反复刷机,得到满意的效果即可。 同理可输出 C4D 模型,可自由贴图材质效果,3d,blender,oc rendering。 如果希望有景深效果,也可以打开 depth(增加阴影和质感)。 打开高清修复,分辨率联系 1024 以上,步数:2960。 参考视频教程:【“牛逼”的教程来了!一次学会 AI 二维码+艺术字+光影光效+创意 Logo 生成,绝对是 B 站最详细的 Stable Diffusion 特效设计流程教学!AI 绘画进阶应用哔哩哔哩】https://b23.tv/c33gTIQ SD 的各种实践教程: 线稿上色 Midjourney+Stable Diffusion:https://waytoagi.feishu.cn/wiki/AsbYwmfS6ikhr3kNsCocdPMEnUd 猫咪狗狗 lora:https://waytoagi.feishu.cn/wiki/JiQewVbOHi7tzakS23ecprxsnfg 字体设计机甲战士:https://waytoagi.feishu.cn/wiki/GUQ3w52elisr9ukIgkBc42UmnWd 做盲盒平面变 3D:https://waytoagi.feishu.cn/wiki/SCK8wV4PTiHQVKkvGRUcx0fcnTe MJ 出图 SD 放大:https://waytoagi.feishu.cn/wiki/E88nwOtk9ilRQskg3Qlc6ZHpnTf 七夕字体和图:https://waytoagi.feishu.cn/wiki/BjQ1wLRv0ivCLtk136VchSCqnpU 可爱毛粘字体:https://waytoagi.feishu.cn/wiki/NjhbwF1cTiQ5Xjkd3tNc1OWynZd
2025-04-08
coze的学习教程
以下是关于 Coze 的学习教程: 共学活动前两天的教程和录播: 《》 《》 《》 《》 用 Coze 学习 RAG: 视频演示: Query 改写效果对比 Bot:用于对比 Query 改写和未改写的区别,地址为 https://www.coze.cn/store/bot/7400553639514800182?panel=1&bid=6dkplh1r43g15 ,视频演示: RAG 全流程学习 Bot:结合对 RAG 全流程的了解,使用 Coze 的工作流,主要是结合大模型,模拟了 RAG 的离线存储和在线检索全流程,视频演示: Agent 相关比赛中的 Coze 相关教程: 概览与介绍:https://waytoagi.feishu.cn/wiki/YGgzwDfWLiqsDWk2ENpcSGuqnxg 基础教程: 《大圣:胎教级教程:万字长文带你使用 Coze 打造企业级知识库》https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb 《大聪明:保姆级教程:Coze 打工你躺平》https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb 《安仔:Coze 全方位入门剖析免费打造自己的 AI Agent》https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb 《基础教程:Coze“图像流”抢先体验》https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf 《YoYo:Coze 图像流小技巧:探索视觉艺术的隐藏宝藏》https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe 【智能体】让 Coze 智能体机器人连上微信和微信群详细配置文档:https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ
2025-04-01
RAG实战教程推荐
以下为您推荐一些 RAG 实战教程: 1. 【AI+知识库】商业化问答场景,让 AI 回复更准确,一篇专为所有“小白”讲透 RAG 的实例教程(上篇): 介绍了常见的错误场景,如回答不准确、报价错误、胡编乱造等,强调了优化 AI 准确回答的重要性,并引出 RAG 概念。 讲解了基础概念,包括优化幻觉问题和提高准确性需要了解从“问题输入”到“得到回复”的过程,并针对每个环节逐个调优。 阐述了检索原理,包括问题解析阶段通过嵌入模型将问题文本转化为向量,知识库检索阶段比较向量选择相关信息片段,信息整合阶段构建融合全面的信息文本,大模型生成回答阶段将整合后的信息转化为向量输入大语言模型生成回答。还通过实例进行了详细说明,如知识库检索部分的向量化、优化问题、向量检索、抽取内容块等,以及大模型对话部分。 2. 开发:LangChain 应用开发指南 不用向量也可以 RAG: 以餐饮生活助手为例展示了基于结构化数据来 RAG 的实战方法,包括给出用户提问和回复的示例,以及餐饮生活助手 RAG 的代码实战。 介绍了实现餐饮生活助手 RAG 的 Langchain 代码实战需要完成的步骤,如定义餐饮数据源,将餐饮数据集转化为 Langchain 可识别和操作的数据源并注册到 Langchain 中;定义 LLM 的代理,通过 Langchain 的代理根据用户问题提取信息、形成查询语句、检索数据源、生成答案并输出给用户。
2025-04-01
liblib ai 教程
以下是关于 Liblibai 的简易上手教程: 一、概念与功能说明 1. 迭代步数:AI 调整图片内容的次数。步骤越多,调整越精密,出图效果理论上更好,但生图耗时越长。并非越多越好,效果提升非线性,过多后效果增长曲线放平并开始震荡。 2. 尺寸:图片生成的尺寸大小。太小 AI 生成内容有限,太大 AI 易放飞自我。如需高清图,可设中等尺寸并用高分辨率修复(以后再学)。 3. 生成批次:用本次设置重复生成的批次数。 4. 每批数量:每批次同时生成的图片数量。 5. 提示词引导系数:指图像与 prompt 的匹配程度。数字增大图像更接近提示,但过高会使图像质量下降。 6. 随机数种子:生成的每张图都有随机数种子,固定种子后可对图片进行“控制变量”操作,如修改提示词、修改 clip 跳过层等。首次生成图时无种子,不用管。 7. ADetailer:面部修复插件,可治愈脸部崩坏,高阶技能,后续学习。 8. ControlNet:控制图片中特定图像,用于控制人物姿态、生成特定文字、艺术化二维码等,高阶技能,稍后学习。 9. 重绘幅度:图生图时用到,幅度越大,输出图与输入图差别越大。 二、简明操作流程 1. 文生图 定主题:明确生成图片的主题、风格和表达信息。 选择 Checkpoint:根据主题找贴近内容的 checkpoint,如麦橘、墨幽的系列模型。 选择 lora:寻找与生成内容重叠的 lora,控制图片效果及质量。 设置 VAE:无脑选 840000 那一串。 CLIP 跳过层:设成 2。 Prompt 提示词:用英文写需求,单词、短语组合,用英文半角逗号隔开,不管语法和长句。 负向提示词 Negative Prompt:用英文写避免产生的内容,单词、短语组合,用英文半角逗号隔开。 采样方法:一般选 DPM++2M Karras,也可参考 checkpoint 详情页模型作者推荐的采样器。 迭代步数:选 DPM++2M Karras 后,一般在 30 40 之间,多了意义不大且慢,少了出图效果差。 尺寸:根据喜好和需求选择。 生成批次:默认 1 批。 三、prompt 简易技巧 能简单控制图。 虽然视频教程很多,但看图文说明更方便。Liblibai 网站(https://www.liblib.ai/)可点击进入免费在线生图。若看完不明白,可评论区交流或添加微信:designurlife1st 沟通。
2025-03-31
liblib ai 使用教程
以下是 Liblibai 的使用教程: 简明操作流程: 1. 定主题:明确您想要生成的图片主题、风格和表达的信息。 2. 选择 Checkpoint:根据主题选择贴近的 Checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找与生成内容重叠的 lora,以控制图片效果和质量。 4. 设置 VAE:选择 840000 那一串。 5. 设置 CLIP 跳过层:设为 2。 6. Prompt 提示词:用英文写想要 AI 生成的内容,使用单词和短语组合,用英文半角逗号隔开。 7. 负向提示词 Negative Prompt:用英文写想要 AI 避免产生的内容,单词和短语组合,用英文半角逗号隔开。 8. 采样方法:一般选 DPM++2M Karras,也可参考模型作者推荐的采样器。 9. 迭代步数:选 DPM++2M Karras 时,一般在 30 40 之间。 10. 尺寸:根据喜好和需求选择。 11. 生成批次:默认 1 批。 概念与功能说明: 1. 迭代步数:AI 调整图片内容的次数,并非越多越好,需根据采样器特征选择。 2. 尺寸:图片生成的大小,太小或太大都有影响。 3. 生成批次:用本次设置重复生成的批次数。 4. 提示词引导系数:指图像与 prompt 的匹配程度,过高会影响图像质量。 5. 随机数种子:固定后可对图片进行“控制变量”操作。 6. ADetailer:面部修复插件,高阶技能。 7. ControlNet:控制图片中特定图像,高阶技能。 8. 重绘幅度:图生图时用到,幅度越大,输出图与输入图差别越大。 其他概念: 1. 首页 模型广场:有其他用户发布的模型,收藏和运行数多的模型在首页前排,可查看模型详情并加入模型库。 2. Checkpoint:生图必需的基础模型,必选。 3. lora:低阶自适应模型,可选可不选,用于控制细节。 4. VAE:类似于滤镜,调整生图饱和度,选择 840000 即可。 5. CLIP 跳过层:一般设为 2,早期不用过多关注。 6. Prompt 提示词:想要 AI 生成的内容。 7. 负向提示词 Negative Prompt:想要 AI 避免产生的内容。 8. 采样方法:让 AI 用的生图算法。
2025-03-31
DEEPseek 教程
以下是为您整理的关于 DeepSeek 的教程相关信息: 有众多关于 DeepSeek 的学习资料,如《DeepSeek R1本地部署完全手册》.pdf、00 Deepseek 官方提示词.txt、普通人学 AI 指南.pdf、清华大学:DeepSeek 从入门到精通【高清版】.pdf 等。 火山方舟 DeepSeek 申请免费额度及 API 使用方法:包含飞书多维表格调用、Coze 智能体调用、浏览器插件调用等方式。可以使用邀请码 D3H5G9QA,邀请链接为 https://www.volcengine.com/activity/deepseek?utm_term=202502dsinvite&ac=DSASUQY5&rc=D3H5G9QA,邀请可拿 3000 万 tokens。 第三期「AI 实训营」手把手学 AI 中,有关于阿里云上 DeepSeek 玩法的教学,课程于 2025.02.25/26 日每晚 20:00 进行,讲师为许键,包括用 DeepSeek 搭建智能体、全网最简单的 DeepSeek 的部署和蒸馏手把手教程等内容,飞书会议链接为 https://vc.feishu.cn/j/254331715 ,共学文档链接为 。
2025-03-30
扣子AI在中小学数学教学中可以怎么结合使用
扣子 AI 在中小学数学教学中的结合使用可以参考以下方面: 1. 自适应学习系统:例如使用像 Khan Academy 这样的平台,结合 AI 技术为学生提供个性化的数学学习路径和练习题,根据学生的能力和需求进行精准推荐。 2. 智能题库和作业辅助:利用像 Photomath 这样的工具,通过图像识别和数学推理技术为学生提供数学问题的解答和解题步骤。 3. 虚拟教学助手:使用如 Socratic 这样的应用,借助 AI 技术为学生解答数学问题、提供教学视频和答疑服务,帮助学生理解和掌握数学知识。 4. 交互式学习平台:参与像 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目,利用 AI 技术进行数学建模和问题求解。 此外,为小学数学课设计教育游戏时,可以考虑以下几个方面: 1. 游戏机制:选择适合小学生的游戏机制,如跳跃、追逐、搜寻等,增加游戏趣味性和参与度。 2. 游戏元素:选择数学相关的元素,如数字、运算符号、图形等,将它们融入游戏中,使学生通过游戏了解或巩固相应的数学知识。
2025-04-01
扣子设置了微信客服机器人,如何实现机器人按时自动向微信群发布图片或文档等信息。
要实现微信客服机器人按时自动向微信群发布图片或文档等信息,您可以按照以下步骤进行操作: 前提条件: 1. 已开通了。 2. 已搭建了 Bot。 步骤一:获取微信客服配置信息 1. 登录平台。 2. 单击企业信息,然后复制企业 ID。 3. 单击开发配置,然后再单击开始使用。 4. 单击随机获取按钮分别生成并保存 Token 和 EncodingAESKey。复制 Token 和 EncodingAESKey 后,先不要关闭该页面。 步骤二:在扣子中配置微信客服信息 1. 在 Bots 页面,选择需要发布的 Bot。 2. 在 Bot 编排页面,单击发布。 3. 找到微信客服渠道,然后单击配置。 4. 输入步骤一中复制的企业 ID,然后单击下一步。 5. 输入步骤一中复制的 Token 和 EncodingAESKey,然后单击下一步。 6. 复制 webhook 地址。复制 webhook 地址后,先不要关闭该配置窗口。 步骤三:配置回调地址 1. 回到步骤一中的开始企业接入页面,输入上一步中复制的 webhook 地址。单击完成。确保粘贴回调地址时没有引入空格,空格会导致校验失败。 2. 在开发配置页面,复制 secret。 3. 单击客服账号,复制账号。 步骤四:发布 Bot 1. 回到扣子平台的微信客服渠道配置页面,输入复制的 secret 和客服名称。 2. 单击保存。 3. 在发布记录中输入发布信息,然后勾选微信客服渠道,再单击发布。 4. 发布完成后,单击立即对话登录微信客服,体验 Bot 效果。 常见问题: 1. 收不到机器人回复消息怎么办? 可尝试通过以下方法解决: 查看微信客服的启用状态:登录,在应用管理页面,点击微信客服。确保没有启用微信客服功能。如果已经开启了微信客服功能,需要关闭。关闭后,该应用在工作台入口将被隐藏,员工不可使用。请谨慎评估。 检查近期是否有登录企业微信应用。确保企业至少有一个成员通过手机号验证/微信授权登录过企业微信应用。 如果还是有问题,可以发送邮件至 feedback@coze.cn 反馈。
2025-03-30
用扣子的时候怎么让大模型严格按照知识库内容进行输出
以下是关于让大模型严格按照知识库内容进行输出的相关信息: 扣子的知识库功能强大,可上传和存储知识内容,提供多种查找方法。在智能体中使用知识库,收集相关内容,当智能体回答用户时会先检索知识库,使回复更准确。 在“掘金 x 扣子 Hackathon 活动 深圳站”的总冠军工作流中,对于用户向小说人物角色的提问,通过一系列节点,包括开始节点接收问题、知识库节点检索、大模型节点生成答案等,本质上是一个根据用户 query 进行检索增强生成(RAG)的任务,每个工作流中都嵌入了知识库节点,维护了如小说合集等知识库。 大模型节点是调用大语言模型,使用变量和提示词生成回复。按需选择基础版或专业版模型,基础版支持扣子预设的一批模型资源,专业版除默认添加的豆包模型外,还支持按需接入火山引擎方舟平台的模型资源。模型选择右下角生成多样性可从多个维度调整不同模型在生成内容时的随机性,有精确模式、平衡模式和创意模式等预置模式。输入方面,开启智能体对话历史后,上下文信息将自动携带进入大模型,参数名可随意设置但建议有规律,变量值可引用前面链接过的节点的输出或进行输入。
2025-03-26
扣子api的调用流程
扣子 API 的调用流程如下: 1. 传递请求的相关部分: Body:用于传递请求的主体部分,可以是 JSON、XML 或其他类型的数据。在 GET 方法中通常不用于传递参数,因为 GET 方法的 URL 已包含必要参数。 Path:用于定义请求的路径部分,通常以“/”开头,后面跟着一系列段落。在 GET 方法中可传递参数,但常编码为 URL 一部分。 Query:用于定义请求的查询部分,通常以“?”开头,后跟一系列键值对。在 GET 方法中是常用的参数传递方式。 Header:用于定义 HTTP 请求的头信息部分,包括各种头部字段。在 GET 方法中通常不用于传递参数,而是定义请求头部信息。 2. 配置输出参数: 如果填写无误,可直接点击自动解析,会自动调用一次 API 给出对应的输出参数。 例如填入汉字“张”,点击自动解析。解析成功会显示成功,输出参数填好后点击保存并继续。参数描述可根据需求填写。 3. 调试与校验: 测试工具是否能正常运行。 运行后查看输出结果,Request 为输入的传参,Response 为返回值,点击 Response 可看到解析后的参数。 此外,创建扣子的令牌步骤如下: 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”,为令牌起名,选择过期时间(如永久有效),选择指定团队空间(个人空间或团队空间),勾选所有权限,保存好令牌的 Token,切勿向他人泄露。 让 Coze 智能体机器人连上微信和微信群的配置: 1. 获取机器人 ID:在个人空间中找到要接入微信的机器人,如画小二智能小助手,点击进入编辑界面,浏览器地址栏 bot/之后的数据即为机器人的 Bot ID。 2. API 授权:点击右上角发布,会出现 Bot as API,勾选并确定应用已成功授权 Bot as API。
2025-03-25
扣子工作流与用户界面搭建
以下是关于扣子工作流与用户界面搭建的相关内容: 一、工作流搭建 1. 进入扣子(coze.cn),选中「创建应用」,再选中「创建空白应用」,输入「应用名称」进入项目搭建页面。 2. 新增一个工作流,工作流名称叫做 psy_ai。 3. 该项目的业务逻辑是通过上传儿童的绘画作品分析心理状态,分析过程分为多个步骤实现,工作流的编排流程图为:上传作品>多个多模态大模型识别不同元素>分别提取特种并分析>综合分析结果>给出评估与建议。 4. 工作流从左到右分为三组大模型: 第一组多模态大模型主要作用是分析图片元素:整体特征、房屋特征、树木特征、人物特征。 第二组通用大模型主要是对提取到的信息进行对应内容的总结分析。 第三组通用大模型先汇总结果,然后再分别提取不同(诊断评估与建议)的结果。 5. 所有大模型节点对应的 prompt(提示词):文档地址:https://vcn5grhrq8y0.feishu.cn/wiki/Z3NzwrtEKi9h5mk0rTOcAT0xnTc 二、用户界面搭建 1. 选择「桌面网页」类型。 2. 以《小喵星座日历》扣子网页应用为例: 板块 1:输入个人信息和生成图片,包含 2 个选项、1 个按钮、分割图、1 个输入框、1 个按钮。点击生成按钮会触发事件,调用日历生成工作流,生成中时生成按钮禁用,用 loading 按钮展示动态变化。 板块 2:生成星座日历图片,新建一个容器,包含一个文本组件、一个列表组件。 板块 3:查看星座生成记录,新建一个容器,包含一个按钮组件、一个列表组件,点击按钮调用读取生成历史的工作流,列表绑定生成历史工作流的输出结果。 板块 4:查看示例,新建一个容器,包含一个文本组件、4 个图片组件。 三、功能页相关配置 1. {{ImageUpload1.value}}用于获取图片上传组件的第一张图片。 2. {{psy_ai.error}}是工作流的报错信息。 3. 当用户上传图片点击按钮时会进入在家中的状态,右边内容显示容器里有两个组件: 图片组件显示加载中的 gif 图片(默认隐藏),图片来源本地上传加载中 gif 图,尺寸宽度为百分比 100%,高度适应内容,可见性根据{{!psy_ai.loading}}控制,工作流运行中显示。 Markdown 组件显示分析内容,隐藏根据{{psy_ai.loading}},工作流运行完显示。 至此,页面所有的布局和数据交互全部完成。
2025-03-25
如何用扣子创建一个智能体
以下是用扣子创建一个智能体的步骤: 1. 打开扣子官网(https://www.coze.cn/)。 “画小二智能小助手”Coze商店体验地址:https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cqnnu5qo7g00 。 点击创建 Bot,在对话框中工作空间选择“个人空间”,命名为您想要的名称,例如“画小二智能小助手”。 2. 设置提示词:为智能体设置相关的提示词。 3. 开始创建: 想一个智能体的名字。 写一段该智能体的介绍,越详细越好,系统会根据介绍智能生成符合主题的图标。最后点击确认,一个新的智能体就诞生了。 4. 动手实践: 创建一个智能体,使用单 Agent 对话流模式。 编排对话流,点击创建一个新的对话流(记得要和智能体关联)。 进行测试,找到一篇小红书笔记,试运行对话流,直接在对话窗口输入地址,当看到数据即为成功。 发布,点发布后,只选择多维表格,然后进行配置。 输出类型选文本。 输入类型选择字段选择器。 完善上架信息,填个表格。在选发布范围的时候,可以选仅自己可用,否则审核时间较慢。提交上架信息后,返回配置界面会显示已完成,即可完成最终的提交。
2025-03-23
基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。这个应该怎样使用呢
很抱歉,目前没有关于 Randoop 工具使用方法的相关内容。您可以通过以下途径获取更详细的信息: 1. 官方文档:访问 Randoop 的官方网站,查找其提供的详细使用说明和教程。 2. 技术论坛:在相关的技术论坛上搜索关于 Randoop 使用的讨论和经验分享。 3. 开源社区:参与开源社区中关于 Randoop 的交流,向其他开发者请教。
2025-04-08
如何使用AI给测试进行提效
以下是关于如何使用 AI 给测试提效的详细内容: 1. 基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 模式识别: Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。 Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。 2. 基于机器学习的测试生成: 深度学习模型: DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。 DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。 强化学习: RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。 A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理(NLP)的测试生成: 文档驱动测试生成: Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。 Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。 自动化测试脚本生成: Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。 Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成: 状态模型: GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。 Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。 场景模拟: Modelbased Testing:基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。 Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。 5. 实践中的应用示例: Web 应用测试:使用 Testim 分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。 移动应用测试:利用 Test.ai 从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 复杂系统测试:采用 GraphWalker 基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 总结:AI 在生成测试用例方面具有显著的优势,可以自动化和智能化生成高覆盖率的测试用例,减少人工编写测试用例的时间和成本。通过合理应用 AI 工具,前端开发工程师可以提高测试效率、增强测试覆盖率和发现潜在问题,从而提升软件质量和用户体验。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-04-08
开源flux模型如何快速使用
以下是关于开源 Flux 模型快速使用的方法: 1. 模型的下载: 如果因为环境问题,可以在网盘中下载。 siglipso400mpatch14384(视觉模型):siglip 由 Google 开发的视觉特征提取模型,负责理解和编码图像内容。工作流程包括接收输入图像、分析图像的视觉内容并将这些视觉信息编码成一组特征向量。打开 ComfyUI\models\clip,在地址栏输入 CMD 回车,打开命令行,输入下面的命令拉取模型(也可以在网盘里下载)。 image_adapter.pt(适配器):连接视觉模型和语言模型,优化数据转换。工作流程包括接收来自视觉模型的特征向量、转换和调整这些特征,使其适合语言模型处理。通过 https://huggingface.co/spaces/fancyfeast/joycaptionprealpha/tree/main/wpkklhc6 下载,放到 models 的 Joy_caption 文件夹里,如果该文件夹不存在,就新建一个。 MetaLlama3.18Bbnb4bit(语言模型):大型语言模型,负责生成文本描述。工作流程包括接收经过适配器处理的特征、基于这些特征生成相应的文本描述、应用语言知识来确保描述的连贯性和准确性。打开 ComfyUI\models\LLM,地址栏输入 CMD 回车,在命令行里面输入下面命令。 2. 下载地址: ae.safetensors 和 flux1dev.safetensors 下载地址:https://huggingface.co/blackforestlabs/FLUX.1dev/tree/main 。 准备了夸克和百度的网盘链接,方便部分同学下载: flux 相关模型(体积较大)的夸克网盘链接:https://pan.quark.cn/s/b5e01255608b 。 flux 相关模型(体积较大)的百度网盘链接:https://pan.baidu.com/s/1mCucHrsfRo5SttW03ei0g?pwd=ub9h 提取码:ub9h 。 如果 GPU 性能不足、显存不够,底模可以使用 fp8 的量化版模型,速度会快很多,下载地址:https://huggingface.co/Kijai/fluxfp8/tree/main 。 3. 工作流下载: 最后我们再下载 dev 的工作流: 。或者下面官方原版的图片链接,图片导入 comfyUI 就是工作流:https://comfyanonymous.github.io/ComfyUI_examples/flux/flux_dev_example.png 。我们打开 ComfyUI,把工作流或图片拖拽到 ComfyUI 里。
2025-04-08
我们是搜索团队的产品经理,团队定位倾向于“对于插件的建设与调用”定位,现在要做AI相关的产品规划,请以通俗易懂的方式对以下问题做出回答 1、请通过流程图的方式,介绍【插件/工具】能力在大模型生态架构中的环节、定位、实现流程是什么 2、调研下对于我们搜索团队而言,插件应该做什么,可以做什么 3、思考对于大模型来说,有哪些(通用或垂类)的模块/功能/插件是无法绕开的,或高频使用的,作为我们团队后续争取的发力点(如搜索推荐对于传统综合搜索结果页)
以下是为您提供的关于 AI 相关产品规划的回答: 一、插件/工具能力在大模型生态架构中的环节、定位、实现流程 从 2023 年 3 月份 OpenAI 宣布插件计划开始,到 5 月份上线,其中包括联网、代码、画图三个插件。其实现流程大致为: 1. 经过对模型的微调,检测何时需要调用函数(取决于用户的输入)。 2. 使用符合函数签名的 JSON 进行响应。 3. 在接口层面声明可调用的工具。 4. 使用函数和用户输入调用模型。 5. 使用模型响应调用 API。 6. 将响应发送回模型进行汇总。 二、对于搜索团队,插件可以做和应该做的事 目前没有直接针对搜索团队插件具体可做和应做事项的明确内容,但可以参考 OpenAI 的插件计划,例如开发与搜索相关的特定功能插件,或者探索如何将现有的搜索推荐功能与大模型更好地结合。 三、对于大模型无法绕开或高频使用的模块/功能/插件 目前没有直接指出对于大模型无法绕开或高频使用的具体模块、功能或插件。但从相关信息中可以推测,例如与数据获取和处理相关的插件(如联网)、与技术开发相关的插件(如代码)以及与内容生成相关的插件(如画图)可能是较为重要和高频使用的。对于搜索团队来说,可以考虑在这些方向上寻找发力点,结合搜索推荐等传统功能,开发出更具竞争力的插件。
2025-04-08
dify工作流中agent节点怎么使用
在 Dify 工作流中使用 Agent 节点的步骤如下: 1. 搭建工作流框架: 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,点击确认完成新建。 左侧「选择节点」模块中,根据子任务需要,实际用上的有插件(提供能力工具拓展 Agent 能力边界)、大模型(调用 LLM 实现文本内容生成)、代码(支持编写简单脚本处理数据)。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点完成框架搭建。 2. 测试 Agent 节点功能: 完成任何一个节点的配置后,都需要进行试运行测试以验证节点的运行效果。 步骤一:点击「测试该节点」。 步骤二:按格式要求输入待测试的输入内容,如果是 array 等其他格式,请自行对话 AI 或搜索网络确认格式要求。 步骤三:点击「展开运行结果」,检查输入、输出项是否有误。如果有误,请依次检查“测试输入内容”、“节点配置”是否有误,以及优化“提示词”以提升对生成内容的约束力。当多次测试时输入与输出都符合预期,就可以进入下一个子任务的配置。
2025-04-05