AI知识库问答方面有哪些不错的案例？

以下是一些值得学习的 AI 课程： 【野菩萨】的预习周课程，包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课，涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影穿越的大门等内容。 核心范式课程，涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 SD WebUi 体系课程，包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程，有 ChatGPT 基础、核心文风、格式、思维模型等内容。 ComfyUI 与 AI 动画课程，包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程，涉及通识欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。

以下是关于 AI 软件测试的相关内容： 实践中的应用示例： 1. 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。 2. 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。 3. 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。 工具和平台： 1. Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 2. Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 3. DeepTest：利用深度学习生成自动驾驶系统测试用例。 4. 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。 5. 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。 另外，在 Coze 官方教程中，搭建好第一个 AI Bot 后，配置好 Bot 就可以在预览与调试区域中测试 Bot 是否符合预期，可单击清除图标清除对话记录。

以下是 AI 在法律领域的一些最新应用： 1. 专利审查方面：AI 技术通过自动化和智能化手段，帮助专利审查员更高效地处理大量专利申请、检索相关文献、评估专利性和创新性等任务。 2. 法律文书：这是目前 AI 在 2B 行业基本成熟的应用，其格式固定，核心技术是法条/判例的引用，是“搜索”能力和大模型能力的搭配。 3. 虽然目前其他 2B 应用如“AI 客服”等雷声大、雨点小，未达到大量取代人工的预期，但生成式人工智能技术已逐步涵盖艺术创作产业、医疗保健、虚拟现实、数据合成与数据增强等多个领域，为各行业带来创新、效率与价值。

成为一名知识产权律师可以借助 AI 从以下几个方面入手： 1. 知识学习与案例研究：利用 AI 驱动的法律数据库和学习平台，深入了解知识产权领域的法律法规、典型案例和最新动态。 2. 法律文书撰写辅助：借助 AI 工具提高法律文书如起诉书、答辩状等的撰写效率和质量，确保语言准确、逻辑清晰。 3. 模拟案例分析：通过 AI 模拟各种知识产权相关的案例场景，进行分析和应对策略的制定，提升解决实际问题的能力。 4. 客户需求分析：利用 AI 对潜在客户的需求和问题进行分析，以便更好地提供针对性的法律服务。 5. 法律研究与创新：借助 AI 探索知识产权领域的前沿研究和创新趋势，为自己的业务发展提供新思路。 需要注意的是，AI 只是辅助工具，不能替代您自身的专业判断和实践经验。在使用 AI 工具时，要对其结果进行审慎评估和验证。

以下为一些网页翻译 AI 产品及相关信息： 1. DeepL（网站）： ，点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译（浏览器插件）： ，安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML / TXT 文件」、「翻译本地字幕文件」。 3. Calibre（电子书管理应用）： ，下载并安装 calibre，并安装翻译插件「Ebook Translator」。 4. 谷歌翻译（网页）： ，使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 5. 百度翻译（网页）： ，点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 此外，XiaoHu.AI 也具有高质量多语言翻译的特点，能提供沉浸式阅读和写作体验，支持多种语言的高质量翻译。它能够智能识别网页上的内容，如 Twitter、Discord 等，提供鼠标悬停翻译。支持 Chrome、Edge 等主流浏览器，下载插件即可使用。具有简单易用的用户界面，操作方便，还内置了 GPT 的聊天功能，可以随时提问。相关链接：

以下为您介绍一些用 AI 搭建网站的工具及选择合适工具的方法： AI 搭建网站的工具： 1. Zyro 网址： 特点：使用 AI 生成网站内容，包括文本、图像和布局建议；提供 AI 驱动的品牌和标志生成器，帮助创建独特的品牌形象；包含 SEO 和营销工具，帮助提升网站可见性和流量。 2. Site123 网址： 特点：简单易用的 AI 网站构建工具，适合初学者；提供多种设计模板和布局，用户可以快速创建专业网站；包括内置的 SEO 和分析工具，帮助优化网站表现。 选择合适的 AI 网站制作工具的方法： 1. 明确目标和需求：确定您的网站目标，如个人博客、商业网站、在线商店等，并明确功能需求。 2. 考虑预算：有些工具提供免费计划或试用版，但高级功能可能需要付费订阅。 3. 易用性：选择符合您技术水平的工具，确保能够轻松使用和管理网站。 4. 自定义选项：检查工具是否提供足够的自定义选项，以满足设计和功能需求。 5. 支持和资源：查看是否有足够的客户支持和学习资源，如教程、社区论坛等，帮助解决问题。 通过这些 AI 驱动的工具，您可以更轻松地创建和管理一个功能丰富、外观专业的网站。请注意，以上内容由 AI 大模型生成，请仔细甄别。

搭建 COZE 智能体工作流通常分为以下步骤： 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。 2. 实施： 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。 3. 完善： 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。 此外，在搭建整理入库工作流时，首先新建工作流「url2table」，然后根据弹窗要求自定义工作流信息，并进行工作流全局流程设置。但关于调试飞书多维表格插件的使用方式，由于篇幅原因不在此详述。

以下是关于本地知识库系统如何利用大语言模型的相关内容： 一、部署大语言模型 1. 下载并安装 Ollama 根据电脑系统，从 https://ollama.com/download 下载 Ollama。 下载完成后，双击打开，点击“Install”。 安装完成后，将 http://127.0.0.1:11434/ 复制进浏览器，若出现相关字样则表示安装完成。 2. 下载 qwen2:0.5b 模型（0.5b 方便测试，设备充足可下载更大模型） Windows 电脑：点击 win+R，输入 cmd 点击回车。 Mac 电脑：按下 Command（⌘）+ Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，选择“终端”应用程序。 复制相关命令行并粘贴回车，等待自动下载完成。（下载久了若卡住，鼠标点击窗口，键盘点空格可刷新） 二、了解 RAG 利用大模型的能力搭建知识库是 RAG 技术的应用。在进行本地知识库搭建实操前，需对 RAG 有大概了解。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，主要通过检索增强生成 RAG 实现。RAG 应用可抽象为 5 个过程： 1. 文档加载：从多种来源加载文档，LangChain 提供 100 多种不同的文档加载器，包括 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：涉及将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 三、通过 Open WebUI 使用大模型 1. 首先访问相关网址，打开页面时使用邮箱注册账号。 2. Open WebUI 一般有两种使用方式： 聊天对话。 RAG 能力，可让模型根据文档内容回答问题，这是构建知识库的基础之一。 3. ChatGPT 访问速度快、回答效果好的原因： 快：GPT 大模型部署的服务器配置高。 好：GPT 大模型的训练参数多、数据更优以及训练算法更好。

利用人工智能技术搭建知识库系统可以参考以下内容： 大圣的相关文章：大圣致力于使用 AI 技术将自己打造为超级个体的程序员。其文章如也是以 AI 时代的知识库作为例子进行了讲解。 知识管理体系：知识管理体系是一套流程、工具和策略的组合，用于系统地管理个人或组织的知识资产。它包括但不限于收集信息、整理知识、分享经验、促进学习和创新。一个有效的知识管理体系通常包括以下几个关键组成部分： 知识的捕捉：收集个人或组织在日常工作和学习中产生的知识和信息。 知识的组织：通过分类、标签和索引等方式，使知识易于访问和检索。 知识的分享：促进知识在个人或组织内部的流动，增加协作和创新的机会。 知识的应用：确保知识被有效利用，以支持决策制定、问题解决和新知识的创造。 专家系统：符号人工智能的早期成就之一是专家系统——为充当某个有限问题领域的专家而设计的计算机系统。它们基于从一个或多个人类专家那里提取的知识库，并包含一个推理引擎，在此基础上进行推理。专家系统就像人类的推理系统一样，包含短期记忆和长期记忆。同样，在以知识为基础的系统中，会区分以下几个部分： 问题记忆：包含与当前要解决的问题有关的知识，如病人的体温或血压、是否有炎症等。这种知识也被称为静态知识，因为它包含了快照信息，记录着我们在当前状态下对问题的了解——即所谓的问题状态。 知识库：代表某个问题领域的长期知识。它是从人类专家那里人工提取的，不会因外部的咨询而改变。由于它允许我们从一个问题状态前往另一个问题状态，因此也被称为动态知识。 推理引擎：协调在问题状态空间中搜索的整个过程，必要时向用户提问。它还负责找到适用于每个状态的正确规则。例如，下面这个专家系统是根据动物的物理特征来判断动物的。

要创建知识库问答群机器人，可基于以下步骤： 1. 基于 RAG 机制实现知识库问答功能。首先创建一个包含大量社区 AI 相关文章和资料的知识库，例如创建一个有关 AI 启蒙和信息来源的知识库，通过手工录入的方式上传栏目的所有文章内容，并陆续将社区其他板块的文章和资料导入到知识库中。 2. 在设计 Bot 时，添加这个知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，尽可能好地利用知识库返回的内容进行结合回答。 3. 了解 RAG 机制，全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术。它结合了检索和生成两种主要的人工智能技术，先从一个大型的数据集中找到与当前问题相关的信息（检索），然后使用这些检索到的信息来帮助生成更准确、更相关的回答（生成）。可以把它想象成当问一个复杂问题时，RAG 机制先去一个巨大的图书馆里找到所有相关的书籍，然后基于这些书籍中的信息给出详细回答。这种方法结合了大量的背景信息和先进的语言模型的能力，使得生成的内容不仅依赖于模型本身的知识，还融入了具体、相关的外部信息，有助于提升对话 AI 的理解力和回答质量。

waytoagi 的知识库问答是基于 RAG 机制实现的。具体步骤如下： 1. 创建一个包含大量社区 AI 相关文章和资料的知识库，例如创建有关 AI 启蒙和信息来源的知识库，并通过手工录入的方式上传栏目的所有文章内容，然后陆续将社区其他板块的文章和资料导入到知识库中。 2. 在设计 Bot 时，添加这个知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，尽可能好地利用知识库返回的内容进行结合回答。 RAG 机制，全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术。它结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。简单来说，RAG 机制先从一个大型的数据集中找到与当前问题相关的信息（检索），然后使用这些检索到的信息来帮助生成更准确、更相关的回答（生成）。可以把它想象成这样一个场景：当问一个很复杂的问题时，RAG 机制先去一个巨大的图书馆里找到所有相关的书籍，然后基于这些书籍中的信息来给出详细的回答。这种方法让机器在处理信息时更加精确，因为它结合了大量的背景信息和先进的语言模型的能力，使得生成的内容不仅依赖于模型本身的知识，还融入了具体、相关的外部信息，这对于提升对话 AI 的理解力和回答质量非常有帮助。

以下是企业内部知识库和 AI 问答结合的一些成熟解决方案和产品推荐： Contextual Answers：这是一个端到端的 API 解决方案，其答案完全基于组织知识，能避免“幻觉”。全球信息服务提供商 Clarivate 与其合作，将其应用于图书馆解决方案套件，为学生、教师和研究人员提供基于策划和可信学术内容的问题答案。 职业规划类产品：结合用户个人情况和市场需求制定详细职业发展计划，包括短、中、长期目标，帮助用户在 AI 时代找到职业定位。其核心构思在于利用企业已有知识积累结合大模型能力，为用户提供准确简洁答案。具体通过创建企业私有知识库收录问答记录和资料，利用大模型处理用户咨询问题，确保回答准确一致，必要时提供原回答完整版，还能对接人工客服，在智能助手无法解决问题时快速转接，提升服务质量和客户满意度。

智谱清言在视频问答方面的表现如下： 在结构化 prompt 测试中，能够按照 prompt 指示回答，理解意图较好。但对于“离婚”相关问题，输出内容起初较抽象，不符合客户咨询场景，经要求改进后有所改善，但仍存在内容偏软、像心灵鸡汤、作用有限的情况。对于律师助理或客户来说，能达到最低标准，对有经验的执业律师作用不大。 在与文心一言 4.0 等的小样本测评中，对比来看，智谱清言在处理复杂提示词时，属于言简意赅地分析结果但错误，而文心一言 4.0 很努力分析很多步骤但依然错误。 从产品角度，智谱 AI 在中国 AI 领域具有开创性，模型质量出色，以 ChatGPT 为对标打造用户体验，是国内首批开放智能体应用的公司之一，在逻辑推理和处理复杂提示词方面有明显优势，在处理需要深度思考和分析的任务时表现出色。

以下是一些关于知识问答的 prompt 相关内容： StepBack Prompting 技巧是一种通过反复追问来获取更深入、更准确答案的方法，在 AI 领域尤其有价值，能帮助模型更好地理解用户真实需求并提供更精确答案。其建议应用领域及相应建议包括： 1. 用户交互设计：在与用户交互中，当用户问题不够明确或有歧义时，通过追问更好地理解用户意图。建议设计更智能的交互界面，允许 AI 在需要时主动提问获取更多上下文信息。 2. 教育和培训：在在线教育平台中帮助学生更好地理解复杂概念。建议开发具有追问功能的教育工具或应用，使学生在遇到困惑时得到更深入解答。 3. 调研和市场研究：在收集用户反馈或进行市场调研时，通过追问获取更详细、更深入信息。建议设计智能问卷，在用户答案不明确或模糊时自动追问。 4. 客服支持：当用户遇到问题或需要帮助时，客服可以通过该技巧更精确地理解用户问题。建议培训客服团队使用这种技巧，并在 AI 助手中集成此功能，以提供更高效、更准确的支持。 讨论者的主要内容、结论或观点如下： 少卿：提到直接回答和其他情况，讨论紫色说明，考虑多种 prompt 技能最大化发挥的前提及边界，认为提出思路和适用的问题边界是关键，同意模型自己的升级不会取代“思路”，考虑对“普通人”的产品化。 刘宇龙 Rryu：认为 StepBack Prompting 主要是一种追问技巧，提出对巴以冲突原因询问的建议，体感模型应自己升级并学会提示策略完成推理任务，赞同产品化交付门槛更低的观点。 张佳：提到审视问题的重要性，认为这是特别好的解决问题方式。 煮酒四郎：建议增加一种方法论。

以下为您介绍如何自己弄一个网页嵌入型的智能问答对话 AI： AskAI 是一个不错的选择。它是一个构建自己的 AI 问答系统的平台，用户可以通过无代码的方式，在几分钟内构建自己的 AI 问答系统。 其特点和优势包括： 1. 能够快速构建：在短时间内即可完成。 2. 嵌入方式灵活：可以将构建好的系统分享到任何网页上，嵌入到网页中，或通过 API 进行访问。 3. 技术支持：使用 OpenAI 的嵌入技术。 AskAI 的官网是：https://www.myaskai.com 。通过该平台，您能够较为便捷地实现自己的网页嵌入型智能问答对话 AI 的需求。

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。

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。